上下文窗口管理是个技术活。长对话中 AI 容易「遗忘」早期设定。我的做法是：把关键约束放在系统提示词里（永久），而不是对话中（会被截断）。每轮对话结束时，主动总结当前进度和待办事项，帮助 AI 保持上下文。 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。 Prompt 模板版本管理很重要。我用 Git 管理 Prompt 文件，每次优化都 commit，写清楚改了什么、为什么改、效果如何。这样团队可以追溯 Prompt 的演进历史，也能回滚到效果更好的版本。
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。如有不对请指正。
这个观点我很认同，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。实践出真知，建议动手试试。
这个观点我很认同，JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
结合我最近的项目经验：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。
我的看法略有不同：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。欢迎私信深入交流。
补充一点：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
这个问题我研究过一阵，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。仅供参考，具体还是要看你的场景。