负面指令在 Prompt 中非常重要。告诉 AI「不要用 var」「不要用 any 类型」「不要用 Pages Router」比只说「用 const」「用具体类型」「用 App Router」效果更好。AI 更容易遵守「禁止 X」而非「应该 Y」。 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%。 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。 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。
上周刚好踩了这个坑，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。如果有更好的方案求分享。
补充一点：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
我的踩坑经验：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。一起学习。我的实践经验和你的不太一样：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。欢迎交流讨论。
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。欢迎私信深入交流。
我调研过这块，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。有疑问可以继续问。
Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
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。
我的团队是这样做的：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。这只是个人经验，不一定通用。
说说我自己的经历：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。感谢楼主的启发。
Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。有个更优的方案：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
上周刚好踩了这个坑，Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。仅供参考，具体还是要看你的场景。
从另一个角度看：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。如有不对请指正。
有个更优的方案：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。欢迎私信深入交流。
我之前也遇到过类似问题，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。有疑问可以继续问。