提示策略降低LLM代码能耗

随着AI辅助编程日益主流，AI生成软件的环境影响成为重要考量，这要求在功能正确性之外以执行效率与能耗评估LLM生成代码。然而尽管代码生成进步显著，前沿LLM很少按其产出代码的能效被评估。本文全面评估21种节能代码生成提示策略，甄选8种在10个广泛使用的开源与商用LLM上评估，以基线提示为参照考察其对Python与C++生成的效果。在受评模型中，所选提示策略最多降低Python代码25%、C++代码17%的能耗。模型层面：Python节能最高达Granite-4.0-H-Small的50%、Claude 4.5 Haiku的39%、MiniMax M3的28%；C++最高达Granite-4.0-H-Small的56%、Qwen3-Coder-480B-A35B-Instruct的7%。结果表明提示策略能实质影响LLM生成代码的能耗，尽管有效性随模型与语言而变。发现强调把能效纳入LLM代码生成的评估与优化，并为更可持续的AI辅助编程的提示设计提供实践洞见。