- 问题背景
最近在用大模型（如 ChatGPT、通义千问等）辅助写业务代码时，你是不是也遇到过这些崩溃瞬间：
让它写个排序算法，它给你整了一堆复杂的面向对象封装，根本没法直接复制运行。
让它修复 Bug，它自信满满地给出一段代码，结果跑起来直接报 NullPointerException。
沟通成本极高，像教小白一样一步步纠正它的逻辑。
其实，很多时候不是模型不够聪明，而是我们的 Prompt（提示词）太模糊了。今天分享 3 个我亲测有效的 Prompt 进阶技巧，帮你把大模型调教成真正的“结对编程搭档”。 - 核心技巧与实战演示
技巧一：角色设定 + 明确约束（Role & Constraints）
不要直接问“帮我写个 Python 爬虫”，试试这样：
“你现在是一名拥有 10 年经验的 Python 后端工程师。请帮我写一个异步爬虫脚本，要求：1. 使用 aiohttp 和 asyncio；2. 必须包含异常处理和重试机制；3. 代码中关键步骤加上中文注释；4. 不要使用第三方解析库，只用正则表达式。”
技巧二：提供上下文与反例（Context & Negative Prompt）
大模型很容易陷入“幻觉”，你需要明确告诉它“不要做什么”。
“我需要写一个 MySQL 慢查询优化方案。背景：表数据量 500 万，主要查询字段是 create_time。
注意：不要建议我加全表索引，也不要建议分库分表，目前只允许在现有单表结构上优化。”
技巧三：思维链引导（Chain of Thought）
遇到复杂的架构设计或算法题，让模型先“思考”再写代码。
“请帮我设计一个基于 Redis 的分布式限流器。在写代码之前，请先分步列出你的设计思路：1. 选择哪种数据结构？为什么？ 2. 如何处理并发冲突？ 3. 边界情况怎么兜底？ 确认思路无误后，再给出 Lua 脚本代码。” - 效果对比
表格
提问方式 模型表现 代码可用性
基础提问：“写个限流器” 给出简单的内存计数器，无法应对分布式 极低，需大改
进阶 Prompt（上述技巧） 给出基于 Redis + Lua 的滑动窗口方案，带详细注释 极高，可直接 Copy - 总结
把大模型当成一个聪明但缺乏业务上下文的“实习生”。你给的指令越具体、边界越清晰，它交付的代码质量就越高。建议大家把常用的 Prompt 模板保存下来，形成自己的“提示词资产库”。
