Prompt 中的歧义消除是关键。比如「加一个搜索功能」可以理解为前端搜索、后端搜索、全文搜索。好的 Prompt 会明确：「在 /forum 页面加服务端搜索，支持标题和内容匹配，用 Prisma 的 contains 查询，结果分页 20 条/页」。 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。 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。
我的结论恰恰相反：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。
有个更优的方案：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。踩了很多坑才总结出来的。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。共同进步。
这个观点我很认同，Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。踩了很多坑才总结出来的。我的理解是：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。
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。
不同场景下结论可能不同：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：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。这只是个人经验，不一定通用。
结合我最近的项目经验：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。有疑问可以继续问。
我的团队是这样做的：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。
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。欢迎私信深入交流。
结合我最近的项目经验：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。一起学习。
系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
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。