用 Prompt 驱动 Prisma Schema 设计效果不错。告诉 AI 业务需求（如「用户有多个订阅，订阅有多个订单」），让它生成包含关系、索引、级联删除的完整 Schema。但要检查索引是否合理，AI 偶尔会漏掉查询频繁字段的索引。 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」。 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。 元提示词（用 Prompt 生成 Prompt）是个有趣的方向。我让 AI 分析我的需求和现有 Prompt，然后建议优化方案。虽然不能完全替代人工，但能提供意想不到的视角，特别是发现自己盲点的时候。
我的踩坑经验：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。这只是个人经验，不一定通用。
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。
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。有疑问可以继续问。
这个问题我研究过一阵，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。仅供参考，具体还是要看你的场景。
不同场景下结论可能不同：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。如果有更好的方案求分享。
这个问题我研究过一阵，长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
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。欢迎大家补充。
不同场景下结论可能不同：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。
我的看法略有不同：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。踩了很多坑才总结出来的。
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。实践出真知，建议动手试试。