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。 Few-shot 示例的选择比数量重要。3 个高质量示例的效果远好于 10 个普通示例。关键是示例要覆盖不同场景：正常情况、边界情况、特殊情况。而且示例的顺序也有影响，把最典型的放第一个。 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。 Few-shot 示例的顺序影响：把最简单/最典型的放第一个，最复杂的放最后一个。AI 会更关注第一个示例（锚定效应）和最后一个示例（近因效应）。中间的示例容易被忽略。
补充一个边界情况：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。希望对你有帮助。
Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。
我的项目里也用了这个方案，Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。欢迎交流讨论。
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。如有不对请指正。
上周刚好踩了这个坑，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。希望对你有帮助。
结合我最近的项目经验：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。
这个观点我很认同，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。期待更多实战经验分享。
不同场景下结论可能不同：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。如有不对请指正。
这个方案我试过，系统提示词里加「不确定时回答不知道」能显著降低幻觉率。实践出真知，建议动手试试。
Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。
我之前也遇到过类似问题，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。
有个更优的方案：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。有疑问可以继续问。
我的看法略有不同：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。后续有新发现再来更新。
我的踩坑经验：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。期待更多实战经验分享。
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。欢迎大家补充。
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。
补充一个边界情况：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。欢迎私信深入交流。
我调研过这块，Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。希望对你有帮助。
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。有疑问可以继续问。
这个问题我研究过一阵，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。