系统提示词的 token 预算要合理分配。我的经验：角色定义 50 token、技术约束 200 token、格式要求 100 token、示例 300 token。总共控制在 650 token 以内，留足空间给用户输入和 AI 输出。 AI 生成 Tailwind 组件的 Prompt 要点：指定响应式断点、颜色主题、无障碍要求、暗色模式支持。给一个 Shadcn UI 的组件作为参考示例，生成的代码质量和一致性会高很多。 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。 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。
系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
实操中我发现：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。期待更多实战经验分享。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。感谢楼主的启发。
我的实践经验和你的不太一样：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。后续有新发现再来更新。
结合我最近的项目经验：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。希望对你有帮助。
说个反直觉的发现：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
说个反直觉的发现：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。说说我自己的经历：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。
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。感谢楼主的启发。
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。仅供参考，具体还是要看你的场景。
说说我自己的经历：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。
分享一下我的做法：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，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。
Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
这个观点我很认同，Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。实践出真知，建议动手试试。
我调研过这块，Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。欢迎大家补充。上周刚好踩了这个坑，Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。
有个相关问题想请教：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。