Day 13 提示词工程：写给程序员看的 Prompt 指南

guozi

你有没有遇到过这种情况：把问题丢给 AI，得到一堆废话，或者答案完全跑偏？

不是 AI 不够聪明，是你没说清楚。

提示词工程（Prompt Engineering）听起来玄，但对程序员来说其实很好上手——你每天都在写函数签名、API 文档、需求说明，本质上做的是同一件事：把意图表达清楚。

这篇文章只讲编程场景，帮你少走弯路。

━━━━━━━━━━━━━━━━━━━━

为什么程序员写的 Prompt 经常踩坑

先说三个最常见的问题。

问题一：需求太模糊。"帮我写一个排序算法"——什么语言？什么数据结构？对时间复杂度有要求吗？数据量级？AI 只能猜，猜错了你还得重问一遍。

问题二：上下文缺失。"这段代码有 bug，帮我看看"——没有代码，没有报错信息，没有环境版本。AI 在帮你算命。

问题三：没有约束条件。"帮我优化这个函数"——优化什么？速度？可读性？内存占用？不说清楚，AI 会给你一个"全面优化"的版本，然后把你精心设计的接口改得面目全非。

对症下药，才能开始聊技巧。

━━━━━━━━━━━━━━━━━━━━

三板斧：写出高质量 Prompt

第一板斧：角色设定

给 AI 一个具体的身份，输出质量会明显提升。

不是因为 AI 真的有角色意识，而是角色设定帮助模型收窄了回答范围——"资深 Go 工程师"和"Python 初学者辅导老师"看同一个问题，给出的答案天壤之别。

模糊版本：

帮我 review 这段代码

加上角色：

你是一名有 10 年经验的 Go 工程师，熟悉高并发场景下的性能优化。请 review 以下代码，重点关注 goroutine 泄漏和锁竞争问题。

后者会让 AI 直接聚焦在你真正关心的点上，而不是泛泛地说"变量命名可以更清晰"。

角色设定的几个实用场景：

安全审计："你是一名专注 Web 安全的渗透测试工程师"

架构设计："你是一名设计过亿级流量系统的架构师"

代码审查："你是一名严格遵循 Clean Code 原则的技术 lead"

学习辅导："你是一名善于用类比解释复杂概念的技术导师"

注意：角色要具体，"你是一名程序员"基本没用。越具体，越有效。

━━━━━━━━━━━━━━━━━━━━

第二板斧：示例驱动

这是最被低估的技巧。

当你描述一个需求时，语言是有歧义的。但输入输出的例子没有歧义。

光靠描述：

帮我写一个函数，把驼峰命名转成下划线命名

"驼峰转下划线"，AI 大概知道你要什么，但具体处理边界情况时，它只能靠猜：

1. XMLParser

复制代码

转成

1. xml_parser

复制代码

还是

1. x_m_l_parser

复制代码

？

1. userID

复制代码

转成

1. user_i_d

复制代码

还是

1. user_id

复制代码

？

加上示例：

帮我写一个函数，把驼峰命名转成下划线命名。

>

示例：

-

1. userName

复制代码

→

1. user_name

复制代码

-

1. userID

复制代码

→

1. user_id

复制代码

-

1. XMLParser

复制代码

→

1. xml_parser

复制代码

-

1. getHTTPResponse

复制代码

→

1. get_http_response

复制代码

现在 AI 知道你对连续大写字母的处理方式，边界情况有了明确答案。

示例驱动在以下场景特别有效：

数据格式转换：告诉它输入长什么样，输出要长什么样

代码风格规范：给一段"好代码"和"坏代码"的对比

错误处理模式：示范你期望的错误处理方式

注释风格：给一段你满意的注释作为参考

提供 2-3 个示例通常就够了。太多示例会让 Prompt 变臃肿，反而降低效果。

━━━━━━━━━━━━━━━━━━━━

第三板斧：约束条件

这是写给程序员最重要的一条。

你平时写代码，会有语言版本、依赖限制、性能要求、兼容性约束……这些同样要告诉 AI。不说，它默认选"看起来最好"的方案，不一定是适合你的方案。

约束条件的四个维度：

1. 技术栈和版本

1. 语言：Python 3.9（不能用 3.10+ 的新特性）
2. 框架：FastAPI 0.95，不引入新依赖

复制代码

2. 性能和规模

1. 数据量级：日处理 100 万条记录
2. 响应时间要求：P99 < 100ms
3. 内存限制：单实例 512MB

复制代码

3. 输出格式

1. 只输出代码，不需要解释
2. 代码需要包含类型注解
3. 函数要有 docstring

复制代码

4. 禁止事项

1. 不要修改函数签名
2. 不要引入新的第三方库
3. 不要改变错误处理逻辑

复制代码

"禁止事项"这一条很多人忽略，但非常关键。AI 天生喜欢"全面优化"，如果你不说不能动什么，它会顺手帮你把接口改了，然后下游代码全挂。

━━━━━━━━━━━━━━━━━━━━

编程场景实战

理论讲完，看几个实际例子。

场景一：代码生成

1. 你是一名熟悉 Go 并发编程的工程师。
3. 请实现一个并发安全的本地缓存，要求：
4. - 支持 Set(key, value, ttl) 和 Get(key) 操作
5. - 过期 key 惰性删除（Get 时检查）+ 定期清理（每分钟一次）
6. - 线程安全，使用读写锁优化读多写少场景
7. - 不引入第三方依赖，只用标准库
9. 示例用法：
10. cache := NewCache()
11. cache.Set("user:123", userData, 5*time.Minute)
12. val, ok := cache.Get("user:123")
14. 只输出代码，包含必要注释，不需要解释。

复制代码

场景二：代码审查

1. 你是一名专注于 Python 代码质量的技术 lead，熟悉 PEP 8 和 Clean Code 原则。
3. 请 review 以下代码，按优先级（高/中/低）列出问题：
4. - 高：会导致 bug 或安全漏洞的问题
5. - 中：影响可维护性的问题
6. - 低：风格和规范问题
8. 对每个问题，说明：问题描述 + 为什么有问题 + 修改建议
10. [粘贴你的代码]

复制代码

场景三：调试排错

1. Python 3.11，FastAPI 项目。
3. 报错信息：
4. [粘贴完整错误堆栈]
6. 相关代码：
7. [粘贴报错位置附近的代码]
9. 我已经尝试过：
10. 1. 检查了数据库连接，正常
11. 2. 重启了服务，问题依旧
13. 请分析可能的原因，按可能性从高到低排序，并给出每种情况的验证方法。

复制代码

━━━━━━━━━━━━━━━━━━━━

常用提示词模板速查

| 任务类型 | 核心要素 |
|---------|---------|
| 代码生成 | 语言+版本 / 功能描述 / 输入输出示例 / 约束条件 / 输出格式 |
| 代码审查 | 审查角度 / 问题分级标准 / 期望输出格式 |
| 调试排错 | 完整报错 / 相关代码 / 已排查项 / 环境信息 |
| 架构设计 | 业务规模 / 技术限制 / 核心诉求（性能/成本/可维护性） |
| 文档撰写 | 目标读者 / 文档类型 / 风格示例 |
| 重构优化 | 优化目标 / 不能改动的部分 / 验收标准 |

━━━━━━━━━━━━━━━━━━━━

一个反直觉的建议

很多人觉得 Prompt 越长越好，信息越多越好。

其实不是。

Prompt 的核心是信噪比，不是长度。堆砌无关信息会稀释重要指令，反而降低效果。

经验法则是：把每一句话都问一下自己——"去掉这句话，AI 的输出会变差吗？"不会变差，就删掉。

写好 Prompt 和写好代码一样，追求的不是"没有废话可加"，而是"没有废话可删"。

━━━━━━━━━━━━━━━━━━━━

小结

三板斧记住就够了：

角色设定：给 AI 一个具体身份，收窄回答范围

示例驱动：用输入输出消除语言歧义

约束条件：说清楚技术栈、性能要求、禁止事项

这三点都是程序员的基本功——你每天都在做，只是换了个对象。

把对待函数签名的严谨，用在写 Prompt 上，AI 会给你体面的答案。