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。 Prompt 工程在 SEO 内容生成中的应用：让 AI 生成博客文章时，在 Prompt 里指定关键词密度、标题结构（H1/H2/H3）、内链建议、meta description。生成的内容既 SEO 友好又自然流畅。 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。 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」。
结合我最近的项目经验：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。
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。
说个反直觉的发现：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。感谢楼主的启发。
我之前也遇到过类似问题，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。欢迎大家补充。
补充一点：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。仅供参考，具体还是要看你的场景。
反对一下，我的测试结果不是这样：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。希望对你有帮助。
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。如果有更好的方案求分享。
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。
补充一点：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。细节可以再展开讨论。
不同场景下结论可能不同：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。实践出真知，建议动手试试。
Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。这个观点我很认同，JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。效果因项目而异，建议实际测试。
我的理解是：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。
补充一个可能被忽略的点：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。期待更多实战经验分享。
分享一下我的做法：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。效果因项目而异，建议实际测试。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。欢迎大家补充。
有个细节值得注意：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。
结合我最近的项目经验：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。感谢楼主的启发。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。