Few-shot 示例的选择比数量重要。3 个高质量示例的效果远好于 10 个普通示例。关键是示例要覆盖不同场景：正常情况、边界情况、特殊情况。而且示例的顺序也有影响，把最典型的放第一个。 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。 角色设定不是随便写「你是专家」就够的。要具体：「你是 5 年经验的 Next.js 全栈开发者，熟悉 SEO 优化和出海产品，代码风格偏好简洁和类型安全」。越具体的角色设定，AI 的输出越符合预期。
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。
这个思路很巧妙，Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。如有不对请指正。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。仅供参考，具体还是要看你的场景。
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。
补充一个可能被忽略的点：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。欢迎大家补充。
有个细节值得注意：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。
不同场景下结论可能不同：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。欢迎私信深入交流。
实操中我发现：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。有疑问可以继续问。