Prompt 迭代优化的思路和代码优化一样：先让它跑通，再量化和优化。我每次改 Prompt 都会记录：改动点、测试输入、输出质量评分。积累 20-30 组数据后，就能发现哪些改动有效，哪些是噪音。 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。 Prompt 模板版本管理很重要。我用 Git 管理 Prompt 文件，每次优化都 commit，写清楚改了什么、为什么改、效果如何。这样团队可以追溯 Prompt 的演进历史，也能回滚到效果更好的版本。 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。
补充一点：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。踩了很多坑才总结出来的。
这个观点我很认同，系统提示词里加「不确定时回答不知道」能显著降低幻觉率。希望对你有帮助。
补充一个边界情况：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。如果有更好的方案求分享。
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。这只是个人经验，不一定通用。
长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
补充一个可能被忽略的点：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。希望少走弯路。
补充一点：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。踩了很多坑才总结出来的。
说个反直觉的发现：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。
讲个真实案例：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。仅供参考，具体还是要看你的场景。
我的结论恰恰相反：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。欢迎大家补充。
反对一下，我的测试结果不是这样：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。
Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
补充一点：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。欢迎交流讨论。
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。后续有新发现再来更新。
负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
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。
讲个真实案例：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。感谢楼主的启发。
补充一点：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。
负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
这个问题我研究过一阵，JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。欢迎交流讨论。