提示工程for程序员: 写出让AI理解的完美Prompt

提示工程for程序员：写出让AI理解的完美Prompt

前言

在使用AI编程助手（如Cursor、Claude Code、GitHub Copilot）时，很多程序员遇到的问题是：不知道如何准确地向AI描述需求。他们往往会写出模糊、不完整或者误导性的提示（Prompt），导致AI生成的代码不符合预期，甚至引入新的Bug。

提示工程（Prompt Engineering）不仅仅是"会提问"，更是一门精确地表达编程意图的艺术。在这篇文章中，我将分享程序员专属的提示工程技巧，帮助你写出让AI"秒懂"的完美Prompt。

什么是好的Prompt？

在深入技巧之前，让我们先明确什么是"好的Prompt"：

好的Prompt的特征

1. 明确性（Specific）：清楚地说明你想要什么
2. 完整性（Complete）：提供所有必要的上下文信息
3. 结构性（Structured）：使用清晰的结构组织信息
4. 可验证（Verifiable）：生成的结果可以轻松验证正确性

不好的Prompt vs 好的Prompt

技巧一：使用结构化模板

为什么需要模板？

很多程序员在写Prompt时容易遗漏关键信息。使用模板可以确保你每次都提供完整的信息。

通用编程任务模板

# 任务类型：[功能开发/ Bug修复/ 代码重构/ 性能优化/ 其他] ## 任务描述 [清晰、简洁地描述你要做什么] ## 技术栈 - 编程语言：[如 JavaScript/ Python/ Java] - 框架/库：[如 React/ Express/ Django] - 版本要求：[如 Node.js 18+] ## 功能需求 1. [需求1] 2. [需求2] 3. [需求3] ## 非功能性需求 - 性能要求：[如响应时间 < 200ms] - 安全要求：[如防止SQL注入] - 可维护性：[如代码注释覆盖率 > 80%] ## 输入/输出规范 - 输入：[描述输入参数和格式] - 输出：[描述输出结果和格式] - 错误处理：[描述各种错误情况的处理方式] ## 约束条件 - [约束1：如必须使用纯SQL，不能用ORM] - [约束2：如需要兼容IE11] ## 参考示例 [如果有类似的功能或代码示例，粘贴在这里] ## 验收标准 1. [标准1：如所有测试用例通过] 2. [标准2：如代码符合ESLint规范] 3. [标准3：如性能达到预期]

实战示例：使用模板

任务：实现一个用户认证中间件

使用模板的Prompt：

# 任务类型：功能开发 ## 任务描述 实现一个Express.js的JWT认证中间件，用于保护API端点 ## 技术栈 - 编程语言：JavaScript (Node.js 18+) - 框架：Express.js 4.x - 依赖：jsonwebtoken, dotenv ## 功能需求 1. 从Authorization header中提取JWT token 2. 验证token的有效性（签名、过期时间） 3. 将解码后的用户信息附加到req.user 4. 如果token无效或过期，返回401 Unauthorized 5. 支持可选的认证（某些端点可以不需要认证） ## 非功能性需求 - 性能要求：中间件执行时间 < 10ms - 安全要求：使用HS256算法，secret存储在环境变量 - 可维护性：添加详细的JSDoc注释 ## 输入/输出规范 - 输入：HTTP请求，包含Authorization: Bearer <token> header - 输出：如果认证成功，req.user包含{ id, email, role }；如果失败，返回401 JSON响应 - 错误处理：token过期返回401 with error: "Token expired"；token无效返回401 with error: "Invalid token" ## 约束条件 - 不能使用第三方认证中间件（如passport） - 需要支持黑名单机制（某些token被主动注销） ## 参考示例 // 使用方式 app.get('/api/profile', authMiddleware, (req, res) => { res.json(req.user); }); ## 验收标准 1. 所有测试用例通过（包括正常和异常场景） 2. 代码符合ESLint Airbnb规范 3. 中间件不影响其他中间件执行 4. 100% 测试覆盖率

Claude生成的结果（节选）：

// middleware/auth.jsconstjwt=require('jsonwebtoken');const{promisify}=require('util');/** * JWT认证中间件 * @param {Object} options - 配置选项 * @param {boolean} options.optional - 是否为可选认证（默认false） * @returns {Function} Express中间件 */constauthMiddleware=(options={})=>{returnasync(req,res,next)=>{try{// 1. 提取tokenconstauthHeader=req.headers.authorization;if(!authHeader||!authHeader.startsWith('Bearer ')){if(options.optional){returnnext();}returnres.status(401).json({error:'No token provided'});}consttoken=authHeader.split(' ')[1];// 2. 验证tokenconstdecoded=awaitpromisify(jwt.verify)(token,process.env.JWT_SECRET);// 3. 检查黑名单（可选）if(awaitisTokenBlacklisted(token)){returnres.status(401).json({error:'Token revoked'});}// 4. 附加用户信息到reqreq.user=decoded;next();}catch(error){if(error.name==='TokenExpiredError'){returnres.status(401).json({error:'Token expired'});}if(error.name==='JsonWebTokenError'){returnres.status(401).json({error:'Invalid token'});}returnres.status(500).json({error:'Authentication failed'});}};};module.exports=authMiddleware;

技巧二：提供完整的上下文

问题：上下文不足导致误解

不好的Prompt：

优化这个函数： function getData() { // ... 一些代码 }

为什么不好？

• AI不知道这个函数的用途
• AI不知道输入是什么格式
• AI不知道性能瓶颈在哪里

解决方案：提供完整的上下文

好的Prompt：

我有一个函数用于从MongoDB获取用户数据，但性能很慢（处理1000条记录需要5秒）。 请帮我优化。 ## 上下文信息 ### 函数代码 \`\`\`javascript async function getUsers() { const users = []; const cursor = db.collection('users').find(); while (await cursor.hasNext()) { const user = await cursor.next(); users.push(user); } return users; } \`\`\` ### 数据规模 - 用户表有10万条记录 - 每个用户文档大小约5KB - 经常需要获取所有用户（用于导出功能） ### 性能要求 - 目标：处理时间 < 1秒 - 内存限制：< 100MB ### 环境问题 - MongoDB 4.4 - Node.js 18 - 运行在4核8GB服务器上 ## 请提供 1. 优化后的代码 2. 性能对比分析 3. 可能的权衡（如内存 vs 速度）

技巧三：使用分步引导

为什么需要分步引导？

对于复杂的任务，一次性描述所有需求可能会让AI"迷失方向"。分步引导可以让AI逐步理解你的意图。

实战示例：分步开发一个完整的API

第一步：明确整体架构

我要开发一个博客系统的API，使用Node.js + Express + MongoDB。 请先帮我设计整体的项目结构和API端点规划，不需要写具体实现代码。 功能需求： - 用户注册/登录 - 文章的CRUD - 评论功能 - 标签分类 - 搜索功能

Claude的回复：

## 项目结构 \`\`\` blog-api/ ├── src/ │ ├── config/ │ │ └── database.js │ ├── models/ │ │ ├── User.js │ │ ├── Post.js │ │ ├── Comment.js │ │ └── Tag.js │ ├── routes/ │ │ ├── auth.js │ │ ├── posts.js │ │ ├── comments.js │ │ └── tags.js │ ├── middleware/ │ │ ├── auth.js │ │ ├── validator.js │ │ └── errorHandler.js │ ├── controllers/ │ │ ├── authController.js │ │ ├── postController.js │ │ └── commentController.js │ └── utils/ │ ├── jwt.js │ └── validator.js ├── tests/ ├── .env ├── package.json └── server.js \`\`\` ## API端点规划 ### 认证相关 - POST /api/auth/register - 用户注册 - POST /api/auth/login - 用户登录 - POST /api/auth/logout - 用户登出 ### 文章相关 - GET /api/posts - 获取文章列表（支持分页、筛选、排序） - GET /api/posts/:id - 获取单篇文章 - POST /api/posts - 创建文章（需要认证） - PUT /api/posts/:id - 更新文章（需要认证） - DELETE /api/posts/:id - 删除文章（需要认证） ### 评论相关 - GET /api/posts/:postId/comments - 获取文章评论 - POST /api/posts/:postId/comments - 添加评论（需要认证） - DELETE /api/comments/:id - 删除评论（需要认证） ### 标签相关 - GET /api/tags - 获取所有标签 - POST /api/tags - 创建标签（需要认证） \`\`\` **第二步：逐步开发**

好的，按照这个结构设计。现在请帮我实现用户注册功能（auth.js路由和authController.js），要求：

1. 密码使用bcrypt加密
2. 邮箱验证（发送验证邮件）
3. 输入验证（使用express-validator）
4. 错误处理

**第三步：迭代优化**

代码看起来不错。现在请添加以下功能：

1. 速率限制（防止恶意注册）
2. 支持OAuth2.0登录（Google、GitHub）
3. 添加单元测试

## 技巧四：使用负面示例 ### 为什么需要负面示例？ 告诉AI"不要做什么"和告诉AI"要做什么"一样重要。负面示例可以帮助AI避免常见的错误。 ### 实战示例 **Prompt：**

请实现一个函数，用于解析用户输入的日期字符串。

正面示例（应该支持的格式）

• “2026-06-12”
• “2026/06/12”
• “12-06-2026”
• “June 12, 2026”
• “2026年6月12日”

负面示例（不应该支持或需要报错）

• “2026-13-45” （无效日期）
• “abc” （无法解析）
• “2026-06-12” （XSS攻击）
• null/undefined （需要处理边界情况）

要求

1. 使用Day.js库（不要使用moment.js）
2. 对于无法解析的输入，抛出明确的错误
3. 防止XSS攻击（清理输入）
4. 支持时区转换

## 技巧五：请求多种解决方案 ### 为什么需要多种方案？ 不同的场景可能需要不同的解决方案。让AI提供多个选项，你可以根据实际需求选择。 ### 实战示例 **Prompt：**

我需要在Node.js中实现文件上传功能，请提供3种不同的实现方案，并对比它们的优缺点：

需求

• 支持多文件上传
• 限制文件类型（只允图片）
• 限制文件大小（最大5MB）
• 需要生成缩略图

方案要求

1. 方案1：使用multer中间件
2. 方案2：使用AWS S3存储
3. 方案3：使用云存储（如Cloudinary）

对比维度

• 实现复杂度
• 性能
• 成本
• 可扩展性
• 适用场景

**Claude的回复（节选）：** ```markdown ## 方案对比 | 维度 | 方案1：Multer + 本地存储 | 方案2：AWS S3 | 方案3：Cloudinary | |------|------------------------|--------------|------------------| | 实现复杂度 | 低 | 中 | 低 | | 性能 | 中（受服务器带宽限制） | 高 | 高 | | 成本 | 低（只服务器成本） | 中（按使用量付费） | 中（免费额度有限） | | 可扩展性 | 低（受服务器存储限制） | 高 | 高 | | 适用场景 | 小型项目、原型开发 | 大型项目、高并发 | 需要图片处理功能 | ## 推荐 - 如果是个人项目或原型：使用方案1 - 如果需要完全控制：使用方案2 - 如果需要强大的图片处理功能：使用方案3

技巧六：迭代优化Prompt

Prompt工程是一个迭代过程

很少有一次就能写出完美Prompt的情况。你需要根据AI的回复不断调整和优化你的Prompt。

迭代流程

初始Prompt ↓ AI生成结果 ↓ 评估结果 ↓ 识别问题（如：缺少上下文、需求不明确、格式不符合要求） ↓ 优化Prompt（添加更多信息、调整结构、明确格式要求） ↓ 重新生成 ↓ 满意为止

实战示例：迭代优化

初始Prompt：

写一个爬虫

AI回复：生成了一个简单的Python爬虫，但没有处理异常，没有遵守robots.txt，没有限速…

问题识别：

• 需求太宽泛
• 没有指定网站
• 没有提到法律和道德约束

优化后的Prompt：

实现一个Python爬虫，用于抓取技术博客文章（如Medium、Dev.to）。 ## 具体要求 1. 遵守robots.txt规则 2. 添加请求限速（避免对目标网站造成压力） 3. 处理常见异常（如404、超时、网络错误） 4. 使用User-Agent头部 5. 数据存储在SQLite数据库中 6. 支持断点续爬 ## 技术栈 - Python 3.9+ - requests + BeautifulSoup4 - SQLite3 ## 法律与道德要求 - 只爬取公开可访问的内容 - 尊重网站的ToS - 不对网站造成负担 - 不爬取个人隐私信息 ## 输出格式 生成完整的Python代码，包含： 1. 爬虫主类 2. 数据存储模块 3. 异常处理 4. 单元测试 5. 使用说明

高级技巧：使用Prompt Chain

什么是Prompt Chain？

Prompt Chain是将一个复杂任务分解为多个简单的子任务，每个子任务的输出作为下一个子任务的输入。

实战示例：开发一个完整的RESTful API

Chain 1：需求分析

我需要开发一个在线书店的RESTful API。 请帮我进行需求分析，输出： 1. 核心功能列表 2. 数据模型设计 3. API端点规划 4. 技术栈建议

Chain 2：数据模型实现

根据以下数据模型设计，使用Mongoose实现Schema定义： [粘贴Chain 1的输出中的数据模型部分] 要求： - 添加必要的索引 - 定义虚拟字段 - 添加实例方法 - 添加数据验证

Chain 3：API端点实现

根据以下API端点规划，实现具体的路由和控制器： [粘贴Chain 1的输出中的API端点部分] 要求： - 使用Express.js - 添加输入验证 - 实现错误处理 - 添加JWT认证

Chain 4：测试

为上述实现的API编写完整的测试用例，使用Jest + Supertest， 覆盖所有端点的正常和异常场景。

常见错误与避免方法

错误1：需求描述模糊

错误示例：

优化代码

正确做法：
明确说明优化目标、当前性能、期望性能

错误2：没有提供足够的上下文

错误示例：

修复这个Bug

正确做法：
提供完整的错误信息、堆栈跟踪、相关代码

错误3：一次要求太多

错误示例：

开发一个完整的电商网站，包含前端和后端

正确做法：
分解为多个小任务，逐步完成

错误4：没有指定输出格式

错误示例：

解释这段代码的原理

正确做法：
指定输出格式（如：使用Mermaid流程图 + 文字说明）

工具推荐

1. Prompt模板管理器

创建一个prompt-templates.md文件，保存常用的Prompt模板：

# 代码生成模板 \`\`\` 任务：[任务描述] 技术栈： - [技术1] - [技术2] 功能需求： 1. [需求1] 2. [需求2] 输出格式：[如：完整代码 + 测试用例 + 使用说明] \`\`\` # 代码审查模板 \`\`\` 请审查以下代码，重点关注： 1. 安全问题 2. 性能问题 3. 代码规范 代码： [粘贴代码] \`\`\`

2. 使用Cursor的Snippet功能

在Cursor中，你可以保存常用的Prompt为Snippet，随时调用。

总结

提示工程for程序员的核心是：精确、完整、结构化地表达编程意图。

关键要点：

1. 使用模板：确保不遗漏关键信息
2. 提供上下文：让AI理解你的项目和需求
3. 分步引导：将复杂任务分解为简单步骤
4. 使用负面示例：告诉AI不要做什么
5. 请求多种方案：获得更全面的视角
6. 迭代优化：根据结果不断改进Prompt

记住：好的Prompt = 好的代码。投资时间学习提示工程，将会大大提高你的AI编程效率。

延伸阅读

• 《Prompt Engineering Guide》- 全面的提示工程指南
• 《The Art of Asking AI》- 如何有效地向AI提问
• OpenAI Prompt Engineering最佳实践