格式约束的选择：JSON 适合程序解析但要转义、Markdown 适合阅读但结构松散、XML 标签适合分段但冗余。我的经验是：给 AI 看的用 XML 标签分段，让 AI 输出的用 JSON 或 Markdown，根据下游消费方决定。 AI 生成生产级代码的 Prompt 要点：明确技术栈版本、给出代码规范链接、要求错误处理、要求类型安全、要求添加注释。最重要的是给一个高质量的参考实现作为 few-shot 示例。 长上下文 Prompt 的信息密度要控制。AI 对上下文的理解不是均匀的，开头和结尾的内容权重更高（首因效应和近因效应）。关键信息放开头，最新指令放结尾，中间放背景资料。
反对一下，我的测试结果不是这样：降 AI 率最有效的是让 AI 模仿口语化表达，加入「我觉得」「说实话」这类词。共同进步。
上周刚好踩了这个坑，Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。
我的踩坑经验：角色设定越具体效果越好，「5 年 Next.js 全栈开发者」比「专家」好得多。共同进步。
上周刚好踩了这个坑，长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。我也还在探索中。
我的结论恰恰相反：降 AI 率最有效的是让 AI 模仿口语化表达，加入「我觉得」「说实话」这类词。
元提示词（用 AI 优化 Prompt）是个好思路，但需要人工判断哪些建议有效。
我的团队是这样做的：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。效果因项目而异，建议实际测试。
我的踩坑经验：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。有疑问可以继续问。
说个反直觉的发现：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。欢迎私信深入交流。
不同场景下结论可能不同：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
结合我最近的项目经验：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。如果有更好的方案求分享。
这个思路很巧妙，系统提示词里加「不确定时回答不知道」能显著降低幻觉率。效果因项目而异，建议实际测试。
JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
我的团队是这样做的：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。效果因项目而异，建议实际测试。
这个问题我研究过一阵，元提示词（用 AI 优化 Prompt）是个好思路，但需要人工判断哪些建议有效。欢迎交流讨论。
补充一个边界情况：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
不同场景下结论可能不同：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。
我的项目里也用了这个方案，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。有疑问可以继续问。
实操中我发现：降 AI 率最有效的是让 AI 模仿口语化表达，加入「我觉得」「说实话」这类词。仅供参考，具体还是要看你的场景。