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。 降 AI 率的关键不是事后改写，而是从 Prompt 层面就让 AI 模仿人类写作风格。我会在 Prompt 里加「使用口语化表达、偶尔出现不完美的语法、加入个人主观判断、避免过度结构化的排比句式」，生成的内容 AI 检测率能从 95% 降到 30% 以下。 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。
反对一下，我的测试结果不是这样：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。共同进步。
上周刚好踩了这个坑，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。效果因项目而异，建议实际测试。
我做了类似的对比实验：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。
反对一下，我的测试结果不是这样：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。实操中我发现：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。一起学习。
Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
我做了类似的对比实验：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
讲个真实案例：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。欢迎私信深入交流。
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。
说个反直觉的发现：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。
实操中我发现：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。这只是个人经验，不一定通用。
Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
不同场景下结论可能不同：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。
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。
我的看法略有不同：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。欢迎交流讨论。
补充一个边界情况：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。
说个反直觉的发现：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。欢迎私信深入交流。
这个方案我试过，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。实践出真知，建议动手试试。
补充一点：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。欢迎私信深入交流。