From Prompt Engineering to Epistemic Prompting: Prompt Trajectories as AI-Mediated Problem Framing in Science Education
本文提出了一个名为“认识论提示”（epistemic prompting）的新框架，将 STEM 教育中的提示工程重新定义为一种持续性的知识构建实践，并引入了“框架-提示循环”（Framing-Prompting Loop）来分析学习者与大语言模型如何通过迭代的框架设定与重构，共同塑造问题解决的轨迹。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在玩一场高风险的“二十个问题”游戏，对手是一个超级聪明、反应极快，且几乎无所不知的机器人。当你问：“解决这个物理问题，”机器人瞬间吐出一个看起来完美的答案。在传统的“提示工程”（prompt engineering）世界里，目标仅仅是尽可能快地得到那个完美答案。这就像是试图通过不断微调你的措辞，直到机器人不再犹豫，从而让你得到那张正确的藏宝图。
但这篇文章指出，这并不是游戏的全部。事实上，它认为如果只关注最终答案，就像是评价一位厨师时，仅仅看汤的味道，却从未询问过他们是否使用了正确的食材，或者他们是否真的亲手烹饪了这道菜。
重大的转变：从“提示”到“框架构建”
作者马特奥·图韦里（Matteo Tuveri）提出了另一种玩游戏的方式：认识论提示（Epistemic Prompting）。请不要把它仅仅看作是在电脑上输入指令，而要把它看作是成为一个建筑项目的建筑师和检查员，而机器人则是你的施工队。
你不再只是要求机器人“砌一面墙”，而是不断地检查蓝图。你会问：“等等，为什么我们这里用砖头而不是木头？如果北风吹过来怎么办？让我们再检查一下地基。”
文章建议，每当你向 AI 发送一条新消息时，你不仅仅是在索取更多信息；你是在构建问题的框架（framing）。你在决定：
- 这个问题究竟是什么。
- 我们正在遵循什么样的规则。
- 思考过程中的哪些部分应该由机器人完成，哪些部分必须由你来完成。
“框架提示循环”（The Framing-Prompting Loop）
想象一下你与机器人之间的共舞。
- 第一步： 你开始这场舞蹈（第一个提示词）。你设定了音乐、风格和边界。
- 机器人的动作： 机器人旋转并展示了一个舞步（响应）。
- 你的吸收与反馈（Uptake）： 这是神奇之处。你不会只是鼓掌说“太棒了！”你会仔细观察。你看到了错误吗？你需要改变风格吗？你想从不同的角度看这个动作吗？
- 下一步： 你调整舞蹈。你可能会说，“停，那个动作不符合音乐，”或者“让我们尝试这个动作，但要解释为什么它有效，”或者“让我们换成爵士风格。”
文章将此称为提示轨迹（Prompt Trajectory）。它不仅仅是一个问题和一个答案；它是你和机器人共同摸索出的整个故事。文章指出，真正的学习发生在你在舞蹈中做出的改变中，而不仅仅是最后的定格姿势。
这篇文章排除了什么
文章非常明确地说明了它不是什么。
- 它不是关于“完美提示词”： 作者反对认为存在某种可以复制粘贴以获得天才答案的“神奇完美提示词”的想法。如果你得到了完美答案，却不知道它为什么是对的，那么你并没有学到任何东西。
- 它不是关于“试错法”： 只是通过用略微不同的措辞一遍又一遍地输入同一个问题，直到机器人给出你想要的答案，这并不叫学习。那只是在瞎猜。文章说，你必须真正去思考机器人在说什么，并在它出错时挑战它。
- 它不是关于让机器人做所有的工作： 如果你让机器人定义问题、选择方法并检查答案，你只是一个乘客。文章坚持认为，你必须始终是驾驶员。
他们有多确定？
这里是最重要的一部分：这篇文章是一张地图，而不是终点。
作者是在建议一种我们在科学课中使用 AI 的新思维方式。他们构建了一个概念性框架——一套概念和类别，旨在帮助教师和学生理解正在发生的事情。他们尚未进行大规模实验来证明使用这种方法会让学生变得更聪明或更擅长物理。
文章承认我们目前还不知道这种方法是否比旧方法更有效。它提到：“未来的研究应当测试并完善这一框架。”因此，尽管这些想法很巧妙且论证充分，但它们目前只是关于我们可以如何教学的建议，而非证明其教学效果更好的既定事实。
给好奇青少年的启示
如果你使用 AI 来辅助完成作业，不要仅仅把它当作一个能给你答案的“魔力 8 号球”。要把他当作你侦探故事中的搭档。
- 不要只问： “答案是什么？”
- 要问： “这是我对这个问题的理解。你的答案符合我的规则吗？如果不符合，为什么？让我们一起查看证据吧。”
文章表明，真正的超能力不在于让机器人说话完美，而在于你学会如何**构建（frame）**对话，从而让你自己始终掌控思考的主动权。其核心在于确保当机器人说“我完成了”时，你可以说：“我同意，因为我自己检查过这项工作。”
在科学家进行更多测试之前，这是一个审视我们 AI 工具的精彩新视角，但它仍处于开发阶段。目标不是成为最擅长输入提示词的人，而是成为最擅长让大脑保持在驾驶位上的人。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。