RAG + Prompt 工程是让 AI 基于私有文档回答的标准方案。关键在于检索质量：chunk 大小设 500-1000 字符，重叠 100 字符，用语义检索而非关键词匹配。Prompt 里告诉 AI「只基于提供的上下文回答，不确定时说不知道」，能大幅减少幻觉。 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。 Prompt Chain 是处理复杂任务的利器。比如生成一个完整的 Next.js 页面：第一步 Prompt 生成页面结构，第二步生成 Server Action，第三步生成组件代码，第四步生成测试。每步的输出作为下步的输入，比一个超大 Prompt 效果好得多。
讲个真实案例：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。我也还在探索中。
我的看法略有不同：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。细节可以再展开讨论。
我的项目里也用了这个方案，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。如果有更好的方案求分享。
负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
我做了类似的对比实验：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。仅供参考，具体还是要看你的场景。
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。
我调研过这块，Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。希望对你有帮助。
Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
这个方案我试过，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。这只是个人经验，不一定通用。
Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。
讲个真实案例：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。我也还在探索中。
不同场景下结论可能不同：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
我的结论恰恰相反：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。
我的理解是：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。希望少走弯路。
我的实践经验和你的不太一样：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。后续有新发现再来更新。
我调研过这块，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。如有不对请指正。
Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
我的看法略有不同：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。感谢楼主的启发。
Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
有个相关问题想请教：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。有疑问可以继续问。