标准回答
什么是元提示
元提示（Meta-Prompting）指用提示让模型去生成、改进或编排「提示本身」，而不是直接给出最终答案。直白说就是「用提示生成提示」。
两种常见形态
- 生成/改进提示：给模型一个任务描述，让它先产出一个高质量的任务提示或评分标准，再用这个提示去做事。例如「请为‘把财报摘要成三点’这个任务，写一个清晰的提示词」。
- 先规划再作答：让模型先对问题做规划、拆解子步骤、列出解题框架，再据此正式回答。这与任务分解和 CoT 思路一致，把「怎么做」前置化、显式化。
为什么有用
它把提示设计的一部分负担交给模型，减少人工反复试错；对复杂、开放任务，先让模型规划再执行通常比一步到位更结构化、更稳。元提示还可与评分迭代结合，形成「生成提示→评测→改进」的自动优化闭环（参见 Prompt 优化与评估）。
追问
追问 1：元提示和思维链（CoT）有什么区别？
CoT 是让模型在回答同一个问题时显式展开推理步骤；元提示是让模型去生成/改进「提示或解题框架」这一层产物，再用它来解题。CoT 作用于解题过程，元提示作用于提示/计划的设计，二者常结合使用。
追问 2：元提示怎么和自动提示优化结合？
可以让模型用元提示批量生成候选提示，再在验证集上按指标评分，保留高分提示并迭代改写，这正是 APE/DSPy 一类自动优化的生成环节。元提示提供候选，评分与搜索负责择优收敛。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。