提示词工程实战：让 AI 编码助手一次生成可用代码的六个要点

一、为什么你的 AI 生成的代码总是不能用

很多开发者第一次使用 AI 编码助手时都有类似的体验：随手输入"帮我写一个爬虫"，得到的代码要么跑不起来，要么结构混乱无法维护。问题通常不在模型，而在提示词。AI 编码助手不会读心术，它只能根据你给出的上下文推断需求。本文总结六个让 AI 一次生成可用代码的要点。

二、要点一：说清楚输入、输出和边界条件

模糊的需求只能得到模糊的实现。对比下面两种写法：

差："写一个函数处理日期"

好："写一个 Python 函数 parse_date(s: str) -> datetime，
输入是 'YYYY-MM-DD' 或 'YYYY/MM/DD' 两种格式，
无效输入抛出 ValueError，不要依赖第三方库"

第二种写法明确了函数签名、合法输入、异常行为和依赖约束，AI 基本一次就能写出符合预期的代码。

三、要点二：给定技术栈和版本

同一需求在不同语言、不同框架下的实现天差地别。提示词中应显式声明：

• 语言与版本（如 Python 3.10+、Node.js 20）；
• 框架与关键库（如 FastAPI、React 18）；
• 运行环境（Linux 服务器 / 浏览器 / 边缘函数）。

四、要点三：提供最小可运行的上下文

如果需求涉及既有代码，不要贴整个仓库。做法是：

• 只贴与需求直接相关的函数、类和类型定义；
• 用注释标明"此处为既有逻辑，不可修改"；
• 说明目标文件在项目中的位置和导入关系。

上下文越精准，AI 的输出越贴近项目风格。

五、要点四：用示例定义行为（Few-shot）

对于解析、转换类需求，给两三个输入输出示例比一段描述更有效：

输入: "abc123"   输出: "ABC-123"
输入: "x9"       输出: "X-9"
规则: 字母大写，字母与数字之间插入连字符

AI 会自动归纳规则并覆盖你没想到的边界情况。

六、要点五：要求分步输出与自检

复杂任务让 AI 先列实现计划再写代码，并在最后自查：

请先列出实现步骤，确认无误后再写代码；
完成后逐条检查：是否处理了空输入？是否释放了资源？
是否与上述示例行为一致？

这样生成的代码在交付前就完成了一轮自我审查。

七、要点六：迭代而非重来

第一次结果不理想时，与其推倒重来，不如在原有对话基础上精准反馈："异常处理是对的，但第 12 行应使用上下文管理器"。AI 会保留正确的部分，只修改指定问题——这比重新生成高效得多。

八、结语

提示词工程的本质，是把"你脑子里的隐含知识"翻译成文字。写得越具体，AI 越可靠。建议把验证过的优质提示词沉淀成团队模板库，让 AI 编码助手真正成为提效工具。欢迎在评论区分享你的提示词实践。