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。 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。 格式约束的选择：JSON 适合程序解析但要转义、Markdown 适合阅读但结构松散、XML 标签适合分段但冗余。我的经验是：给 AI 看的用 XML 标签分段，让 AI 输出的用 JSON 或 Markdown，根据下游消费方决定。 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。
我的看法略有不同：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。这只是个人经验，不一定通用。
有个更优的方案：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。希望对你有帮助。
有个更优的方案：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。
我做了类似的对比实验：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。
这个思路很巧妙，JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。实践出真知，建议动手试试。
我的看法略有不同：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。欢迎交流讨论。我的看法略有不同：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。欢迎私信深入交流。
Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。不同场景下结论可能不同：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。这只是个人经验，不一定通用。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。
我的实践经验和你的不太一样：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。
有个更优的方案：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。共同进步。
补充一个边界情况：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。我也还在探索中。
我的结论恰恰相反：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。如有不对请指正。
长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
这个问题我研究过一阵，系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
有个细节值得注意：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。后续有新发现再来更新。
从另一个角度看：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。
我的项目里也用了这个方案，Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。仅供参考，具体还是要看你的场景。
有个相关问题想请教：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。如果有更好的方案求分享。