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」。 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。 降 AI 率的关键不是事后改写，而是从 Prompt 层面就让 AI 模仿人类写作风格。我会在 Prompt 里加「使用口语化表达、偶尔出现不完美的语法、加入个人主观判断、避免过度结构化的排比句式」，生成的内容 AI 检测率能从 95% 降到 30% 以下。 Prompt A/B 测试的方法：准备 20-30 个测试输入，用两个 Prompt 版本分别生成，人工评分或用自动化指标（如代码通过率）。统计显著性需要至少 30 个样本，否则可能是噪音。
反对一下，我的测试结果不是这样：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。
补充一个可能被忽略的点：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。
我的结论恰恰相反：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。一起学习。
我的项目里也用了这个方案，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
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。欢迎大家补充。
这个问题我研究过一阵，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。
有个相关问题想请教：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。
这个问题我研究过一阵，系统提示词里加「不确定时回答不知道」能显著降低幻觉率。效果因项目而异，建议实际测试。
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。希望对你有帮助。
补充一个边界情况：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。一起学习。
Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
我的结论恰恰相反：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。
说个反直觉的发现：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。效果因项目而异，建议实际测试。
我的理解是：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。欢迎交流讨论。
我的结论恰恰相反：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。感谢楼主的启发。
说说我自己的经历：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。
我做了类似的对比实验：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
这个思路很巧妙，长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。如有不对请指正。
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。