Temperature 参数的经验值：代码生成用 0.1-0.3（要确定性），创意写作用 0.7-0.9（要多样性），SEO 内容用 0.4-0.6（平衡准确和自然）。Top-p 一般固定 0.9，主要通过 Temperature 调节。 RAG + Prompt 工程是让 AI 基于私有文档回答的标准方案。关键在于检索质量：chunk 大小设 500-1000 字符，重叠 100 字符，用语义检索而非关键词匹配。Prompt 里告诉 AI「只基于提供的上下文回答，不确定时说不知道」，能大幅减少幻觉。 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。
上周刚好踩了这个坑，长上下文对话中，每 5 轮总结一次进度能防止 AI 跑偏。欢迎交流讨论。
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。
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。
有个细节值得注意：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。欢迎大家补充。
Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。说个反直觉的发现：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。一起学习。
讲个真实案例：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。
Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。
我调研过这块，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。
我的项目里也用了这个方案，Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。我的团队是这样做的：Prompt Chain 比单个大 Prompt 效果好，但要多花 2-3 倍 token。我也还在探索中。
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。希望少走弯路。
我的理解是：JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
结合我最近的项目经验：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。
从另一个角度看：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。后续有新发现再来更新。
我调研过这块，Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。欢迎私信深入交流。
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。一起学习。
我的结论恰恰相反：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。