通过对自然语言指令进行条件设置，大型语言模型展现了作为通用计算机的强大能力。然而，任务的性能很大程度上取决于用于引导模型的提示质量，且最有效的提示通常是由人工精心设计的。受到经典程序合成和人类提示工程方法的启发，我们提出了自动提示工程师（Automatic Prompt Engineer，APE），用于自动生成和选择指令。在我们的方法中，我们将指令视为“程序”，通过搜索由 LLM 提出的指令候选池