用 Prompt 驱动 Prisma Schema 设计效果不错。告诉 AI 业务需求（如「用户有多个订阅，订阅有多个订单」），让它生成包含关系、索引、级联删除的完整 Schema。但要检查索引是否合理，AI 偶尔会漏掉查询频繁字段的索引。 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。 降 AI 率的关键不是事后改写，而是从 Prompt 层面就让 AI 模仿人类写作风格。我会在 Prompt 里加「使用口语化表达、偶尔出现不完美的语法、加入个人主观判断、避免过度结构化的排比句式」，生成的内容 AI 检测率能从 95% 降到 30% 以下。 Prompt Chain 是处理复杂任务的利器。比如生成一个完整的 Next.js 页面：第一步 Prompt 生成页面结构，第二步生成 Server Action，第三步生成组件代码，第四步生成测试。每步的输出作为下步的输入，比一个超大 Prompt 效果好得多。
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。仅供参考，具体还是要看你的场景。
补充一个可能被忽略的点：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。有疑问可以继续问。
补充一个可能被忽略的点：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。有疑问可以继续问。
我的项目里也用了这个方案，JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
分享一下我的做法：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。
分享一下我的做法：负面指令（「不要用 var」）比正面指令（「用 const」）效果更好。期待更多实战经验分享。
实操中我发现：系统提示词里加「不确定时回答不知道」能显著降低幻觉率。欢迎交流讨论。
JSON 输出加「只输出 JSON，不要 markdown 代码块」这个约束很关键。
我调研过这块，Temperature 0.2 适合代码生成，0.7 适合创意写作，SEO 内容用 0.5。感谢楼主的启发。