待验证50% 置信事实精确时间

提示词策略编辑通过修改提示词层面的策略来调整智能体行为，而无需修改模型参数

1

来源数

50%

置信度

长期有效

时效性

2026/9/14

首次发现

来源

RIPPLE：无需重训模型的智能体工作流策略编辑新方法

涉及实体

Prompt-policy editingconcept

相关事实

待验证策略更新的参数化方式直接修改模型权重（如LoRA微调层在线更新），能力上限更高但引入灾难性遗忘风险；非参数化方式通过修改提示、检索内容或工具配置改变行为，可逆性强但表达能力有限78% 相似待验证厂商推荐新模型的方式应是提示而非替换，例如标注推荐尝试而非直接改动配置75% 相似已验证Prompt工程是在不改变模型权重的前提下，通过优化输入提示词来改善模型输出质量和效率的技术74% 相似待验证自我改进机制主要在推理阶段通过上下文工程实现行为优化，不同于涉及模型参数更新的在线微调74% 相似待验证对齐良好的模型会将元指令引导至合规的创意表达，而对齐不足的模型可能出现意外行为73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/919773

API

curl https://kongchang.com/api/v1/knowledge/claims/919773

MCP

get_claim(id=919773)