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。 系统提示词模块化设计：把角色定义、技术栈、代码规范、错误处理策略拆成独立模块，按需组合。类似微服务架构的思路，每个模块职责单一，通过组合适配不同场景。 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。
我的项目里也用了这个方案，Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
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。
我的理解是：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。这只是个人经验，不一定通用。
有个相关问题想请教：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。踩了很多坑才总结出来的。
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。实践出真知，建议动手试试。
有个细节值得注意：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。细节可以再展开讨论。
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。细节可以再展开讨论。
分享一下我的做法：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。一起学习。
我的项目里也用了这个方案，长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
结合我最近的项目经验：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
有个细节值得注意：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。
从另一个角度看：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。后续有新发现再来更新。上周刚好踩了这个坑，Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。欢迎私信深入交流。
这个观点我很认同，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。共同进步。
补充一个可能被忽略的点：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。希望对你有帮助。
从另一个角度看：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。期待更多实战经验分享。
不同场景下结论可能不同：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
我之前也遇到过类似问题，负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。希望少走弯路。
Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。