Intelligent Computing 2026年9月14日这篇综述系统梳理了SAM及其衍生模型中的提示工程研究，提出将提示方法分为几何提示、文本语义提示与多模态融合提示的三层分类体系，并进一步归纳从人工标注到基于检测器、原型学习、强化学习与视觉语言模型的自动化提示生成路径，同时追踪提示工程在医学影像、遥感、工业检测与异常检测等领域的跨域泛化应用，指出提示敏感性、跨模态错位与计算低效等关键挑战，并提出因果提示推理、多智能体协同提示与基于扩散的渐进式细化等未来方向。这篇综述系统梳理了SAM及其衍生模型中的提示工程研究，提出将提示方法分为几何提示、文本语义提示与多模态融合提示的三层分类体系，并进一步归纳从人工标注到基于检测器、原型学习、强化学习与视觉语言模型的自动化提示生成路径，同时追踪提示工程在医学影像、遥感、工业检测与异常检测等领域的跨域泛化应用，指出提示敏感性、跨模态错位与计算低效等关键挑战，并提出因果提示推理、多智能体协同提示与基于扩散的渐进式细化等未来方向。分割一切模型中的提示工程：方法、应用与新兴挑战这篇综述系统梳理了SAM及其衍生模型中的提示工程研究，提出将提示方法分为几何提示、文本语义提示与多模态融合提示的三层分类体系，并进一步归纳从人工标注到基于检测器、原型学习、强化学习与视觉语言模型的自动化提示生成路径，同时追踪提示工程在医学影像、遥感、工业检测与异常检测等领域的跨域泛化应用，指出提示敏感性、跨模态错位与计算低效等关键挑战，并提出因果提示推理、多智能体协同提示与基于扩散的渐进式细化等未来方向。这篇综述系统梳理了SAM及其衍生模型中的提示工程研究，提出将提示方法分为几何提示、文本语义提示与多模态融合提示的三层分类体系，并进一步归纳从人工标注到基于检测器、原型学习、强化学习与视觉语言模型的自动化提示生成路径，同时追踪提示工程在医学影像、遥感、工业检测与异常检测等领域的跨域泛化应用，指出提示敏感性、跨模态错位与计算低效等关键挑战，并提出因果提示推理、多智能体协同提示与基于扩散的渐进式细化等未来方向。