PromptMN：伪提示语言

提示已成为人类和生成人工智能之间的主要界面，但许多自然语言提示仍然脆弱：角色、目标、约束和预期输出往往被埋藏在散文中或隐含在其中。在代理和软件开发工作流程中，第一次切换时的误读可能会传播到每个步骤，因为代理失败的很大一部分源于上下文模糊性而不是模型限制。本文介绍了 PromptMN，这是一种伪提示领域特定语言，它使用紧凑的、% 前缀的类型指令来注释自然语言，涵盖角色、目标、要求、优先级、约束、计划、输入和输出。语义解析允许作者以任意顺序编写，而模型则按功能解释指令。 PromptMN 介于非正式提示和编程式伪代码之间：结构足够好，便于检查和重用，但对于整个软件开发生命周期 (SDLC) 的分析师、经理、开发人员和利益相关者而言，又足够轻量。 PromptMN 还与反向提示工程配对。要求模型以 PromptMN 的形式重述期望的结果，让用户在采取行动之前检查推断的角色、目标、约束和缺失的假设，从而缩短修复周期并生成可重用的工件，以协调人员和 AI 工具。 PromptMN 的可行性在多个前沿模型中进行了评估，包括 Claude Fable 5、Claude Opus 4.8、Gemini 3.1 Pro 和 GPT-5.5。该模型正确解析了 PromptMN 指令，包括复杂的结构，例如重复、条件、方法和素数检查任务，而无需 微调。相同的词汇适用于所呈现的 SDLC 场景中的新代码库、维护和重新设计。虽然大规模验证仍是未来的工作，但这些早期结果表明 PromptMN 是朝着更清晰、更可审查的人与人工智能交互迈出的实际一步。