Prompt 模板变量设计能让提示词可复用。我用 `{{role}}`、`{{tech_stack}}`、`{{constraints}}` 这种占位符，运行时填充。这样一套模板可以适配不同项目，类似组件化的思路应用到 Prompt 工程。
系统提示词的 token 预算要合理分配。我的经验：角色定义 50 token、技术约束 200 token、格式要求 100 token、示例 300 token。总共控制在 650 token 以内，留足空间给用户输入和 AI 输出。
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。
长上下文 Prompt 的信息密度要控制。AI 对上下文的理解不是均匀的，开头和结尾的内容权重更高（首因效应和近因效应）。关键信息放开头，最新指令放结尾，中间放背景资料。补充一点：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。后续有新发现再来更新。
我调研过这块，Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。细节可以再展开讨论。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。细节可以再展开讨论。
我的团队是这样做的：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。希望对你有帮助。
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。
补充一个边界情况：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。一起学习。
补充一点：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。仅供参考，具体还是要看你的场景。
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。有疑问可以继续问。
这个方案我试过，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。希望少走弯路。
有个细节值得注意：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。期待更多实战经验分享。
我的项目里也用了这个方案，Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。实践出真知，建议动手试试。
我调研过这块，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。期待更多实战经验分享。
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。踩了很多坑才总结出来的。
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。我也还在探索中。
有个更优的方案：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。后续有新发现再来更新。