上下文窗口管理是个技术活。长对话中 AI 容易「遗忘」早期设定。我的做法是：把关键约束放在系统提示词里（永久），而不是对话中（会被截断）。每轮对话结束时，主动总结当前进度和待办事项，帮助 AI 保持上下文。 Temperature 参数的经验值：代码生成用 0.1-0.3（要确定性），创意写作用 0.7-0.9（要多样性），SEO 内容用 0.4-0.6（平衡准确和自然）。Top-p 一般固定 0.9，主要通过 Temperature 调节。 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 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」。
实操中我发现：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。感谢楼主的启发。
实操中我发现：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。仅供参考，具体还是要看你的场景。
实操中我发现：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。希望少走弯路。
实操中我发现：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。如有不对请指正。
我的看法略有不同：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。如果有更好的方案求分享。
我的看法略有不同：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。仅供参考，具体还是要看你的场景。
这个问题我研究过一阵，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。如有不对请指正。
我的踩坑经验：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。如果有更好的方案求分享。
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。效果因项目而异，建议实际测试。