提示调优（Prompt Tuning）已成为模型微调的一种新范式，在自然语言预训练乃至视觉预训练中均展现出显著成效。在本工作中，我们探索将提示调优方法迁移至多模态预训练领域，重点关注生成式多模态预训练模型，而非对比式模型。具体而言，我们在一个统一的序列到序列预训练模型上实现提示调优，该模型能够适应理解与生成两类任务。实验结果表明，轻量级的提示调优方法在性能上可与全模型微调相媲美，并优于其他轻量级调优方法。此外，与微调模型相比，提示调优模型在对抗攻击下展现出更强的鲁棒性。我们进一步发现，提示长度、提示深度以及重参数化策略等实验因素对模型性能具有显著影响，因此基于实验观察，我们提出了针对提示调优设置的实用建议。尽管提示调优展现出诸多优势，我们仍识别出其存在的若干局限性，并据此指出了未来研究的可能方向。相关代码已开源，地址为：\url{https://github.com/OFA-Sys/OFA}。