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。 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。 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。 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。
这个思路很巧妙，Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。后续有新发现再来更新。
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。欢迎大家补充。
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。
这个方案我试过，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。仅供参考，具体还是要看你的场景。
补充一点：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。
这个问题我研究过一阵，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。我的团队是这样做的：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。欢迎交流讨论。
补充一点：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。
反对一下，我的测试结果不是这样：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。如果有更好的方案求分享。
我调研过这块，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。
我的实践经验和你的不太一样：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。感谢楼主的启发。
这个观点我很认同，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：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。欢迎交流讨论。
补充一个边界情况：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。
我的项目里也用了这个方案，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。希望少走弯路。
有个更优的方案：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。
不同场景下结论可能不同：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。欢迎交流讨论。
结合我最近的项目经验：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。希望对你有帮助。
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。感谢楼主的启发。
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。