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。 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」。 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。 系统提示词的 token 预算要合理分配。我的经验：角色定义 50 token、技术约束 200 token、格式要求 100 token、示例 300 token。总共控制在 650 token 以内，留足空间给用户输入和 AI 输出。
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。
我的实践经验和你的不太一样：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。有疑问可以继续问。
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。
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。
长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
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。
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。
有个相关问题想请教：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。效果因项目而异，建议实际测试。
这个观点我很认同，长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。希望少走弯路。
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。期待更多实战经验分享。
我的项目里也用了这个方案，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。
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。希望少走弯路。
这个观点我很认同，Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。这只是个人经验，不一定通用。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。踩了很多坑才总结出来的。
我的结论恰恰相反：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。
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，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。
说个反直觉的发现：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。这只是个人经验，不一定通用。