提示詞館員：生成式人工智能時代下圖書館館員的新角色

中圖分類號：G251.6 文獻標識碼：A DOI：10.11968/tsyqb.1003-6938.2025022

Prompt Librarian：The New Role of Librarians in the Era of Generative Artificial Intelligence

Abstract The article first analyzes theconcept and connotationof \"prompt engineering\"andcompares it with the library informationretrieval process.It then provides adefinitionof the promptenginer librarian.Finallyit explores the functional responsibilities and training recommendations for prompt engineer librarians.This paper argues that there are many similarities between prompt engineering andlibrary informationretrieval，suchastheneed for precise language expresion to achieve specific informationretrieval or generation goals.It reviews the functionalresponsibilities of prompt engineer librarians basedontherequirementsof AItechnologycompanies andlibrarytraining programs.Finaly，this paper proposes cultivatingpromptLibrarian from four aspects：skillintegration，tol empowerment，user collboration，and ethical literacy.Thisincludes integratingretrieval skills intoprompt engineering，constructingalocalized promptoptimiZation platform，driving prompt iterations with user needs，and establishing an ethical assrance system.These measures aim to address the challenges posed by generative artificial intelligence technologies.

Key words generative artificial intelligence; prompt librarian; prompt engineering; large language models

隨著OpenAI的生成式預訓練模型（GenerativePre-trained Transformer，GPT）——ChatGPT的誕生，一系列大語言模型不斷產生。截至2024年4月1日，OpenLLMLeaderboard上面一共有61，419個大模型加入開源大模型的測評，C-Eval則對121個中文大模型進行了評測。OpenLLMLeaderboard是一個由HuggingFace發(fā)布，主要針對英文的評測榜單，旨在跟蹤、排名和評估開源的LLMs。C-Eval是一個由上海交通大學、清華大學和愛丁堡大學聯合發(fā)布的全面的中文基礎模型評估套件。除了開源的大模型以外，還有很多商業(yè)公司也開發(fā)了面向社會大眾的大語言模型，如2022年11月30日OpenAI發(fā)布的ChatGPT、2023年3月Anthropic 發(fā)布的Claude和Google發(fā)布的Gemini等大模型。其中，最著名的就是Ope-nAI發(fā)布的ChatGPT系列大模型[1]。大模型技術展現了前所未有的應用能力，但也對用戶提出了更高的提示詞設計和交互技巧要求。

目前，圖書館界對生成式人工智能的研究集中在兩個方向：一是分析生成式人工智能技術對圖書館業(yè)務的潛在變革，包括技術整合到圖書館服務的價值和策略[2]，在如信息素質教育[3]、智慧圖書館建設4、閱讀服務5參考咨詢服務用戶服務中的影響和作用等。二是探索生成式AI技術在圖書館領域的實際應用。如澳門科技大學利用AI技術搭建對話式知識服務平臺ChatLib，為用戶提供知識組織、信息檢索及文獻推薦等服務[8；王翼虎等利用開源大語言模型結合本地知識庫，構建圖書館參考咨詢服務的智能對話系統；張君冬等基于開源大模型開發(fā)了針對中醫(yī)古籍的大模型[\"；王東波團隊于2023年發(fā)布了國內首個古籍大語言模型，探索生成式AI在古籍資源服務中的應用。

盡管研究已初步揭示了生成式AI對圖書館服務的影響與潛力，但大語言模型的實際應用質量在很大程度上依賴于提示詞（Prompt）的設計精度。提示詞是引導模型生成特定內容的重要媒介，其設計的精確性直接影響模型的響應質量與相關性。這是由于大語言模型是基于復雜的神經網絡結構構建的，擁有數百萬甚至數十億個參數，通過微調優(yōu)化以適應不同任務指令[12]。在生成響應時，大語言模型通常采用了溫度調控（Temperature Setting）和Top-k采樣（Top-kSampling）等技術來平衡輸出的隨機性和多樣性。如較高的溫度可能會產生更多樣化（但可能不太準確）的響應[13]。提示詞工程（PromptEngineering）作為一項專注于優(yōu)化提示詞以實現預期輸出的技術，不僅提高了模型理解用戶需求的能力，還能幫助生成內容更符合上下文語境和倫理標準。

在圖書館場景中，提示詞工程的應用能夠顯著提升服務效率與用戶體驗。然而，目前針對提示詞工程在圖書館領域的研究尚處于初步階段，其技術操作性和服務模式創(chuàng)新尚待深入探討。在此背景下，“提示詞館員\"（Prompt EngineeringLibrarian）作為一種新興角色逐漸受到關注。本文旨在從提示詞館員的角度探討生成式人工智能技術在未來圖書館發(fā)展中的應用，分析這一角色的核心職能與培訓路徑，以期為圖書館在人工智能時代的服務創(chuàng)新提供一定的實踐視角。

1提示詞工程（PromptEngineering）

1.1概念定義

盡管目前尚未形成提示詞工程的統一定義，但是根據已有的定義可以很好地理解提示詞工程的概念內涵[14]。根據維基百科的定義，提示詞工程是指構建能夠被生成式人工智能模型解釋和理解的指令的過程，其中提示詞指的是描述人工智能執(zhí)行任務的自然語言文本[15]。因此，可以認為提示詞工程是一個設計和構建提示詞（Prompt）以引導大語言模型生成特定類型的文本或完成特定任務的技術手段。其核心目的是通過提示詞的形式化表示來操縱大語言模型的生成行為，以實現期望的輸出結果。提示詞通常由一系列文字或符號組成，能夠有效激發(fā)模型產生預期的語言輸出。

隨著人工智能的應用越來越廣泛，不同行業(yè)和領域對定制化解決方案的需求不斷增加。提示詞工程為不同場景設計特定提示詞提供了可行性，能夠幫助大語言模型更高效地理解復雜任務，減少生成內容的偏差或錯誤，從而提高回答的精準性和質量。需要注意的是，由于每個大語言模型的微調參數和訓練方法不同，其對提示詞的設計要求也有所不同。因此，提示詞工程已成為提升大語言模型實際應用能力的關鍵技術之一。

1.2提示詞工程與檢索式構造的比較

提示詞工程與傳統的信息檢索式構造在本質上均通過語言的精準表達實現對信息的組織與提取，具有一定的相似性。然而，由于技術邏輯與應用目標的不同，二者在具體實施和結果評估上又存在差異。兩者的對比可以幫助我們更好地理解提示詞工程在信息服務中的角色與潛力（具體比較見表1）。

盡管存在一些不同，但提示詞工程和構造檢索式的過程都旨在利用語言表示和指導方式來實現特定的信息獲取或生成目標，兩者的相互交叉和借鑒能會為更廣泛的信息處理任務帶來新的啟發(fā)和方法。因此，圖書館可以借鑒現有的信息檢索教學服務模式，向讀者提供提示詞工程相關的教學服務。

2提示詞館員的概念發(fā)展與內涵

2.1提示詞館員的概念發(fā)展

本文通過WebofScience、Scopus、CNKI等學術數據庫，以“Prompt Engineering”“Prompt Engineer-inglibrarian”“提示詞館員\"等為關鍵詞進行檢索，并利用Google、百度等搜索引擎進行文獻補充。檢索結果顯示，關于“提示詞館員\"的研究在國際范圍內尚處于初步階段，國內幾乎未見相關討論。

較早提出“提示詞館員\"（PromptEngineering li-brarian）概念的是美國北德克薩斯大學（UniversityofNorthTexas）信息系的BradyLund。他于2023年10月31日在LibraryHiTechNews上發(fā)表了題為Theprompt engineering librarian的概念性短文[16]。文章指出，圖書館館員在信息素養(yǎng)領域積累了豐富的經驗，與提示詞工程的要求存在天然契合。Lund提出，將提示詞工程與圖書館館員現有的專業(yè)知識相結合，可以形成一個新興角色：提示詞館員。該角色通過整合人工智能技術和圖書館服務，進一步拓展館員的能力邊界。

幾乎在同一時間（2023年10月29日），佛羅里達大學斯馬瑟斯圖書館（SmathersLibraries）學術研究咨詢和服務部的BoruiZhang在MedicalReferenceServicesQuarterly期刊上面發(fā)表了題為PromptEngi-neersorLibrarians？AnExploration的短文[i7]。該文從角色聯系和技能需求的角度探討了提示詞工程對圖書館館員的重要性，認為提示詞工程與圖書館的檢索測試有相似之處。作者指出，在AI時代，圖書館館員應具備提示詞工程技能，以適應新興技術對服務模式的重塑。然而，與Lund不同，Zhang并未在文中直接提出“提示詞館員”的概念，而是側重于探討提示詞工程對圖書館服務的潛在影響。

2024年3月，印度昌迪加爾大學中央圖書館（ChandigarhUniversityCentralLibrary）館員SubhajitPanda分析了數字時代下提示詞館員角色的變化，強調了從傳統圖書館館員到人工智能信息檢索專家的轉變[18]。作者同樣認為提示詞館員與圖書館員幫助用戶查找所需信息的傳統角色有著驚人的相似之處。他認為“提示詞館員”可以定義為精通信息檢索和知識管理藝術的專業(yè)人士，能夠利用先進技術和數據資源，協助個人找到準確、相關和及時的信息。他們擅長制作和完善搜索查詢，利用復雜的搜索引擎、數據庫和算法，快速有效地從龐大的數據池中提取有價值的見解。簡而言之，提示詞館員是“現代信息導航員”，具備了在不斷擴展的數字信息海洋中航行的技能和工具。作者雖然給出了提示詞館員的定義，但更多地將其局限于信息檢索方面，強調了獲取信息的重要性，忽視了人工智能技術的智能性及在圖書館未來發(fā)展中的潛力。

2.2提示詞館員的概念內涵

在圖書館領域，隨著人工智能技術的廣泛應用，圖書館館員的角色正在經歷深刻的變革。從傳統的信息檢索到智能化的知識服務，圖書館的工作方式和服務模式都在不斷變化。在這一轉型過程中，提示詞工程（PromptEngineering）成為一個新的技術領域，而“提示詞館員\"這一新興角色則應運而生。圖書館館員在傳統的信息組織和檢索中具備豐富的經驗和技能，而這些優(yōu)勢在提示詞工程中能夠進行有效延伸。正是基于這一點，學者們才提出了“提示詞館員”的概念，認為這一角色能夠在人工智能和圖書館服務的結合中發(fā)揮重要作用。圖書館的基本問題就是如何保障信息有效查詢和有效獲取，從這一角度來說提示詞工程是人工智能廣泛應用大環(huán)境下專業(yè)圖書館館員的必備技能。

結合以上文獻分析，本文認為提示詞館員是一個結合圖書館學和人工智能技術的新興專業(yè)角色，專注于設計、優(yōu)化和管理圖書館應用場景下大語言模型中的提示詞，在人工智能技術與圖書館服務之間發(fā)揮橋梁作用。具體而言，可以從角色定位、核心任務、價值意義三個方面來理解其概念內涵。

從角色定位來看，一方面館員需要面向用戶，擔任“需求引導者\"的角色，幫助用戶理解不同AI系統的功能，將模糊的需求轉化為更精準、有效的提示詞，優(yōu)化與AI系統與交互結果。另一方面，館員需要與機器交互，充當“技術中介”，將圖書館的服務需求與人工智能技術有效對接，如設計提示詞以引導大語言模型生成特定領域的檢索結果，或使AI系統結合圖書館的特定資源（如文獻類型、學科內容等）進行更精準地檢索。

從核心任務來看，一是梳理圖書館的服務場景，識別圖書館在資源推薦、數據分析等方面的具體需求，根據不同的服務場景，確定哪些功能可以通過AI技術來實現，并設置場景化的提示詞策略。二是針對圖書館用戶的具體需求，優(yōu)化和調整提示詞策略，引導用戶更好地和AI系統交互，并建立一個多層次的反饋機制，使得AI系統能夠在實際應用過程中持續(xù)改進。

從價值意義來看，提示詞館員能夠顯著提升AI系統在圖書館等特定場景中的應用效果，還能夠通過語義優(yōu)化和用戶行為分析，推動AI系統在更廣泛領域的智能化發(fā)展，從而為用戶提供更加高效、精準和個性化的服務體驗。這一角色不僅是人工智能技術與圖書館逐步融合的現實需求，也體現了圖書館服務向數字化、智能化發(fā)展的方向。

3提示詞館員的功能職責

目前，尚無圖書館正式設置“提示詞館員\"相關崗位，對這一角色的定位和功能職責也缺乏討論。因此，本文主要從兩個角度出發(fā)來探討提示詞館員的角色定位和功能職責：一是AI科技公司對提示詞館員崗位的職責要求，二是圖書館界對提示詞工程技能培訓的實踐經驗。

3.1AI公司對提示詞館員崗位的職責要求

最早發(fā)布相關崗位的是美國AI科技公司Anthropic，該公司于2024年3月推出了人工智能大模型Claude3，并于2023年7月發(fā)布題為“PromptEngi-neeramp;Librarian\"的崗位招聘通知，Anthropic認為理想的提示詞館員是編程、指導和教學的結合，其崗位職責主要包含四個部分[19]：

（1）最佳實踐發(fā)現與記錄：負責發(fā)掘、測試并記錄一系列與客戶相關任務的最佳實踐方法，確保這些方法能夠有效地支持客戶需求。

（2）建立高質量提示詞庫：構建并維護一個包含多樣化任務的高質量提示詞或提示詞鏈的庫。這個庫需要配有簡易的指南，以便用戶能夠輕松查找并選擇最適合其特定需求的提示詞。

（3）教程與交互式工具開發(fā)：設計并實施一套教程和交互式工具，這些工具和教程旨在教授客戶如何有效使用提示詞工程技術，提高他們在此領域的技能和知識水平。

（4）與大型企業(yè)客戶合作：直接與大型企業(yè)客戶 合作，協助他們制定和優(yōu)化提示策略，確保這些策略 能夠滿足其商業(yè)需求和目標。

另一家美國AI科技公司Kahoa關于PromptEn-gineeramp;Librarian的招聘公告同樣強調了提示詞館員的核心任務，其職責包括[20]：

（1）提示詞開發(fā)與管理：負責開發(fā)和維護一個多樣化的提示詞集合，以支持大語言模型的訓練和性能優(yōu)化。

（2）需求理解與資源策劃：深入理解語言模型及其用戶的需求，策劃并管理相關的資源和材料，確保這些工具能夠滿足模型和用戶的具體需求，

（3）提示詞庫的組織與維護：組織和維護一個全面的提示詞庫，確保提示詞的可訪問性和高質量。

（4）團隊合作與溝通：與研究和工程團隊緊密合作，確保提示詞的質量和效果，助力實現項目的目標和預期成果。

（5）專業(yè)技能要求：要求具有對大語言模型的深入理解能力，優(yōu)秀的研究和組織技能，以及處理大型數據集的能力。

綜合來看，AI公司對提示詞館員職責的定義集中在三方面：提示詞的開發(fā)優(yōu)化與維護、工具與教程的設計以及跨團隊與客戶協作。核心任務包括創(chuàng)建和維護高效提示詞庫、深刻理解語言模型的工作原理，并通過協作優(yōu)化AI應用效果。這些能力確保了提示詞館員能夠充分發(fā)揮AI技術的潛力，從而提升整體服務效果，優(yōu)化用戶體驗。

3.2圖書館界對提示詞工程的培訓

除AI科技公司外，圖書館界也對圖書館館員開展提示詞工程的技能培訓。2024年5月，美國研究圖書館協會（Association ofCollegeamp;Research Librar-ies，ACRL）為圖書館館員開展了為期四周的高效提示詞工程培訓課程[21]，目的是將生成式人工智能技術應用到圖書館日常業(yè)務中（課程內容見表2）。

從課程內容來看，該培訓課程高度重視提示詞工程在圖書館場景中的實際應用，強調其實用性和操作性。此外，課程內容還體現了美國圖書館界對生成式人工智能技術的敏銳洞察力和迅速的適應能力。這表明圖書館行業(yè)正積極擁抱AI技術，以提高服務質量和效率。

3.3提示詞館員的主要職責

結合AI公司提示詞工程的崗位職責和圖書館界的培訓實踐，本文認為圖書館領域提示詞館員的主要職責包括以下幾個方面。

（1）提示詞庫的創(chuàng)建與維護：構建高質量的提示詞庫，設計并實施能夠精確回應用戶查詢的提示詞，持續(xù)優(yōu)化其機構和表達方式，以提升信息檢索的質量和效率。

（2）信息檢索交互優(yōu)化：應用專業(yè)化的提示詞，優(yōu)化圖書館的搜索引擎和信息服務系統，從而提高用戶查詢的響應速度和準確性。通過提示詞與圖書館系統的深度融合，增強用戶在復雜信息環(huán)境中的使用體驗。

（3）教育與培訓：開展雙重教育任務，一方面，為向圖書館用戶提供信息素養(yǎng)教育培訓，幫助用戶更高效地利用AI工具和提示詞來獲取信息；另一方面，向圖書館館員開展專業(yè)培訓，提升其在業(yè)務操作中應用提示詞工程的能力，從而推動圖書館整體服務質量的提升。

（4）技術研究開發(fā)：參與到提示詞工程的研究中，探索新技術如何在圖書館服務中應用，提升效率和用戶滿意度。與公司等相關機構開展合作，將最新的技術成果轉化為圖書館場景中的實用服務。

（5）數據治理與倫理責任：關注數據隱私與安全，確保在使用AI和提示詞處理用戶數據時符合數據保護法規(guī)和倫理標準。定期檢查AI系統和提示詞的性能，確保它們的公正性和透明度，避免偏見和誤導。

通過上述職責，提示詞館員在推動圖書館服務的數字化和智能化轉型的同時，能夠有效保障服務質量和效率的持續(xù)優(yōu)化。

4圖書館開展提示詞館員的培養(yǎng)建議

據預測，10年以后 50% 的工作與提示詞密切相關[22]。為適應這一趨勢，圖書館需提前思考和布局，有效地開展提示詞館員的培養(yǎng)?；谔崾驹~工程與傳統信息檢索的異同分析，以及提示詞館員“需求引導者”與\"技術中介\"的雙重角色定位，本文提出應該從核心能力、工具支持、用戶協作、倫理責任四個方面展開，以確保提示詞館員能夠有效應對生成式人工智能技術帶來的新挑戰(zhàn)，并推動圖書館服務的智能化轉型。

4.1技能融合：強化檢索技能與提示詞工程結合

提示詞工程與傳統信息檢索在核心目標、語言運用、實施過程等方面存在相似性又各有特點。提示詞館員應深刻理解這種關系，將傳統信息檢索技能融入提示詞工程中。在實際工作中，能夠根據用戶的檢索需求，精準設計提示詞，提高信息檢索的效率和質量。如在面對學術文獻檢索時，館員要像傳統檢索那樣明確關鍵詞、限定檢索范圍，同時運用提示詞工程技巧，引導大語言模型更準確地篩選和生成相關文獻信息，實現檢索式構造與提示詞設計的有機融合，為用戶提供更優(yōu)質的檢索服務。

4.2工具賦能：構建本地化提示詞優(yōu)化平臺

為提升實操效率，需開發(fā)適配圖書館業(yè)務的工具支持。首先，可聯合AI公司搭建“輕量級大模型沙盒”，集成圖書館特色資源（如書目數據、古籍資源庫、機構知識庫等），允許館員輸入提示詞后實時生成結果，并通過用戶評分、相關性分析等反饋優(yōu)化設計。如針對古籍資源提示詞“解析《四庫全書》中關于農業(yè)的條目”，沙盒可返回生成內容并標記置信度，館員據此調整表述。其次，開發(fā)“交互式提示詞分析工具”，通過語義解析自動識別模糊表達。如提示詞“查找相關論文\"會被標注為“目標不明確”，工具建議改為“檢索近五年關于圖書館人工智能倫理研究的英文綜述論文，并提供DOI鏈接”。此類工具可降低技術門檻，幫助館員快速定位問題。

4.3 用戶協同：以需求驅動提示詞動態(tài)迭代

提示詞館員需與用戶深度協作，確保服務貼近實際需求。一方面，通過分析用戶-AI交互日志（如智能咨詢機器人的對話記錄等），提煉高頻問題并轉化為標準模板。如用戶提問“如何獲取外文期刊全文”，可設計分層提示詞：基礎版直接推薦數據庫，進階版結合用戶學科推薦期刊，專家版引導構建檢索策略。另一方面，定期舉辦“用戶-館員共創(chuàng)工作坊”，模擬“提問-設計-生成\"全流程。如用戶扮演需要撰寫論文的學生，館員設計提示詞“生成關于數字閱讀對大學生影響的學術寫作框架”，AI生成結果后，雙方共同優(yōu)化提示詞邏輯與語言表達。

4.4倫理素養(yǎng)：構建質量與公平性保障體系

提示詞館員需承擔技術倫理責任。在數據治理與倫理責任方面，提示詞館員要深入學習數據保護法規(guī)、倫理準則和相關政策。通過培訓和實際案例分析，增強數據隱私保護意識和倫理判斷能力。在日常工作中，能夠規(guī)范地處理用戶數據，定期檢查AI系統和提示詞的性能，確保其公正性和透明度，避免出現數據泄露、偏見和誤導等問題。

5結語

提示詞館員的培養(yǎng)不僅是對生成式人工智能技術發(fā)展的積極回應，也是圖書館服務適應數字化時代需求的戰(zhàn)略轉型。本文探討了在生成式人工智能時代下，圖書館館員向“提示詞館員\"角色轉型的必要性及其潛在價值。通過分析提示詞工程與圖書館信息檢索的相似性，以及AI科技公司崗位需求和圖書館培訓實踐的案例，明確了提示詞館員的功能職責，揭示了這一新興角色在推動圖書館數字化和智能化轉型中的重要作用。

研究發(fā)現，提示詞館員不僅是技術與傳統服務的橋梁，也可以成為圖書館智慧化的重要推動力量。提示詞館員通過創(chuàng)建和優(yōu)化提示詞庫、改進信息檢索交互、開展用戶教育與內部培訓、參與技術研發(fā)以及確保數據治理的合規(guī)性和倫理性，有助于提升圖書館服務的質量和效率。

我國圖書館需從技能融合、工具賦能、用戶協同和倫理素養(yǎng)四個維度著手提示詞館員的培養(yǎng)和發(fā)展：一是技能融合，鑒于提示詞工程與傳統信息檢索的異同，提示詞館員應將傳統檢索技能融人提示詞工程，依據用戶需求精準設計提示詞，提升檢索服務質量；二是工具賦能，通過聯合AI公司搭建“輕量級大模型沙盒\(zhòng)"和開發(fā)“交互式提示詞分析工具”，集成圖書館特色資源，實時反饋優(yōu)化提示詞設計并降低技術門檻；三是用戶協同，提示詞館員需與用戶深度協作，分析交互日志，提煉高頻問題并轉化為模板，舉辦共創(chuàng)工作坊模擬流程，共同優(yōu)化提示詞；四是倫理素養(yǎng)，提示詞館員要承擔技術倫理責任，學習相關法規(guī)政策，增強隱私保護意識和倫理判斷能力，規(guī)范處理用戶數據，確保提示詞的公正性與透明度。

參考文獻：

[1]MinaeeS，MikolovT，NikzadN，etalLarge Language Models：ASurveyEB/OL].2025-0-17].hps：/doi.org/10.4855/riv.2402.06196.

[2]嚴雪雁.ChatGPT技術融入圖書館服務：應用價值、內在挑戰(zhàn)與應對策略[J].圖書館，2023（9）：1-9.

[3］蔡迎春，張靜蓓，虞晨琳，等.數智時代的人工智能素養(yǎng)：內涵、框架與實施路徑[J].中國圖書館學報，2024，50（4）：71-84.

[4]郭利敏，付雅明.以大語言模型構建智慧圖書館：框架和未來[J].圖書館雜志，2023，42（11）：22-30，133.

[5]吳若航，茆意宏.生成式人工智能驅動圖書館閱讀服務變革[J].圖書情報工作，2023，67（22）：80-87.

[6]郭亞軍，寇旭穎，馮思倩，等.大語言模型賦能圖書館參考咨詢服務：邏輯、場景與體系[J].圖書館論壇，2025，45（1）： 118-127.

[7］劉澤，邵波.元宇宙場景下人工智能生成內容（AIGC）賦能圖書館用戶服務研究[J].圖書館，2024（2）：10-16.

[8]袁虎聲，唐嘉樂，趙洗塵，等.ChatLib：重構智慧圖書館知識服務平臺[J].大學圖書館學報，2024，42（2）：72-80.

[9］王翼虎，白海燕，孟旭陽.大語言模型在圖書館參考咨詢服務中的智能化實踐探索[J].情報理論與實踐，2023，46（8）： 96-103.

[10］張君冬，楊松樺，劉江峰，等.AIGC賦能中醫(yī)古籍活化：Huang-Di大模型的構建[J].圖書館論壇，2024，44（10）：103- 112.

[11］與“荀子\"對話？南京農業(yè)大學發(fā)布全國首個古籍大語言模型[EB/OL].[2025-02-17].htps：//news.njau.edu.cn/2023/ 1211/c70a127215/pag.htm.

[12]ShoeybiM，PatwaryM，uriR，etal.Megatron-LM：Training Multi-BillonParameterLanguage ModelsUsing ModelParallelism[J].arXiv preprint arXiv，2019，1909：8053.

[13]LLM Setings[EB/OL].[2025-02-17].https：//www.promptingguide.ai/introduction/settings.

[14]What is PromptEngineering？A Detailed GuideFor2024[EB/OL].2025-02-17].htps：//ww.datacamp.com/blog/what-is prompt-engineering-the-future-of-ai-communication.

[15]Wikipedia.Prompt engineering[EB/OL].[2025-02-17].https：//en.wikipedia.org/wiki/Prompt_engineering.

[16]Lund B.The prompt engineering librarian[J].Library Hi Tech News，2O23，40（8）：6-8.

[17]Zhang B.PromptEngineers orLibrarians？An Exploration[J].Medical Reference Services Quarterly，2023，42（4）：381-386.

[18]PANDAS.Navigating knowledge：theroleandevolutionofthePromptLibrarianJ].BrazilianJournalofDevelopment，2024， 10（3） ：e68145.

[19]Anthropic.PromptEngineerandLibrarian[EB/OL].2025-02-17].hps：//ww.aitalenthub.ai/job-post/prompt-enginee and-librarian.

[20]Kahoa.Prompt Engineer amp; Librarian[EB/OL].[2025-02-17].htps：//ahoa.ai/careers/prompt-engineer-librarian.

[21]ALA.EfiientromtEngeeringforLibariansOnline CourseEB/OL].-2-01].ps：//crlala.org/acrlisidefcient-prompt-engineering-for-librarians-online-course/.

[22］李彥宏.大模型即將改變世界10年后 50% 的工作會是提示詞工程[EB/OL].[2025-02-01].https：//wallstreetcn.com/articles/3689704.

作者簡介：李國俊，男，博士研究生，副研究館員，研究方向：科學計量;汪聰，女，博士研究生，館員，研究方向：知識服務；唐勇，女，副研究館員，研究方向：科技查新；莊昕，女，館員，研究方向：知識服務；徐揚，男，長聘副教授，博士生導師，研究方向：數字經濟。