用ai写代码提示词的质量直接决定了代码能不能用。很多人刚开始用GitHub Copilot或者ChatGPT写代码，结果发现生成的代码要么跑不通，要么完全不是自己想要的。本文和大家分享下“用ai编程如何写提示词？”
一、把需求说清楚
给AI写代码提示词，最怕的就是模糊不清。"帮写一个登录功能"——这种要求对AI来说信息量太少了。是前端还是后端？用什么框架？需要什么验证？数据库怎么设计？
更有效的提示词应该是这样的："用Python Flask框架写一个用户登录API接口，接收POST请求，参数包括username和password，需要在MySQL数据库中验证用户信息，验证成功返回JWT token，失败返回错误信息，要做好输入验证防止SQL注入"。看到了吗？把技术栈、具体功能、安全要求都说清楚了，AI生成的代码质量会高很多。
二、上下文信息
AI不知道项目的整体架构，也不清楚已有的代码风格。如果直接让它写一个新功能，生成的代码可能和现有项目格格不入。
比较聪明的做法是先给AI看看项目的相关代码。"这是现有的User类定义：[粘贴代码]，现在需要给这个类添加一个修改密码的方法，要求验证旧密码、哈希新密码、更新数据库，风格要和现有代码保持一致"。有了参考代码，AI就知道该用什么命名规范、什么代码风格了。
使用的第三方库和依赖也要提一下。"用React Hooks写一个表单组件，已经安装了Formik和Yup库，用这些库来处理表单验证"。这样AI就不会自己瞎猜该用什么库了。
项目的技术约束也很重要。比如"这个项目要兼容IE11，所以不能用ES6的某些新特性"，或者"项目使用TypeScript，所以需要完整的类型定义"。这些限制条件说清楚了，能避免很多返工。
三、分步骤来写
一上来就让AI写一个完整的模块，往往会出问题。把任务拆分成小步骤，逐个击破效果会好得多。
先让AI帮忙设计接口和数据结构。"设计一个购物车功能的数据模型和主要接口，需要支持添加商品、修改数量、删除商品、计算总价"。拿到设计方案后，自己检查一遍是否合理。
确定方案后，再让AI实现具体功能。"根据刚才的设计，实现添加商品到购物车的函数，要检查商品是否存在、库存是否充足，返回添加结果"。一个函数一个函数地写，每写完一个就测试一下，发现问题及时调整。
测试用例也可以让AI帮忙写。"给刚才的购物车添加函数写单元测试，覆盖正常添加、重复添加、库存不足等场景"。有了测试用例，代码的可靠性就有保障了。
四、指定编程范式和设计模式
不同的项目有不同的编程风格，这个也要在提示词里说明。
函数式编程还是面向对象？"用面向对象的方式实现一个图书管理系统，要有Book、Library、User等类，使用继承和多态"。或者"用函数式编程风格实现一个数据处理管道，避免可变状态，使用纯函数"。
需要用设计模式的话也要明确说。"实现一个日志系统，使用单例模式确保全局只有一个日志实例，使用工厂模式创建不同类型的logger"。AI对常见的设计模式都很熟悉，说清楚了它能生成很规范的实现。
代码的风格指南也可以指定。"遵循Google Python风格指南，使用4个空格缩进，函数名用小写加下划线"。或者"遵循Airbnb JavaScript风格指南，用const声明常量，用箭头函数替代普通函数"。
五、性能和安全要求
写代码不只是功能实现就完事了，性能和安全同样重要。
1、性能要求说清楚
"写一个处理大文件的函数，文件可能有几个GB，要用流式读取避免内存溢出"。或者"实现一个搜索功能，数据量可能达到百万级别，要考虑使用索引优化查询性能"。
2、安全问题
"写一个处理用户输入的函数，要防止XSS攻击，对所有输入进行转义"。"实现一个文件上传接口，要验证文件类型和大小，防止恶意文件上传"。这些安全点明确提出来，AI才会在代码里考虑。
3、错误处理
"要有完善的异常处理机制，对可能出现的错误要try-catch，给出友好的错误提示"。不然AI可能写出来的代码一旦出错就直接崩溃。
六、要求代码可读性和可维护性
代码是给人看的，不是只要能跑就行。
"要有详细的注释，说明每个函数的作用、参数含义、返回值"。特别是复杂的算法逻辑，注释更是必不可少。"关键的算法步骤要用注释解释为什么这么做"。
变量命名也很讲究。"变量和函数名要有意义，避免用a、b、c这种无意义的名字"。虽然AI通常不会取太离谱的名字，但强调一下总没错。
代码结构要清晰。"把不同的功能模块分开，每个文件不要太长，单个函数控制在50行以内"。这样后期维护起来会轻松很多。
七、让AI解释代码也很有用
有时候拿到一段别人写的代码看不懂，可以让AI帮忙解释。"解释这段代码在做什么，特别是那个正则表达式的含义"。AI的解释往往比看原始代码更容易理解。
还可以让AI重构代码。"这段代码功能没问题，但结构混乱，帮忙重构一下，使其更清晰易懂"。或者"这段代码有重复的逻辑，帮忙提取公共部分"。
性能优化也可以请AI帮忙。"分析这段代码的性能瓶颈，提出优化建议"。AI能发现一些不明显的性能问题，比如循环里的重复计算、不必要的数据库查询等等。
八、调试和修复bug的技巧
遇到bug的时候，怎么问AI也有讲究。
别只是说"代码报错了"，要把完整的错误信息贴出来。"运行这段代码时出现TypeError:Cannot read property'length'of undefined，这是代码：[粘贴代码]，请找出问题并修复"。
如果能提供更多上下文就更好了。"在处理用户登录的时候出现了空指针异常，用户数据是从数据库查出来的，有可能查不到用户，代码是：[粘贴代码]，请加上空值检查"。
有时候问题不是代码本身的错，而是环境配置或者依赖版本的问题。这种情况下要把环境信息也告诉AI。"Python 3.8环境下，pandas版本是1.2.0，运行这段代码报错：[错误信息]，请问是什么原因"。
九、代码审查也可以找AI
写完代码后让AI帮忙审查一遍，能发现不少问题。
"审查这段代码，指出可能存在的bug、性能问题、安全隐患"。AI通常能发现一些容易被忽视的问题，比如边界条件没处理、资源没有释放、并发安全问题等等。
还可以让AI提建议。"评价这段代码的质量，有哪些可以改进的地方"。AI可能会建议改进命名、简化逻辑、增加注释等等。
不过要记住，AI的建议也不一定都对。有些建议可能不适合具体的业务场景，还是要自己判断。把AI当成一个参考意见，而不是绝对权威，这样用起来才不会被误导。
AI是个非常不错的辅助工具。它能帮助提高效率、减少重复劳动，但不能替代程序员的思考和判断。写好提示词是为了更好地利用AI，但最终代码的质量还是取决于程序员自己的水平和经验。
AI 速览
