Temperature 参数的经验值：代码生成用 0.1-0.3（要确定性），创意写作用 0.7-0.9（要多样性），SEO 内容用 0.4-0.6（平衡准确和自然）。Top-p 一般固定 0.9，主要通过 Temperature 调节。 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。 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。 Prompt Chain 是处理复杂任务的利器。比如生成一个完整的 Next.js 页面：第一步 Prompt 生成页面结构，第二步生成 Server Action，第三步生成组件代码，第四步生成测试。每步的输出作为下步的输入，比一个超大 Prompt 效果好得多。
补充一个边界情况：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。踩了很多坑才总结出来的。
补充一个可能被忽略的点：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。希望少走弯路。
反对一下，我的测试结果不是这样：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。希望对你有帮助。
我的项目里也用了这个方案，Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。后续有新发现再来更新。
负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
我的理解是：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。欢迎大家补充。
这个思路很巧妙，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。有疑问可以继续问。
我的理解是：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。感谢楼主的启发。
反对一下，我的测试结果不是这样：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。这只是个人经验，不一定通用。
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。细节可以再展开讨论。
Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。有个细节值得注意：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。欢迎私信深入交流。我的实践经验和你的不太一样：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。欢迎交流讨论。
分享一下我的做法：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。
Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。实操中我发现：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。欢迎私信深入交流。
说个反直觉的发现：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。欢迎大家补充。
反对一下，我的测试结果不是这样：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。踩了很多坑才总结出来的。
我的理解是：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。这只是个人经验，不一定通用。