Meta-Prompting是一種有效的腳手架技術，旨在增強語言模型（LM）的功能。該方法將單個LM轉化為一個多方位的指揮者，擅長管理和整合多個獨立的LM查詢。通過使用高層指令，元提示引導LM將複雜任務分解為更小、更易管理的子任務。然後，這些子任務由相同LM的不同“專家”實例處理，每個實例都根據特定的定製指令操作。這個過程的核心是LM本身，作為指揮者，它確保這些專家模型的輸出之間的無縫溝通和有效整合。它還利用其固有的批判性思維和強大的驗證過程來完善和驗證最終結果。這種協作提示方法使單個LM能夠同時充當全面的指揮者和多樣化專家團隊，顯著提升其在各種任務中的性能。元提示的零射擊、任務無關性質極大地簡化了用戶交互，無需詳細的任務特定指令。此外，我們的研究表明，外部工具（如Python解釋器）與元提示框架能夠無縫集成，從而擴大了其適用性和效用。通過與GPT-4的嚴格實驗，我們證明了元提示優於傳統腳手架方法：在所有任務中取平均值，包括24點遊戲、一步將軍和Python編程難題，使用Python解釋器功能的元提示比標準提示高出17.1%，比專家（動態）提示高出17.3%，比多人格提示高出15.2%。