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。 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。 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。
补充一个边界情况：Prompt 模板用变量占位符 `{{role}}` 管理，比硬编码灵活得多。实践出真知，建议动手试试。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。共同进步。
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。
补充一点：Prompt 注入防御用 `<system>` 和 `<user>` 标签分层，系统指令放 system 层。
补充一个边界情况：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。
反对一下，我的测试结果不是这样：Few-shot 示例我一般给 3 个，多了反而过拟合，少了不够稳定。感谢楼主的启发。
讲个真实案例：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
系统提示词里加「不确定时回答不知道」能显著降低幻觉率。
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。细节可以再展开讨论。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。
我的项目里也用了这个方案，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。如有不对请指正。
这个问题我研究过一阵，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。
有个相关问题想请教：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。有疑问可以继续问。
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。
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。
我的实践经验和你的不太一样：Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。后续有新发现再来更新。
这个问题我研究过一阵，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。
分享一下我的做法：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。
说说我自己的经历：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。这只是个人经验，不一定通用。
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。期待更多实战经验分享。