经验计算：提示与编程 [pdf]
本文对比了通过提示工程（prompting）与传统编程（programming）两种方式完成计算任务的效率与可靠性。研究发现，虽然提示方式在简单任务上能快速获得结果，但在复杂逻辑和精确控制方面，传统编程仍具有不可替代的优势。研究为开发者选择合适的技术路径提供了实证依据。
背景速读
- 这篇论文来自 Marcel Böhme（新加坡科技设计大学），核心问题是：用自然语言提示大模型（LLM）写代码，和传统人工编程，哪个更可靠、更高效？它被 ASE 2026 录用。
- 文章不讨论“AI 能不能写代码”，而是拿**经验证据**说话：作者设计实验，让 LLM 和人类程序员分别完成相同任务，对比代码正确性、缺陷密度、时间成本等指标。
- 背景是业界正大量使用 GitHub Copilot、ChatGPT 等工具自动生成代码，但对其**质量与可维护性**缺乏系统评估。这篇论文试图填补这个空白。
- 关键发现之一是：提示式编程在简单任务上快，但在复杂逻辑、边界条件处理上容易产生隐蔽错误；传统编程虽慢，但缺陷率更低。