负面指令在 Prompt 中非常重要。告诉 AI「不要用 var」「不要用 any 类型」「不要用 Pages Router」比只说「用 const」「用具体类型」「用 App Router」效果更好。AI 更容易遵守「禁止 X」而非「应该 Y」。 Chain-of-Thought 在复杂逻辑生成中效果显著。与其让 AI 直接写代码，不如先让它「分析需求→列出实现步骤→识别潜在问题→然后写代码」。多花 30 秒思考，代码的正确率能提升 40%。 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。 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。
反对一下，我的测试结果不是这样：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。效果因项目而异，建议实际测试。
JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
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。期待更多实战经验分享。
说说我自己的经历：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
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。
分享一下我的做法：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。踩了很多坑才总结出来的。
补充一点：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。欢迎交流讨论。
从另一个角度看：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。欢迎交流讨论。
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。欢迎大家补充。
我的踩坑经验：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。希望对你有帮助。
我之前也遇到过类似问题，长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。细节可以再展开讨论。
说个反直觉的发现：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。有疑问可以继续问。
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。欢迎交流讨论。
结合我最近的项目经验：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。
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。
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。实践出真知，建议动手试试。
Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。
实操中我发现：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。踩了很多坑才总结出来的。
补充一个边界情况：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。这只是个人经验，不一定通用。