30款热门AI模型一站整合DeepSeek/GLM/Claude 随心用限时 5 折。 点击领海量免费额度如果你还在用“帮我写个代码”这种简单指令与大模型对话那你可能只发挥了它10%的能力。真正的高手能让AI输出结构化文档、执行复杂任务、甚至扮演特定角色——这一切都依赖于一个被低估的核心技能提示词工程。最近一个名为“awesome-chatgpt-prompts”的GitHub仓库悄然走红星标数已突破4.4万。这不仅仅是一个简单的提示词合集它更像是一个由全球顶级开发者和AI研究者共建的“提示词金矿”。里面没有一句废话全是经过实战检验、能直接提升你与AI协作效率的“咒语”。为什么这个仓库如此重要因为对于开发者而言AI已经从“玩具”变成了“生产工具”。无论是用Cursor、Claude Code进行AI编程还是用Spring AI集成企业应用抑或是进行复杂的Agent设计其效能上限几乎完全由你输入的提示词决定。糟糕的提示词得到平庸甚至错误的代码而优秀的提示词则能引导AI生成接近专家水平的解决方案。本文将从实战出发带你深入剖析这个“金矿”不仅告诉你里面有什么更会拆解顶级提示词的通用设计模式、核心要素与工程化实践。你将学到如何将这些“咒语”应用到你的日常开发、学习与自动化流程中真正把AI变成你的“10倍速”编程伙伴。1. 这篇文章真正要解决的问题从“随机对话”到“确定性输出”很多开发者对提示词的认知还停留在“问问题”的层面。这导致与AI协作时充满了不确定性这次生成的代码风格不错下次却漏洞百出同一个需求换种问法结果天差地别。这种随机性严重阻碍了AI工具在生产环境中的可靠集成。核心痛点缺乏结构化、可复用、高质量的提示词导致AI输出质量不稳定开发效率无法实现质的飞跃。本文要解决的问题正是认知升级揭示高质量提示词与普通指令的本质区别理解其背后的设计逻辑。实战拆解以“awesome-chatgpt-prompts”仓库为蓝本分类解析适用于开发者的核心提示词模板。能力迁移教你如何借鉴顶级模式为自己常用的AI工具如Cursor、Claude、ChatGPT定制专属的、高效的提示词。工程化落地探讨如何像管理代码一样管理你的提示词库实现团队协作与知识沉淀。无论你是想提升日常编码效率还是计划在项目中系统性地引入AI能力掌握提示词工程都是你的第一块也是最重要的一块敲门砖。2. 基础概念什么是提示词工程在深入“金矿”之前我们需要统一语言。提示词工程远不止是“把话说清楚”。2.1 提示词 vs. 系统提示词提示词通常指用户输入的指令或问题是单次对话的起点。系统提示词在对话开始前预先提供给AI模型的指令用于设定其角色、行为准则、输出格式和知识边界。它定义了AI的“人格”和“工作流程”。例如Claude.ai 会公开其系统提示词以此约束模型的行为使其更安全、更有帮助。2.2 提示词的核心要素一个高效的提示词通常包含以下部分并非全部必需但组合使用效果更佳角色设定你是一名经验丰富的全栈Java开发专家精通Spring Boot和微服务架构。任务目标请为以下需求设计一个RESTful API接口...上下文/约束我们使用的是Java 17Spring Boot 3.x项目已集成MyBatis-Plus。输出格式请先给出接口定义Controller层然后给出Service层方法签名最后给出对应的DTO和Entity类定义。使用代码块格式。示例例如对于用户查询需求你的输出结构应该是...思维链引导请逐步思考1. 分析需求中的实体和关系2. 设计数据库表结构3. 设计API端点...2.3 为什么“awesome-chatgpt-prompts”是金矿因为它系统地收集了满足以上要素的、经过验证的提示词模板。这些模板不是凭空想象的而是来自大量用户的真实需求与优化迭代直接解决了“不知道如何有效提问”的难题。3. 环境准备你的AI工具箱在开始“偷师”之前请确保你的“实验场”已经就绪。我们将使用最常见的工具进行演示。3.1 主流AI工具选择你可以选择任意一个或多个进行实践OpenAI ChatGPT最通用生态丰富。Anthropic Claude以长上下文、强推理能力和公开系统提示词著称在代码和文档处理上表现优异。Cursor或Claude Code专为开发者设计的AI编程IDE深度集成在编码环境中提示词技巧能直接提升编码效率。IDEA AI插件在JetBrains系列IDE中使用实现上下文感知的代码辅助。3.2 基础操作如何应用提示词模板直接复制粘贴将模板内容完整复制到AI聊天窗口。个性化修改替换模板中的[变量]如[编程语言]、[具体需求]。渐进式对话复杂的任务可以拆分成多轮对话基于AI的上文回复进行追问和细化。关键心态将AI视为一个需要清晰需求文档和操作手册的“超级实习生”。你的提示词就是这份文档。4. 核心流程拆解如何“偷学”顶级提示词打开“awesome-chatgpt-prompts”仓库你会发现提示词被分门别类。我们聚焦于对开发者最有价值的几类并拆解其设计模式。4.1 模式一角色扮演专家这是最经典且强大的模式。通过赋予AI一个具体的专家身份极大地约束和提升了其输出质量。仓库示例节选以“Linux终端”为例I want you to act as a linux terminal. I will type commands and you will reply with what the terminal should show. I want you to only reply with the terminal output inside one unique code block, and nothing else. do not write explanations. my first command is pwd.设计模式拆解清晰的角色指令act as a linux terminal。明确的交互规则I will type commands and you will reply with what the terminal should show。严格的输出格式only reply with the terminal output inside one unique code block, and nothing else. do not write explanations。即时示例my first command is pwd。开发者迁移应用创建你的“首席架构师”提示词。你是我团队的首席后端架构师精通高并发、高可用的分布式系统设计。我将描述一个业务场景你需要 1. 首先分析核心业务实体与流程指出技术挑战点。 2. 然后给出推荐的系统架构图用文字描述组件及其关系。 3. 最后针对核心服务给出关键的技术选型建议及理由。 请避免泛泛而谈聚焦于可落地的设计。你的输出应结构化、专业且简洁。 现在第一个场景是我们需要设计一个实时订单处理系统预计日订单量峰值100万要求99.99%可用性平均响应时间低于200毫秒。4.2 模式二结构化输出生成器强制AI按照特定格式JSON、XML、Markdown表格等输出便于后续的程序化处理或直接集成。仓库示例启发许多提示词要求输出为列表、大纲或特定标记语言。设计模式拆解定义输出结构明确要求格式如请以JSON格式输出包含以下字段...。提供Schema或示例对于复杂结构直接给出样例。禁止自由发挥不要添加任何JSON之外的说明文字。开发者迁移应用生成API接口文档草案。你是一个API设计助手。请根据下面的功能描述生成一个OpenAPI 3.0规范的YAML片段只描述单个API端点。 要求 - 包含 paths, components.schemas 等必要部分。 - 请求和响应体使用JSON Schema定义。 - 包含合理的错误码定义。 - 输出必须是纯YAML无需解释。 功能描述[这里是你的微服务中“用户登录”功能的详细描述包括请求参数、成功响应、失败情况等]4.3 模式三分步思维链引导对于复杂问题要求AI展示其思考过程这不仅能得到更可靠的答案本身也是一个学习工具。设计模式拆解引入思考框架让我们一步步来推理、请按照以下步骤分析。分解子问题将大问题拆解为有逻辑顺序的小问题。汇总结论基于逐步分析给出最终答案。开发者迁移应用代码调试与优化。我有一段 [编程语言] 代码它本应 [预期功能]但实际上却 [出现的错误或非预期行为]。代码如下 [代码块] 请你扮演一个调试专家按照以下步骤帮我解决问题 1. **代码静态分析**首先通读代码指出任何明显的语法错误、逻辑矛盾或不良实践。 2. **假设与验证**基于错误现象提出最可能的几种根本原因假设。 3. **定位与验证**告诉我如果每个假设成立我应该在哪里添加什么类型的日志或断点来验证 4. **修复建议**给出修复后的完整代码块并解释修改的原因。 请逐步输出你的分析。4.4 模式四上下文管理利用AI的长上下文能力进行多轮、复杂的对话构建一个“会话式开发环境”。设计模式拆解会话初始化在第一条消息中建立完整的上下文项目背景、技术栈、目标。增量式任务基于上文的输出提出更细化、更深层的任务。引用与修正根据你上面生成的第三点方案现在请详细实现其中的认证模块。开发者迁移应用在Cursor/Claude Code中开展一个功能开发会话。初始提示“在这个Spring Boot项目中我需要一个用户管理模块包含基本的CRUD和按名称查询功能。请先分析现有的项目结构特别是pom.xml和包结构然后为我创建必要的Entity, Repository, Service, Controller层文件。使用Lombok和MyBatis-Plus。”后续提示在AI生成代码后“很好。现在请为UserService的createUser方法添加业务逻辑校验检查邮箱是否已存在。同时为所有REST接口添加统一的响应封装使用Result类。请直接修改相关文件。”5. 完整示例构建一个“代码审查助手”提示词让我们综合运用以上模式创建一个可直接用于日常代码审查的强力提示词。# 角色与任务 你是一个严谨、细致的代码审查助手专注于 [Java/Go/Python/等] 代码质量。我将提供代码片段或Git Diff内容你需要从以下维度进行审查并以指定格式输出。 # 审查维度 1. **功能性**代码是否能正确实现需求是否存在边界条件错误 2. **安全性**是否存在SQL注入、XSS、CSRF、信息泄露、不安全的反序列化等风险 3. **性能**是否存在循环内复杂操作、N1查询、未使用索引、内存泄漏风险 4. **可读性与维护性**命名是否清晰函数是否过长建议不超过50行注释是否恰当代码结构是否清晰 5. **健壮性**异常是否被妥善捕获和处理空指针防御是否充分 6. **测试**代码是否易于单元测试是否引入了难以模拟的依赖 # 输出格式 请严格按照以下Markdown表格格式输出审查结果 | 类别 | 问题级别 | 位置 | 具体问题描述 | 修改建议 | | :--- | :--- | :--- | :--- | :--- | | (例如安全性) | (高危/中危/低危/建议) | (文件名:行号) | (清晰描述问题) | (给出具体的代码修改建议或最佳实践) | **总结与总体评分**[用1-2句话总结代码整体质量并给出一个粗略的评分如良好 (7/10)需关注安全性和异常处理] # 规则 - 只审查我提供的代码不要假设未提供的上下文。 - 问题描述要具体避免“代码不好”这类模糊评价。 - 修改建议要具备可操作性最好能给出修改后的代码样例。 - 如果代码整体优秀也请指出亮点。 # 现在开始审查 以下是我要审查的代码 java // 示例一个存在问题的Java方法 public User getUserById(String id) { String sql SELECT * FROM users WHERE id id; // ... 执行查询并返回 }**将这个提示词保存到你的笔记或提示词管理工具中**。下次进行代码审查时只需替换最后一部分的代码内容即可。AI会输出一个结构化的审查报告极大提升审查效率和深度。 ## 6. 运行结果与效果验证 使用上述“代码审查助手”提示词针对提供的简易Java代码我们预期会得到类似下表的输出 | 类别 | 问题级别 | 位置 | 具体问题描述 | 修改建议 | | :--- | :--- | :--- | :--- | :--- | | 安全性 | **高危** | (示例代码:2) | 存在严重的SQL注入漏洞。直接拼接用户输入 id 到SQL语句中。 | 必须使用参数化查询PreparedStatement或ORM框架的命名参数。修改为String sql SELECT * FROM users WHERE id ?; 然后使用 PreparedStatement.setString 设置参数。 | | 可读性与维护性 | 建议 | (示例代码:1) | 方法名 getUserById 是合适的但变量名 sql 过于通用。 | 建议将变量名改为更具描述性的名称如 querySql或在更复杂的场景下将此SQL语句提取到常量或配置文件中。 | | 健壮性 | 中危 | (示例代码:1) | 未对输入参数 id 进行空值或格式校验。如果 id 为null或空字符串会导致运行时错误或非预期查询。 | 在方法开始处添加校验if (id null || id.trim().isEmpty()) { throw new IllegalArgumentException(User ID cannot be null or empty); } | **总结与总体评分**这段代码存在严重的安全漏洞是必须修复的。整体质量较差 (3/10)在投入生产环境前必须优先解决SQL注入问题并补充输入校验。 **如何验证提示词效果** 1. **准确性**检查AI指出的问题是否真实存在且描述准确如SQL注入。 2. **全面性**对比自己人工审查看AI是否覆盖了主要维度安全、性能、健壮性等。 3. **可操作性**修改建议是否具体、可行能否直接指导开发修改。 4. **格式一致性**输出是否严格遵守了你要求的表格格式便于阅读和归档。 ## 7. 常见问题与排查思路 在实践提示词工程时你可能会遇到以下问题 | 问题现象 | 可能原因 | 排查方式 | 解决方案 | | :--- | :--- | :--- | :--- | | AI输出不符合指定格式如未按表格输出 | 1. 格式指令不够清晰或强硬。br2. 任务过于复杂AI“忘记”了格式要求。br3. 上下文过长早期指令被稀释。 | 1. 检查提示词中关于格式的指令是否放在显眼位置使用了“必须”、“严格”等词。br2. 简化单次任务或要求AI先确认理解格式。 | 1. 强化格式指令例如“**你必须**以Markdown表格形式输出表头为...”。br2. 将复杂任务拆解分步请求每一步都重申输出格式。br3. 在对话中途如果发现偏离可以发送指令“请严格遵守最初的输出格式要求。” | | AI扮演角色不彻底如“专家”却输出基础内容 | 1. 角色定义不够具体。br2. 缺乏该角色应有的上下文或任务细节。 | 1. 检查角色描述是否包含了专业领域、经验水平等具体标签。br2. 看任务描述是否足够“专家级”。 | 1. 细化角色例如从“开发专家”改为“拥有10年分布式系统经验、精通Java和Go的架构师”。br2. 在任务描述中使用专业术语并设定符合专家水平的预期输出。 | | AI生成代码存在逻辑错误或无法运行 | 1. 上下文约束不足如未指定库版本、框架。br2. AI的“知识截止”问题不了解最新API。br3. 提示词未要求AI“思考”或“检查”。 | 1. 检查是否提供了完整的技术栈和版本信息。br2. 询问AI是否了解你使用的特定技术的最新版本。 | 1. 在提示词中明确环境本项目使用 Spring Boot 3.1.5 JDK 17。br2. 要求AI进行“思维链”输出或自我验证“请先解释实现逻辑再给出代码。”或“请检查你生成的代码中是否有语法错误或逻辑矛盾。” | | 在多轮对话中AI丢失了之前的设定 | 1. 上下文长度限制早期信息被“挤出”。br2. 新问题与旧设定冲突AI被“带偏”。 | 观察是在对话多少轮后开始出现偏离。 | 1. 对于超长对话定期在关键节点重申核心规则和角色。br2. 使用支持“系统提示词”或“永久记忆”功能的工具如某些API调用或Claude的上下文记忆。 | | 提示词对某个模型有效对另一个无效 | 不同模型如GPT-4、Claude 3、DeepSeek对指令的理解和遵循能力有差异。 | 用同一个提示词在不同模型上测试对比输出差异。 | 针对不同模型微调提示词。通常更具体、更结构化的提示词通用性更好。Claude可能对XML格式更友好GPT-4对复杂推理更强。 | ## 8. 最佳实践与工程化建议 将提示词的使用从“临时起意”升级为“系统工程”能带来长期的效率红利。 ### 8.1 建立个人或团队的提示词库 * **工具选择**使用Notion、Obsidian、飞书文档等支持模板和搜索的工具。 * **分类管理**按场景分类如 开发/代码生成、开发/代码审查、运维/脚本编写、学习/概念解释、写作/技术文档。 * **版本与迭代**像对待代码一样记录提示词的版本和修改历史。标注哪些提示词对哪个模型GPT-4, Claude 3效果最好。 ### 8.2 设计可复用的提示词模板 * **参数化**将模板中需要经常变化的部分用 {{}} 或 [] 标记为变量。例如请为 {{功能名}} 编写一个 {{语言}} 函数要求 {{具体要求}}。 * **模块化**将复杂的提示词拆分成基础角色模块、任务模块、输出格式模块可以像搭积木一样组合。 ### 8.3 集成到开发工作流 * **IDE集成**在Cursor或VS Code中将常用提示词保存为代码片段或自定义指令。 * **CI/CD管道**考虑使用AI进行自动化代码审查需谨慎评估。可以编写脚本将Git Diff内容通过API发送给AI模型获取初步审查意见作为参考。 * **文档生成**使用定制提示词根据代码注释或接口定义批量生成或更新API文档。 ### 8.4 安全与合规红线 * **绝不泄露敏感信息**提示词中切勿包含API密钥、密码、内部IP、商业秘密、未公开的源代码。 * **审查生成内容**AI生成的代码、配置或建议必须经过人工审查和测试后才能应用于生产环境。AI可能产生“幻觉”编写出看似合理但错误的代码。 * **遵守最小权限原则**如果通过API调用AI服务使用具有最小必要权限的API密钥。 ## 9. 总结与进阶方向 通过系统性地研究“awesome-chatgpt-prompts”这类顶级资源并实践本文拆解的设计模式你应当已经掌握了从“AI用户”到“AI工程师”转变的关键技能——提示词工程。你不再是在黑暗中摸索而是拥有了设计高效、可靠人机协作流程的蓝图。 **下一步你可以向这些方向深入探索** 1. **Agent与工作流**学习如何设计多个提示词让AI串联起来完成一个复杂的工作流例如分析需求 - 生成设计 - 编写代码 - 生成测试 - 编写文档。 2. **提示词优化与评测**如何定量或定性地评估一个提示词的好坏如何通过A/B测试迭代优化你的提示词 3. **程序化调用**学习使用OpenAI API、Anthropic API等将提示词集成到你自己的应用程序或自动化脚本中实现真正的AI赋能业务。 4. **领域特定提示词**为你所在的特定技术栈如Spring Cloud Alibaba、Kubernetes、数据科学或业务领域如电商、金融风控构建专属的、深度的提示词库。 提示词是驾驭大模型时代的“编程语言”。掌握它意味着你不仅能使用AI工具更能定义和创造与AI协作的新模式。现在就从将文中的“代码审查助手”提示词应用到你的下一个Pull Request开始吧。 30款热门AI模型一站整合DeepSeek/GLM/Claude 随心用限时 5 折。 [点击领海量免费额度](https://taotoken.net/models/detail/chat?modelIddeepseek-v4-proutm_sourcett_blog_mr)
30款热门AI模型一站整合DeepSeek/GLM/Claude 随心用限时 5 折。 点击领海量免费额度如果你还在用“帮我写个代码”这种简单指令与大模型对话那你可能只发挥了它10%的能力。真正的高手能让AI输出结构化文档、执行复杂任务、甚至扮演特定角色——这一切都依赖于一个被低估的核心技能提示词工程。最近一个名为“awesome-chatgpt-prompts”的GitHub仓库悄然走红星标数已突破4.4万。这不仅仅是一个简单的提示词合集它更像是一个由全球顶级开发者和AI研究者共建的“提示词金矿”。里面没有一句废话全是经过实战检验、能直接提升你与AI协作效率的“咒语”。为什么这个仓库如此重要因为对于开发者而言AI已经从“玩具”变成了“生产工具”。无论是用Cursor、Claude Code进行AI编程还是用Spring AI集成企业应用抑或是进行复杂的Agent设计其效能上限几乎完全由你输入的提示词决定。糟糕的提示词得到平庸甚至错误的代码而优秀的提示词则能引导AI生成接近专家水平的解决方案。本文将从实战出发带你深入剖析这个“金矿”不仅告诉你里面有什么更会拆解顶级提示词的通用设计模式、核心要素与工程化实践。你将学到如何将这些“咒语”应用到你的日常开发、学习与自动化流程中真正把AI变成你的“10倍速”编程伙伴。1. 这篇文章真正要解决的问题从“随机对话”到“确定性输出”很多开发者对提示词的认知还停留在“问问题”的层面。这导致与AI协作时充满了不确定性这次生成的代码风格不错下次却漏洞百出同一个需求换种问法结果天差地别。这种随机性严重阻碍了AI工具在生产环境中的可靠集成。核心痛点缺乏结构化、可复用、高质量的提示词导致AI输出质量不稳定开发效率无法实现质的飞跃。本文要解决的问题正是认知升级揭示高质量提示词与普通指令的本质区别理解其背后的设计逻辑。实战拆解以“awesome-chatgpt-prompts”仓库为蓝本分类解析适用于开发者的核心提示词模板。能力迁移教你如何借鉴顶级模式为自己常用的AI工具如Cursor、Claude、ChatGPT定制专属的、高效的提示词。工程化落地探讨如何像管理代码一样管理你的提示词库实现团队协作与知识沉淀。无论你是想提升日常编码效率还是计划在项目中系统性地引入AI能力掌握提示词工程都是你的第一块也是最重要的一块敲门砖。2. 基础概念什么是提示词工程在深入“金矿”之前我们需要统一语言。提示词工程远不止是“把话说清楚”。2.1 提示词 vs. 系统提示词提示词通常指用户输入的指令或问题是单次对话的起点。系统提示词在对话开始前预先提供给AI模型的指令用于设定其角色、行为准则、输出格式和知识边界。它定义了AI的“人格”和“工作流程”。例如Claude.ai 会公开其系统提示词以此约束模型的行为使其更安全、更有帮助。2.2 提示词的核心要素一个高效的提示词通常包含以下部分并非全部必需但组合使用效果更佳角色设定你是一名经验丰富的全栈Java开发专家精通Spring Boot和微服务架构。任务目标请为以下需求设计一个RESTful API接口...上下文/约束我们使用的是Java 17Spring Boot 3.x项目已集成MyBatis-Plus。输出格式请先给出接口定义Controller层然后给出Service层方法签名最后给出对应的DTO和Entity类定义。使用代码块格式。示例例如对于用户查询需求你的输出结构应该是...思维链引导请逐步思考1. 分析需求中的实体和关系2. 设计数据库表结构3. 设计API端点...2.3 为什么“awesome-chatgpt-prompts”是金矿因为它系统地收集了满足以上要素的、经过验证的提示词模板。这些模板不是凭空想象的而是来自大量用户的真实需求与优化迭代直接解决了“不知道如何有效提问”的难题。3. 环境准备你的AI工具箱在开始“偷师”之前请确保你的“实验场”已经就绪。我们将使用最常见的工具进行演示。3.1 主流AI工具选择你可以选择任意一个或多个进行实践OpenAI ChatGPT最通用生态丰富。Anthropic Claude以长上下文、强推理能力和公开系统提示词著称在代码和文档处理上表现优异。Cursor或Claude Code专为开发者设计的AI编程IDE深度集成在编码环境中提示词技巧能直接提升编码效率。IDEA AI插件在JetBrains系列IDE中使用实现上下文感知的代码辅助。3.2 基础操作如何应用提示词模板直接复制粘贴将模板内容完整复制到AI聊天窗口。个性化修改替换模板中的[变量]如[编程语言]、[具体需求]。渐进式对话复杂的任务可以拆分成多轮对话基于AI的上文回复进行追问和细化。关键心态将AI视为一个需要清晰需求文档和操作手册的“超级实习生”。你的提示词就是这份文档。4. 核心流程拆解如何“偷学”顶级提示词打开“awesome-chatgpt-prompts”仓库你会发现提示词被分门别类。我们聚焦于对开发者最有价值的几类并拆解其设计模式。4.1 模式一角色扮演专家这是最经典且强大的模式。通过赋予AI一个具体的专家身份极大地约束和提升了其输出质量。仓库示例节选以“Linux终端”为例I want you to act as a linux terminal. I will type commands and you will reply with what the terminal should show. I want you to only reply with the terminal output inside one unique code block, and nothing else. do not write explanations. my first command is pwd.设计模式拆解清晰的角色指令act as a linux terminal。明确的交互规则I will type commands and you will reply with what the terminal should show。严格的输出格式only reply with the terminal output inside one unique code block, and nothing else. do not write explanations。即时示例my first command is pwd。开发者迁移应用创建你的“首席架构师”提示词。你是我团队的首席后端架构师精通高并发、高可用的分布式系统设计。我将描述一个业务场景你需要 1. 首先分析核心业务实体与流程指出技术挑战点。 2. 然后给出推荐的系统架构图用文字描述组件及其关系。 3. 最后针对核心服务给出关键的技术选型建议及理由。 请避免泛泛而谈聚焦于可落地的设计。你的输出应结构化、专业且简洁。 现在第一个场景是我们需要设计一个实时订单处理系统预计日订单量峰值100万要求99.99%可用性平均响应时间低于200毫秒。4.2 模式二结构化输出生成器强制AI按照特定格式JSON、XML、Markdown表格等输出便于后续的程序化处理或直接集成。仓库示例启发许多提示词要求输出为列表、大纲或特定标记语言。设计模式拆解定义输出结构明确要求格式如请以JSON格式输出包含以下字段...。提供Schema或示例对于复杂结构直接给出样例。禁止自由发挥不要添加任何JSON之外的说明文字。开发者迁移应用生成API接口文档草案。你是一个API设计助手。请根据下面的功能描述生成一个OpenAPI 3.0规范的YAML片段只描述单个API端点。 要求 - 包含 paths, components.schemas 等必要部分。 - 请求和响应体使用JSON Schema定义。 - 包含合理的错误码定义。 - 输出必须是纯YAML无需解释。 功能描述[这里是你的微服务中“用户登录”功能的详细描述包括请求参数、成功响应、失败情况等]4.3 模式三分步思维链引导对于复杂问题要求AI展示其思考过程这不仅能得到更可靠的答案本身也是一个学习工具。设计模式拆解引入思考框架让我们一步步来推理、请按照以下步骤分析。分解子问题将大问题拆解为有逻辑顺序的小问题。汇总结论基于逐步分析给出最终答案。开发者迁移应用代码调试与优化。我有一段 [编程语言] 代码它本应 [预期功能]但实际上却 [出现的错误或非预期行为]。代码如下 [代码块] 请你扮演一个调试专家按照以下步骤帮我解决问题 1. **代码静态分析**首先通读代码指出任何明显的语法错误、逻辑矛盾或不良实践。 2. **假设与验证**基于错误现象提出最可能的几种根本原因假设。 3. **定位与验证**告诉我如果每个假设成立我应该在哪里添加什么类型的日志或断点来验证 4. **修复建议**给出修复后的完整代码块并解释修改的原因。 请逐步输出你的分析。4.4 模式四上下文管理利用AI的长上下文能力进行多轮、复杂的对话构建一个“会话式开发环境”。设计模式拆解会话初始化在第一条消息中建立完整的上下文项目背景、技术栈、目标。增量式任务基于上文的输出提出更细化、更深层的任务。引用与修正根据你上面生成的第三点方案现在请详细实现其中的认证模块。开发者迁移应用在Cursor/Claude Code中开展一个功能开发会话。初始提示“在这个Spring Boot项目中我需要一个用户管理模块包含基本的CRUD和按名称查询功能。请先分析现有的项目结构特别是pom.xml和包结构然后为我创建必要的Entity, Repository, Service, Controller层文件。使用Lombok和MyBatis-Plus。”后续提示在AI生成代码后“很好。现在请为UserService的createUser方法添加业务逻辑校验检查邮箱是否已存在。同时为所有REST接口添加统一的响应封装使用Result类。请直接修改相关文件。”5. 完整示例构建一个“代码审查助手”提示词让我们综合运用以上模式创建一个可直接用于日常代码审查的强力提示词。# 角色与任务 你是一个严谨、细致的代码审查助手专注于 [Java/Go/Python/等] 代码质量。我将提供代码片段或Git Diff内容你需要从以下维度进行审查并以指定格式输出。 # 审查维度 1. **功能性**代码是否能正确实现需求是否存在边界条件错误 2. **安全性**是否存在SQL注入、XSS、CSRF、信息泄露、不安全的反序列化等风险 3. **性能**是否存在循环内复杂操作、N1查询、未使用索引、内存泄漏风险 4. **可读性与维护性**命名是否清晰函数是否过长建议不超过50行注释是否恰当代码结构是否清晰 5. **健壮性**异常是否被妥善捕获和处理空指针防御是否充分 6. **测试**代码是否易于单元测试是否引入了难以模拟的依赖 # 输出格式 请严格按照以下Markdown表格格式输出审查结果 | 类别 | 问题级别 | 位置 | 具体问题描述 | 修改建议 | | :--- | :--- | :--- | :--- | :--- | | (例如安全性) | (高危/中危/低危/建议) | (文件名:行号) | (清晰描述问题) | (给出具体的代码修改建议或最佳实践) | **总结与总体评分**[用1-2句话总结代码整体质量并给出一个粗略的评分如良好 (7/10)需关注安全性和异常处理] # 规则 - 只审查我提供的代码不要假设未提供的上下文。 - 问题描述要具体避免“代码不好”这类模糊评价。 - 修改建议要具备可操作性最好能给出修改后的代码样例。 - 如果代码整体优秀也请指出亮点。 # 现在开始审查 以下是我要审查的代码 java // 示例一个存在问题的Java方法 public User getUserById(String id) { String sql SELECT * FROM users WHERE id id; // ... 执行查询并返回 }**将这个提示词保存到你的笔记或提示词管理工具中**。下次进行代码审查时只需替换最后一部分的代码内容即可。AI会输出一个结构化的审查报告极大提升审查效率和深度。 ## 6. 运行结果与效果验证 使用上述“代码审查助手”提示词针对提供的简易Java代码我们预期会得到类似下表的输出 | 类别 | 问题级别 | 位置 | 具体问题描述 | 修改建议 | | :--- | :--- | :--- | :--- | :--- | | 安全性 | **高危** | (示例代码:2) | 存在严重的SQL注入漏洞。直接拼接用户输入 id 到SQL语句中。 | 必须使用参数化查询PreparedStatement或ORM框架的命名参数。修改为String sql SELECT * FROM users WHERE id ?; 然后使用 PreparedStatement.setString 设置参数。 | | 可读性与维护性 | 建议 | (示例代码:1) | 方法名 getUserById 是合适的但变量名 sql 过于通用。 | 建议将变量名改为更具描述性的名称如 querySql或在更复杂的场景下将此SQL语句提取到常量或配置文件中。 | | 健壮性 | 中危 | (示例代码:1) | 未对输入参数 id 进行空值或格式校验。如果 id 为null或空字符串会导致运行时错误或非预期查询。 | 在方法开始处添加校验if (id null || id.trim().isEmpty()) { throw new IllegalArgumentException(User ID cannot be null or empty); } | **总结与总体评分**这段代码存在严重的安全漏洞是必须修复的。整体质量较差 (3/10)在投入生产环境前必须优先解决SQL注入问题并补充输入校验。 **如何验证提示词效果** 1. **准确性**检查AI指出的问题是否真实存在且描述准确如SQL注入。 2. **全面性**对比自己人工审查看AI是否覆盖了主要维度安全、性能、健壮性等。 3. **可操作性**修改建议是否具体、可行能否直接指导开发修改。 4. **格式一致性**输出是否严格遵守了你要求的表格格式便于阅读和归档。 ## 7. 常见问题与排查思路 在实践提示词工程时你可能会遇到以下问题 | 问题现象 | 可能原因 | 排查方式 | 解决方案 | | :--- | :--- | :--- | :--- | | AI输出不符合指定格式如未按表格输出 | 1. 格式指令不够清晰或强硬。br2. 任务过于复杂AI“忘记”了格式要求。br3. 上下文过长早期指令被稀释。 | 1. 检查提示词中关于格式的指令是否放在显眼位置使用了“必须”、“严格”等词。br2. 简化单次任务或要求AI先确认理解格式。 | 1. 强化格式指令例如“**你必须**以Markdown表格形式输出表头为...”。br2. 将复杂任务拆解分步请求每一步都重申输出格式。br3. 在对话中途如果发现偏离可以发送指令“请严格遵守最初的输出格式要求。” | | AI扮演角色不彻底如“专家”却输出基础内容 | 1. 角色定义不够具体。br2. 缺乏该角色应有的上下文或任务细节。 | 1. 检查角色描述是否包含了专业领域、经验水平等具体标签。br2. 看任务描述是否足够“专家级”。 | 1. 细化角色例如从“开发专家”改为“拥有10年分布式系统经验、精通Java和Go的架构师”。br2. 在任务描述中使用专业术语并设定符合专家水平的预期输出。 | | AI生成代码存在逻辑错误或无法运行 | 1. 上下文约束不足如未指定库版本、框架。br2. AI的“知识截止”问题不了解最新API。br3. 提示词未要求AI“思考”或“检查”。 | 1. 检查是否提供了完整的技术栈和版本信息。br2. 询问AI是否了解你使用的特定技术的最新版本。 | 1. 在提示词中明确环境本项目使用 Spring Boot 3.1.5 JDK 17。br2. 要求AI进行“思维链”输出或自我验证“请先解释实现逻辑再给出代码。”或“请检查你生成的代码中是否有语法错误或逻辑矛盾。” | | 在多轮对话中AI丢失了之前的设定 | 1. 上下文长度限制早期信息被“挤出”。br2. 新问题与旧设定冲突AI被“带偏”。 | 观察是在对话多少轮后开始出现偏离。 | 1. 对于超长对话定期在关键节点重申核心规则和角色。br2. 使用支持“系统提示词”或“永久记忆”功能的工具如某些API调用或Claude的上下文记忆。 | | 提示词对某个模型有效对另一个无效 | 不同模型如GPT-4、Claude 3、DeepSeek对指令的理解和遵循能力有差异。 | 用同一个提示词在不同模型上测试对比输出差异。 | 针对不同模型微调提示词。通常更具体、更结构化的提示词通用性更好。Claude可能对XML格式更友好GPT-4对复杂推理更强。 | ## 8. 最佳实践与工程化建议 将提示词的使用从“临时起意”升级为“系统工程”能带来长期的效率红利。 ### 8.1 建立个人或团队的提示词库 * **工具选择**使用Notion、Obsidian、飞书文档等支持模板和搜索的工具。 * **分类管理**按场景分类如 开发/代码生成、开发/代码审查、运维/脚本编写、学习/概念解释、写作/技术文档。 * **版本与迭代**像对待代码一样记录提示词的版本和修改历史。标注哪些提示词对哪个模型GPT-4, Claude 3效果最好。 ### 8.2 设计可复用的提示词模板 * **参数化**将模板中需要经常变化的部分用 {{}} 或 [] 标记为变量。例如请为 {{功能名}} 编写一个 {{语言}} 函数要求 {{具体要求}}。 * **模块化**将复杂的提示词拆分成基础角色模块、任务模块、输出格式模块可以像搭积木一样组合。 ### 8.3 集成到开发工作流 * **IDE集成**在Cursor或VS Code中将常用提示词保存为代码片段或自定义指令。 * **CI/CD管道**考虑使用AI进行自动化代码审查需谨慎评估。可以编写脚本将Git Diff内容通过API发送给AI模型获取初步审查意见作为参考。 * **文档生成**使用定制提示词根据代码注释或接口定义批量生成或更新API文档。 ### 8.4 安全与合规红线 * **绝不泄露敏感信息**提示词中切勿包含API密钥、密码、内部IP、商业秘密、未公开的源代码。 * **审查生成内容**AI生成的代码、配置或建议必须经过人工审查和测试后才能应用于生产环境。AI可能产生“幻觉”编写出看似合理但错误的代码。 * **遵守最小权限原则**如果通过API调用AI服务使用具有最小必要权限的API密钥。 ## 9. 总结与进阶方向 通过系统性地研究“awesome-chatgpt-prompts”这类顶级资源并实践本文拆解的设计模式你应当已经掌握了从“AI用户”到“AI工程师”转变的关键技能——提示词工程。你不再是在黑暗中摸索而是拥有了设计高效、可靠人机协作流程的蓝图。 **下一步你可以向这些方向深入探索** 1. **Agent与工作流**学习如何设计多个提示词让AI串联起来完成一个复杂的工作流例如分析需求 - 生成设计 - 编写代码 - 生成测试 - 编写文档。 2. **提示词优化与评测**如何定量或定性地评估一个提示词的好坏如何通过A/B测试迭代优化你的提示词 3. **程序化调用**学习使用OpenAI API、Anthropic API等将提示词集成到你自己的应用程序或自动化脚本中实现真正的AI赋能业务。 4. **领域特定提示词**为你所在的特定技术栈如Spring Cloud Alibaba、Kubernetes、数据科学或业务领域如电商、金融风控构建专属的、深度的提示词库。 提示词是驾驭大模型时代的“编程语言”。掌握它意味着你不仅能使用AI工具更能定义和创造与AI协作的新模式。现在就从将文中的“代码审查助手”提示词应用到你的下一个Pull Request开始吧。 30款热门AI模型一站整合DeepSeek/GLM/Claude 随心用限时 5 折。 [点击领海量免费额度](https://taotoken.net/models/detail/chat?modelIddeepseek-v4-proutm_sourcett_blog_mr)
