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 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。 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。
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。
有个更优的方案：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。欢迎大家补充。
我的看法略有不同：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。欢迎私信深入交流。
我做了类似的对比实验：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
我的团队是这样做的：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。
这个观点我很认同，长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
我调研过这块，Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。如果有更好的方案求分享。
我的项目里也用了这个方案，系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
我之前也遇到过类似问题，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。
分享一下我的做法：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。共同进步。
有个更优的方案：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。效果因项目而异，建议实际测试。