PromptMN：偽提示語言
arXiv - Human-Computer InteractionEnkhzol Dovdon
提出 PromptMN，一種可注釋自然語言的 DSL，提升 AI 交互的可檢查性與可重用性，並在多種大型模型上驗證其有效性。
AI 幫你先抓重點
AI 重點 1
PromptMN 讓人類與 AI 的互動更具可檢查性，降低因語境模糊造成的失敗。
滑鼠懸停看 AI 判斷理由
它將模糊的自然語言拆解為明確的指令，開發者能在模型執行前即發現錯誤，提升可靠度與信任度，對於需要高精度輸出的教育工具尤為重要。
AI 重點 2
逆向提示工程可將任務需求自動轉換為 PromptMN，提供可重用的交互模板。
滑鼠懸停看 AI 判斷理由
此機制將需求轉化為結構化語言，形成可在多個專案重複使用的模板，縮短開發週期並確保跨部門溝通一致，對教育科技產品設計與迭代具有直接影響。
核心研究發現
- 1
PromptMN 透過 %-前綴的 typed directives，能在任何順序寫入，模型能正確解析角色、目標、限制等指令。
- 2
在 Claude Fable 5、Claude Opus 4.8、Gemini 3.1 Pro、GPT-5.5 等模型上，PromptMN 能正確處理重複、條件、方法等複雜結構，無需微調。
- 3
透過逆向提示工程，模型可將期望輸出轉換為 PromptMN，讓使用者檢視推斷的角色、目標與假設，減少修復週期。
對教育工作者的啟發
教育科技開發者可將 PromptMN 作為提示設計的標準語言，透過 %-前綴指令明確角色、目標與限制，減少語境歧義。利用逆向提示工程，將需求自動轉為 PromptMN，產生可重用的交互模板，提升跨部門協作效率。將 PromptMN 嵌入課程設計或學習工具的開發流程，可讓教學設計師快速驗證 AI 產出的一致性，並在迭代中即時調整。
原始文獻資訊
- 英文標題：
- PromptMN: Pseudo Prompting Language
- 作者：
- Enkhzol Dovdon
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。