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。 RAG + Prompt 工程是让 AI 基于私有文档回答的标准方案。关键在于检索质量：chunk 大小设 500-1000 字符，重叠 100 字符，用语义检索而非关键词匹配。Prompt 里告诉 AI「只基于提供的上下文回答，不确定时说不知道」，能大幅减少幻觉。 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。
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。
有个更优的方案：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。有疑问可以继续问。
Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
上周刚好踩了这个坑，长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。希望少走弯路。
Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。
上周刚好踩了这个坑，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。感谢楼主的启发。
讲个真实案例：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。感谢楼主的启发。
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。
我的看法略有不同：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。效果因项目而异，建议实际测试。
从另一个角度看：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。如果有更好的方案求分享。我的项目里也用了这个方案，Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。我也还在探索中。
讲个真实案例：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。踩了很多坑才总结出来的。
补充一个边界情况：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。
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。欢迎大家补充。
从另一个角度看：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。踩了很多坑才总结出来的。
我做了类似的对比实验：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。后续有新发现再来更新。
我之前也遇到过类似问题，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。
有个更优的方案：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。细节可以再展开讨论。
从另一个角度看：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。