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。 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。 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。 系统提示词设计的核心是「约束明确、格式清晰、角色具体」。我总结了一个模板：先定义角色（你是 Next.js 全栈专家），再列约束（必须用 App Router、禁止 class component），最后给格式要求（输出 markdown、代码块标注语言）。这样 AI 的输出可用率能稳定在 90% 以上。
不同场景下结论可能不同：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。如果有更好的方案求分享。
JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
有个细节值得注意：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
从另一个角度看：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。共同进步。
上周刚好踩了这个坑，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。
不同场景下结论可能不同：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。踩了很多坑才总结出来的。
补充一点：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。共同进步。
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。感谢楼主的启发。
补充一个可能被忽略的点：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。
这个观点我很认同，Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。感谢楼主的启发。
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。
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。这只是个人经验，不一定通用。
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。
我的看法略有不同：长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。
不同场景下结论可能不同：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。一起学习。
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。实践出真知，建议动手试试。
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。
说个反直觉的发现：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。感谢楼主的启发。上周刚好踩了这个坑，Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。如果有更好的方案求分享。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。欢迎大家补充。