Few-shot 示例的选择比数量重要。3 个高质量示例的效果远好于 10 个普通示例。关键是示例要覆盖不同场景：正常情况、边界情况、特殊情况。而且示例的顺序也有影响，把最典型的放第一个。 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。 AI 生成 Tailwind 组件的 Prompt 要点：指定响应式断点、颜色主题、无障碍要求、暗色模式支持。给一个 Shadcn UI 的组件作为参考示例，生成的代码质量和一致性会高很多。 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。
我的理解是：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。
我的看法略有不同：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。
从另一个角度看：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
从另一个角度看：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。如有不对请指正。
分享一下我的做法：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。希望少走弯路。
补充一点：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。
反对一下，我的测试结果不是这样：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。我也还在探索中。
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。如有不对请指正。
负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
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。
我的踩坑经验：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。
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。共同进步。
有个相关问题想请教：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
这个观点我很认同，JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。期待更多实战经验分享。
我的看法略有不同：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。感谢楼主的启发。
Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。
系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
我的看法略有不同：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。欢迎大家补充。
有个相关问题想请教：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。我的团队是这样做的：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。希望对你有帮助。