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」。 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。 AI 生成生产级代码的 Prompt 要点：明确技术栈版本、给出代码规范链接、要求错误处理、要求类型安全、要求添加注释。最重要的是给一个高质量的参考实现作为 few-shot 示例。 Prompt A/B 测试的方法：准备 20-30 个测试输入，用两个 Prompt 版本分别生成，人工评分或用自动化指标（如代码通过率）。统计显著性需要至少 30 个样本，否则可能是噪音。
讲个真实案例：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。欢迎交流讨论。
JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
说个反直觉的发现：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。这只是个人经验，不一定通用。Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。从另一个角度看：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。如果有更好的方案求分享。
分享一下我的做法：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。
JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
从另一个角度看：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。共同进步。
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。希望对你有帮助。
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。踩了很多坑才总结出来的。
这个思路很巧妙，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。我也还在探索中。
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。
我的实践经验和你的不太一样：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。仅供参考，具体还是要看你的场景。
结合我最近的项目经验：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。有疑问可以继续问。