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。 Chain-of-Thought 在复杂逻辑生成中效果显著。与其让 AI 直接写代码，不如先让它「分析需求→列出实现步骤→识别潜在问题→然后写代码」。多花 30 秒思考，代码的正确率能提升 40%。 AI 生成 Tailwind 组件的 Prompt 要点：指定响应式断点、颜色主题、无障碍要求、暗色模式支持。给一个 Shadcn UI 的组件作为参考示例，生成的代码质量和一致性会高很多。
我的看法略有不同：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。如有不对请指正。
有个更优的方案：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。效果因项目而异，建议实际测试。JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
有个相关问题想请教：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
结合我最近的项目经验：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。欢迎私信深入交流。
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。实践出真知，建议动手试试。
这个方案我试过，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。
说说我自己的经历：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。
这个观点我很认同，Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。我也还在探索中。
从另一个角度看：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。
说个反直觉的发现：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。希望对你有帮助。
有个更优的方案：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。讲个真实案例：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。欢迎交流讨论。这个思路很巧妙，Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。
我的结论恰恰相反：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。共同进步。
我的团队是这样做的：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。感谢楼主的启发。