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。
上下文窗口管理是个技术活。长对话中 AI 容易「遗忘」早期设定。我的做法是：把关键约束放在系统提示词里（永久），而不是对话中（会被截断）。每轮对话结束时，主动总结当前进度和待办事项，帮助 AI 保持上下文。
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。说个反直觉的发现：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。实践出真知，建议动手试试。
补充一个可能被忽略的点：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。一起学习。
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。共同进步。
讲个真实案例：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。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。共同进步。
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。实践出真知，建议动手试试。
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。期待更多实战经验分享。
补充一个可能被忽略的点：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。感谢楼主的启发。
反对一下，我的测试结果不是这样：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。
有个细节值得注意：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。效果因项目而异，建议实际测试。
不同场景下结论可能不同：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。
我的理解是：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。有疑问可以继续问。
这个方案我试过，Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。
有个相关问题想请教：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
讲个真实案例：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
我的结论恰恰相反：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。欢迎大家补充。
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。细节可以再展开讨论。
我之前也遇到过类似问题，Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。欢迎大家补充。Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
分享一下我的做法：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。如有不对请指正。