基于大语言模型的自我反思式提示词优化方法及系统

本发明提供一种基于大语言模型的自我反思式提示词优化方法及系统，涉及人工智能领域；方法包括：获取初始化的提示词模板，根据预设数据集执行设定周期后获得若干提示词用例；采用大语言模型对提示词用例进行审核以归类各提示词用例至正确样本集和错误样本集，进而均匀采样后建立优化样本集；构造修订提示词模板，根据优化样本集对提示词用例进行修改，生成若干新提示词；对若干新提示词进行评价，筛选目标要求的新提示词；对新提示词进行验证，当验证结果超出修订前的评价结果，则更新提示词模板；否则重复提示词优化过程，直至获得的新提示词满足优化目标。本发明能实现提示词的异步、及时更新，降低人工干预优化提示词的成本。