Prompt 中的歧义消除是关键。比如「加一个搜索功能」可以理解为前端搜索、后端搜索、全文搜索。好的 Prompt 会明确：「在 /forum 页面加服务端搜索，支持标题和内容匹配，用 Prisma 的 contains 查询，结果分页 20 条/页」。 Few-shot 示例的选择比数量重要。3 个高质量示例的效果远好于 10 个普通示例。关键是示例要覆盖不同场景：正常情况、边界情况、特殊情况。而且示例的顺序也有影响，把最典型的放第一个。 Few-shot 示例的顺序影响：把最简单/最典型的放第一个，最复杂的放最后一个。AI 会更关注第一个示例（锚定效应）和最后一个示例（近因效应）。中间的示例容易被忽略。
Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。
说说我自己的经历：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
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。后续有新发现再来更新。
上周刚好踩了这个坑，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。希望对你有帮助。
JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
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。踩了很多坑才总结出来的。
我的实践经验和你的不太一样：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。欢迎大家补充。
有个更优的方案：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。
说个反直觉的发现：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。实践出真知，建议动手试试。
分享一下我的做法：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。希望少走弯路。