系统提示词设计的核心是「约束明确、格式清晰、角色具体」。我总结了一个模板：先定义角色（你是 Next.js 全栈专家），再列约束（必须用 App Router、禁止 class component），最后给格式要求（输出 markdown、代码块标注语言）。这样 AI 的输出可用率能稳定在 90% 以上。 格式约束的选择：JSON 适合程序解析但要转义、Markdown 适合阅读但结构松散、XML 标签适合分段但冗余。我的经验是：给 AI 看的用 XML 标签分段，让 AI 输出的用 JSON 或 Markdown，根据下游消费方决定。 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。
从另一个角度看：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。如有不对请指正。
我的实践经验和你的不太一样：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。
我的项目里也用了这个方案，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。后续有新发现再来更新。
Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
有个相关问题想请教：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。一起学习。
我的结论恰恰相反：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
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。感谢楼主的启发。
讲个真实案例：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。欢迎交流讨论。
Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。
Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。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。踩了很多坑才总结出来的。
我调研过这块，Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。共同进步。
我的理解是：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。
我的团队是这样做的：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。共同进步。
我做了类似的对比实验：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。希望少走弯路。
结合我最近的项目经验：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，JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。如有不对请指正。