Chain-of-Thought 在复杂逻辑生成中效果显著。与其让 AI 直接写代码，不如先让它「分析需求→列出实现步骤→识别潜在问题→然后写代码」。多花 30 秒思考，代码的正确率能提升 40%。 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。 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。 负面指令在 Prompt 中非常重要。告诉 AI「不要用 var」「不要用 any 类型」「不要用 Pages Router」比只说「用 const」「用具体类型」「用 App Router」效果更好。AI 更容易遵守「禁止 X」而非「应该 Y」。
我的结论恰恰相反：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。效果因项目而异，建议实际测试。
Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
从另一个角度看：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。我也还在探索中。
Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。
系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
有个更优的方案：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。细节可以再展开讨论。
我的结论恰恰相反：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。我也还在探索中。
我的踩坑经验：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。反对一下，我的测试结果不是这样：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。
补充一点：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。欢迎交流讨论。
有个更优的方案：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。期待更多实战经验分享。
结合我最近的项目经验：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。
我的看法略有不同：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。后续有新发现再来更新。
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。有疑问可以继续问。
这个问题我研究过一阵，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。
实操中我发现：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。欢迎交流讨论。
补充一点：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
有个细节值得注意：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
我的实践经验和你的不太一样：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。如有不对请指正。