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。 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。 Prompt A/B 测试的方法：准备 20-30 个测试输入，用两个 Prompt 版本分别生成，人工评分或用自动化指标（如代码通过率）。统计显著性需要至少 30 个样本，否则可能是噪音。
有个相关问题想请教：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。
结合我最近的项目经验：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。感谢楼主的启发。
补充一个可能被忽略的点：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。仅供参考，具体还是要看你的场景。
分享一下我的做法：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。希望少走弯路。
有个相关问题想请教：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
补充一点：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。一起学习。
分享一下我的做法：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。踩了很多坑才总结出来的。
Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。
说说我自己的经历：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。后续有新发现再来更新。
这个思路很巧妙，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。