10 条 AI 编码助理的提示词技巧

source:https://addyo.substack.com/p/the-prompt-engineering-playbook-for
by: @addyosmani

技巧 提示词模板 目的
1. 角色提示 (Role Prompting) “你是一位资深的 {某种语言} 开发者。请为了 {某个目标} 来审查这个函数。” 模拟专家级的代码审查、调试或重构,获得更高质量的建议。
2. 明确上下文 (Explicit Context Setup) “问题是:{问题摘要}。代码如下。它本应 {预期行为},但现在却 {实际行为}。这是为什么?” 清晰地框定问题,避免 AI 给出泛泛而谈、流于表面的回答。
3. 输入/输出示例 (Input/Output Examples) “当输入为 {某个输入} 时,这个函数应该返回 {预期输出}。你能编写或修复这段代码吗?” 通过具体示例来展示你的意图,引导 AI 智能体准确理解需求。
4. 迭代式链条 (Iterative Chaining) “第一步,生成组件的骨架代码。下一步,我们来添加状态管理。最后,处理 API 调用。” 将复杂的大任务分解成连续的小步骤,避免因提示过于庞大或含糊而导致 AI 混乱。
5. 模拟调试 (Debug with Simulation) “请逐行过一遍这个函数。每个变量的值是什么?代码最有可能在哪里出错?” 让 AI 智能体模拟代码的运行时行为,从而帮助你发现那些隐藏很深的 bug。
6. 功能蓝图 (Feature Blueprinting) “我正在构建 {某个功能}。需求是:{几点核心需求}。技术栈是:{所用技术}。请搭建出初始组件的脚手架,并解释你的选择。” 借助 AI 主导的规划和脚手架能力,高效启动新功能的开发。
7. 重构指导 (Code Refactor Guidance) “请重构这段代码以提升 {某个目标},例如 {可读性、性能、代码风格等}。请用注释来解释你做了哪些更改。” 确保 AI 的代码重构与你的核心目标对齐,而不是进行随意的、不必要的修改。
8. 寻求替代方案 (Ask for Alternatives) “你能用函数式风格重写这段代码吗?如果用递归版本会是什么样子?” 探索多种不同的实现路径,开阔思路,并丰富你的技术工具箱。
9. 小黄鸭调试法 (Rubber Ducking) “我是这样理解这个函数功能的:{你的解释}。我有什么遗漏吗?这个解释能暴露出什么 bug 吗?” 让 AI 扮演“小黄鸭”的角色,通过向它解释来挑战你自己的理解,并发现逻辑上的矛盾之处。
10. 约束锚定 (Constraint Anchoring) “请避免使用 {例如:递归},并严格遵守 {例如:ES6 语法,不使用外部库}。请为 {例如:内存占用} 进行优化。函数如下:” 给 AI 设定明确的边界和限制,防止它“自由发挥”过度,或引入与项目不兼容的代码模式。

这是早期GPT的提示词技巧了吧?现在推理模型下还适用这类技巧么?