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。 Few-shot 示例的顺序影响：把最简单/最典型的放第一个，最复杂的放最后一个。AI 会更关注第一个示例（锚定效应）和最后一个示例（近因效应）。中间的示例容易被忽略。 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 生成生产级代码的 Prompt 要点：明确技术栈版本、给出代码规范链接、要求错误处理、要求类型安全、要求添加注释。最重要的是给一个高质量的参考实现作为 few-shot 示例。 元提示词（用 Prompt 生成 Prompt）是个有趣的方向。我让 AI 分析我的需求和现有 Prompt，然后建议优化方案。虽然不能完全替代人工，但能提供意想不到的视角，特别是发现自己盲点的时候。
我的踩坑经验：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。细节可以再展开讨论。
Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。
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。
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。如有不对请指正。
我做了类似的对比实验：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。如果有更好的方案求分享。
反对一下，我的测试结果不是这样：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。有疑问可以继续问。
我的理解是：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。希望少走弯路。
负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
我之前也遇到过类似问题，系统提示词里加「不确定时回答不知道」能显著降低幻觉率。欢迎大家补充。
我的踩坑经验：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：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。
结合我最近的项目经验：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
这个方案我试过，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。
我调研过这块，Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。我的实践经验和你的不太一样：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。
这个观点我很认同，系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
实操中我发现：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。仅供参考，具体还是要看你的场景。
我的实践经验和你的不太一样：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。
补充一点：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。希望对你有帮助。
我的踩坑经验：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。欢迎大家补充。