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。 降 AI 率的关键不是事后改写，而是从 Prompt 层面就让 AI 模仿人类写作风格。我会在 Prompt 里加「使用口语化表达、偶尔出现不完美的语法、加入个人主观判断、避免过度结构化的排比句式」，生成的内容 AI 检测率能从 95% 降到 30% 以下。 Prompt Chain 是处理复杂任务的利器。比如生成一个完整的 Next.js 页面：第一步 Prompt 生成页面结构，第二步生成 Server Action，第三步生成组件代码，第四步生成测试。每步的输出作为下步的输入，比一个超大 Prompt 效果好得多。
我的项目里也用了这个方案，JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。细节可以再展开讨论。
我的看法略有不同：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。如有不对请指正。
不同场景下结论可能不同：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。细节可以再展开讨论。
Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
不同场景下结论可能不同：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。效果因项目而异，建议实际测试。这个方案我试过，Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。实践出真知，建议动手试试。
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，系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
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。
Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。有个细节值得注意：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。后续有新发现再来更新。
这个问题我研究过一阵，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。如有不对请指正。
Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。
说个反直觉的发现：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。欢迎大家补充。
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。
有个更优的方案：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。共同进步。
我的理解是：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。
Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。
这个问题我研究过一阵，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。欢迎大家补充。
说个反直觉的发现：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。