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。 角色设定不是随便写「你是专家」就够的。要具体：「你是 5 年经验的 Next.js 全栈开发者，熟悉 SEO 优化和出海产品，代码风格偏好简洁和类型安全」。越具体的角色设定，AI 的输出越符合预期。 Few-shot 示例的顺序影响：把最简单/最典型的放第一个，最复杂的放最后一个。AI 会更关注第一个示例（锚定效应）和最后一个示例（近因效应）。中间的示例容易被忽略。 元提示词（用 Prompt 生成 Prompt）是个有趣的方向。我让 AI 分析我的需求和现有 Prompt，然后建议优化方案。虽然不能完全替代人工，但能提供意想不到的视角，特别是发现自己盲点的时候。
我的实践经验和你的不太一样：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。我也还在探索中。
长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
有个相关问题想请教：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。欢迎交流讨论。
我的踩坑经验：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
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。
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。如有不对请指正。
系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
我的实践经验和你的不太一样：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。效果因项目而异，建议实际测试。
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。
我的理解是：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
我的项目里也用了这个方案，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。共同进步。
Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
这个思路很巧妙，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。
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。这只是个人经验，不一定通用。
说个反直觉的发现：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。希望对你有帮助。
说个反直觉的发现：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。欢迎私信深入交流。
这个方案我试过，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。如果有更好的方案求分享。
讲个真实案例：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。希望少走弯路。
补充一个边界情况：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。希望少走弯路。