用 Prompt 驱动 Prisma Schema 设计效果不错。告诉 AI 业务需求（如「用户有多个订阅，订阅有多个订单」），让它生成包含关系、索引、级联删除的完整 Schema。但要检查索引是否合理，AI 偶尔会漏掉查询频繁字段的索引。 负面指令在 Prompt 中非常重要。告诉 AI「不要用 var」「不要用 any 类型」「不要用 Pages Router」比只说「用 const」「用具体类型」「用 App Router」效果更好。AI 更容易遵守「禁止 X」而非「应该 Y」。 Prompt 模板版本管理很重要。我用 Git 管理 Prompt 文件，每次优化都 commit，写清楚改了什么、为什么改、效果如何。这样团队可以追溯 Prompt 的演进历史，也能回滚到效果更好的版本。 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。
我的理解是：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。我也还在探索中。
分享一下我的做法：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。共同进步。
我的看法略有不同：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。细节可以再展开讨论。
从另一个角度看：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。希望少走弯路。
JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
有个细节值得注意：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。
有个相关问题想请教：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。细节可以再展开讨论。
这个观点我很认同，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。
我的踩坑经验：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。如有不对请指正。
我的踩坑经验：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。这只是个人经验，不一定通用。
我的踩坑经验：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。实践出真知，建议动手试试。我的理解是：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。
补充一个可能被忽略的点：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。细节可以再展开讨论。
我的看法略有不同：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。一起学习。
这个方案我试过，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。细节可以再展开讨论。
Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
我调研过这块，Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。实践出真知，建议动手试试。这个思路很巧妙，JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。期待更多实战经验分享。
说说我自己的经历：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。
我之前也遇到过类似问题，系统提示词里加「不确定时回答不知道」能显著降低幻觉率。欢迎交流讨论。