摘要：用AI编程工具，就好比跟一个特别务实、脑子里装了一堆代码知识的学霸朋友聊天。你得把你的目标说得清清楚楚，还要手把手带他搞明白你到底想干啥。不然，他可能会给你一堆稀里糊涂的答案，浪费你时间。下面是几条“忽悠”AI给你干活的秘诀，保管让它听话！
跟AI编程工具聊天，就像哄个“超级实际”的学霸朋友
用AI编程工具，就好比跟一个特别务实、脑子里装了一堆代码知识的学霸朋友聊天。你得把你的目标说得清清楚楚，还要手把手带他搞明白你到底想干啥。不然，他可能会给你一堆稀里糊涂的答案，浪费你时间。下面是几条“忽悠”AI给你干活的秘诀，保管让它听话！
1. 把背景Context故事讲得跟小说一样详细
AI这家伙，啥也不知道，除非你告诉它！所以，写提示的时候得像讲故事一样，把背景交代得明明白白。比如，你得告诉它你用啥编程语言（Python？JavaScript？），用啥框架（React还是Vue？），甚至具体到哪个函数或代码出了问题。如果代码报错，记得把错误信息原封不动甩给它，再加一句“这个代码本来是想干啥的”。
举个栗子：别光说“我的代码咋坏了？”，得写：“我有个Node.js的Express函数，本来想通过ID查用户，结果抛了个TypeError，烦死了！这是我的代码和错误信息：（贴代码）。”你多给点“剧透”，AI少猜点心思，答案就靠谱得多！
2. 别含糊，直接说你想要啥
含糊的问题，换来的是含糊的答案。别问“我的代码为啥不灵？”这种抓瞎的问题，得具体点！比如：“这个JavaScript函数本来应该返回排序好的数组，结果老是undefined，代码在这儿（贴代码），你帮我看看咋回事？怎么修？”或者，“我这个排序函数跑10万个数据太慢了，咋优化速度？”
神句公式：用这个套路准没错——“我的代码应该干[想干的事]，但给[输入例子]时，它干了[现在的烂事]。错哪儿了？” 这样AI就能秒懂你的痛点，直奔主题解决问题。
3. 大任务拆成小块，慢慢来
想让AI帮你写个超级复杂的功能？别一股脑儿把所有要求塞一个提示里！那就像让AI一口气吃下整个汉堡，容易噎着。聪明点，把任务拆成小块，慢慢喂。比如：“先给我搭个React组件的框架，再加状态管理，最后连上API。”一步步来，AI的回答会更靠谱，你也更容易检查。
为啥这样好：这就像你搭乐高，先搭个底盘，再加轮子，最后装车顶。AI每次只专心干一件事，答案就不会乱七八糟。你还能边看边改，像个导演喊“卡！重来！”。
4. 举个例子，AI秒懂你的心
想让AI明白你想要啥？给个例子！比如：“我输入数组[3,1,4]，函数得吐出[1,3,4]。”这就像给AI画个靶子，它就知道往哪儿射箭了。没例子，AI可能瞎猜，给你个奇奇怪怪的结果。就像教小弟干活，你得先示范一遍：“看，我是这样用的，你照着来！”
术语小彩蛋：这招叫“少量提示”（few-shot prompting），就是给AI看个模板，让它照着模仿。哪怕就一个例子，也能让AI少走弯路。
5. 让AI“扮演”牛人，效果翻倍
想让AI的回答更专业？给它安个“角色”！比如：“你现在是React界的超级大佬，帮我检查这段代码的bug。”或者“你是JavaScript性能优化大师，帮我把这个函数跑得飞快！”AI一听自己是大佬，立马端正态度，给你整出高水平的建议。
真实案例：有人让AI“扮演JavaScript错误处理专家”，结果AI不仅修了bug，还顺便教了一堆错误处理的骚操作！所以，角色扮演这招，简直是AI的“变身开关”。
6. 跟AI聊着聊着改，答案越来越靠谱
别指望AI一上来就给你完美答案！它就像个实习生，初稿可能有点糙。你得像个老司机，边看边指导。比如，AI给的代码用递归，你不喜欢？就说：“哥们，换成循环试试！”或者“不错，再把变量名改得好听点，加点注释！”AI会记住你们聊天的上下文，慢慢被你调教得服服帖帖。
小秘诀：把AI当伙伴，耐心点，几次调整后，它就能给你想要的完美代码。
7. 代码写得清楚，AI才不迷糊
最后一条，虽然有点像“老妈的唠叨”，但真重要！你的代码得写得清楚，变量名得有意义，格式得整齐，最好再加点注释。AI就像个超级细心的实习生，会从你的代码里“偷学”你的风格。你代码乱糟糟，AI也容易懵，给你个乱七八糟的建议。反过来，你代码整洁，AI也会照着你的路子走，答案更靠谱。
调试代码：让AI当你的“代码侦探”
调试代码是AI的拿手好戏！它就像个会说话的小黄鸭，不仅听你吐槽，还能帮你找bug。但你得学会怎么“使唤”它。
1. 把问题讲得跟讲故事一样清楚
别说“我的代码崩了，咋办？”得说：“我的JavaScript函数本来要算数组[1,2,3]的总和，结果吐了个NaN（不是数字）。代码在这儿（贴代码），你看看哪儿错了？”把语言、错误信息、代码、想干啥、实际干了啥，全交代清楚。AI就能像福尔摩斯一样，直奔问题核心。
2. 复杂问题，让AI“一步步”查
要是bug藏得深，没报错但结果不对，你可以让AI“慢动作回放”代码。比如：“一行一行过这个函数，告诉我total值咋变的，逻辑哪儿崩了？”AI会像个调试器，给你讲每一步干了啥，帮你揪出问题。这招超适合找那种“阴险”的逻辑错误。
3. 给AI最小“犯罪现场”
你的代码库可能有几百行，但bug可能就藏在10行里。试着把问题精简到最小的代码片段，照样能复现错误。比如：“这10行代码（贴代码）也会抛TypeError，帮我看看为啥？”这不仅让AI少费脑子，你自己也可能在精简时灵光一闪，发现问题！
4. 问得精准，还得追问
给足背景后，直接问：“这bug咋来的？咋修？”AI答得不爽？追问！比如：“你修的代码看着行，能再给个例子证明它没问题吗？”或者“为啥这改动能解决？讲讲呗！”AI会接着聊，给你更细的解释。就像跟个耐心老师讨教，追问到懂为止！
举个栗子：
烂提示：“我的mapUsersById函数咋不灵？”
AI可能答：“呃，数组是不是空的？用户有id吗？”（废话一堆，没用！）
好提示：“我有个JavaScript函数mapUsersById，想把用户数组转成按ID查找的Map。但跑[{id: 1, name: 'Alice'}]时，抛了TypeError: 无法读取undefined的‘id’。代码在这儿（贴代码）。它应该返回{ '1': {id: 1, name: 'Alice'} }。哪儿错了？咋修？”
AI答：“你循环里用i
为啥好：给了语言、代码、错误、输入输出，AI直接找到bug，还给了解决方案！
重构代码：让AI帮你把“破车”改成“跑车”
重构代码就是把你的“破旧代码”改得又快又漂亮，但功能不变。AI在这块儿很强，但你得告诉它“漂亮”是啥意思。
1. 说清楚你想咋“改车”
别光说“重构这代码”，得讲明白你想要啥：更好看？更快？还是更符合语言习惯？比如：“把这函数重构得更好读，少点重复，变量名起得帅点！”或者“这个算法跑10万数据太慢，优化下速度！”AI知道目标后，才能给你想要的改动。
2. 给足代码背景Context
贴上要改的代码，最好再讲讲它在项目里干啥。比如：“这是个React组件（贴代码），想改成用Hooks，项目用的是Next.js 14。”AI会照着你的框架和风格改。要是代码有特殊要求（比如不能用某些新语法），也得说：“我们用Node.js v14，别用太新的API。”
3. 让AI解释改动，学点新招
AI不仅能帮你把代码改得又快又帅，还能顺便当你的编程老师！告诉它：“重构完代码，给我讲讲你改了啥，咋改的，为啥这样更好？” 它会给你一份“改车报告”，比如：“我把两个重复的循环合并成一个，省事儿！还加了个字典，查找速度从乌龟爬变火箭飞！” 看它的解释，就像看了一场“代码改装秀”，你能学到新招，还能检查它有没有偷懒。要是解释里有点不对劲，立马喊：“喂，这改得不对啊，重新来！”
4. 让AI扮演“改车大师”
想让AI改得更牛？给它封个“大师”称号！比如：“你现在是TypeScript界的改装大师，把这段代码改得符合最新潮流，最佳实践！” AI一听自己是大佬，立马抖擞精神，给你整出高大上的代码，可能是把循环改成一行数组方法，或者加个超炫的类型注解！再比如：“你是个Python老司机，像教小弟一样，帮我把这代码改得简洁，还得加文档注释！” AI可能会把循环换成集合操作，代码从“拖拉机”秒变“超跑”，还附上解释：“集合去重，速度快到飞起！”
真实案例：有人让AI扮演“Python性能专家”，结果AI把一个循环改成了一行集合操作，速度提升十倍，还附赠了文档字符串，简直是改装界的“法拉利”！
重构栗子：
假设你有个Node.js函数，干活是干了，但代码长得像“破旧三轮车”，重复、乱、慢。代码是这样的：
javascript
这代码问题一大堆：抓数据的逻辑重复得像复读机，错误信息含糊得像猜谜，合并数据的循环慢得像乌龟爬。
咱来试试两种提示，看AI咋改装：
烂提示：“把getCombinedData函数重构一下。”
AI可能答：
AI解释：“我把抓用户和订单改成同时跑，速度快了！错误处理合并成一句，订单用字典分组，合并数据更简洁，可能也更快。”
分析：这改得还行，AI把抓数据的活儿并行干了，用字典加速查找，还把循环改成map，挺帅！但为啥这提示算“烂”？因为你没说清楚想改啥，AI全凭自己猜！它假设你想提速（并行抓数据是不错，但万一并行不安全呢？），还把错误信息合并成一句，丢了“哪个抓失败”的细节。AI改得不错是运气好，但这种“自由发挥”风险大，复杂代码可能改偏了！
好提示：“重构getCombinedData函数，目标是：
(1) 去掉抓用户和订单的重复代码，弄个辅助函数或一起抓。
(2) 如果可以，两个列表同时抓。
(3) 保留单独的错误提示，告诉我是用户还是订单抓失败了。
(4) 优化合并数据，用高效的查找结构代替嵌套循环。给改好的代码，加注释解释改了啥。”
AI答：
javascriptasync function getCombinedData(apiClient) {// 1. 并行抓用户和订单，提速const [usersResponse, ordersResponse] = await Promise.all([apiClient.fetch('/users'),apiClient.fetch('/orders')]);// 2. 单独检查错误，哪个崩了说清楚if (!usersResponse.ok) {throw new Error('抓用户失败了！');}if (!ordersResponse.ok) {throw new Error('抓订单失败了！');}// 3. 并行解析JSON，效率再加点const [users, orders] = await Promise.all([usersResponse.json,ordersResponse.json]);// 4. 用reduce建订单字典，查找快如闪电const ordersByUser = orders.reduce((map, order) => {if (!map[order.userId]) {map[order.userId] = ;}map[order.userId].push(order);return map;}, {});// 5. 用map合并数据，简洁又高效return users.map(user => ({user,orders: ordersByUser[user.id] || // 没订单就给空数组}));}改动解释：
并行抓取：用Promise.all同时抓用户和订单，速度翻倍（目标1、2）。
错误分开：单独检查usersResponse和ordersResponse，哪个崩了都知道（目标3）。
JSON并行：JSON解析也用Promise.all，小提速。
高效合并：用reduce建了个ordersByUser字典，一次分组，查找快到飞起，O(1)速度（目标4）。
分析：这改装得满分！代码又快又简洁，错误信息清楚，字典查找秒杀嵌套循环。AI严格按你的目标改，每条要求都命中，还加了注释解释得明明白白。你再追问：“不错，但能不能再加个日志记录错误？”AI就能接着完善。精准提示就是牛，AI直接给你想要的跑车！
其他改装小技巧：
分步改：代码太复杂？先改可读性（命名、拆函数），再优化算法，一步步来，稳！
问方案：AI改的不爽？问：“能不能用函数式风格重构？不用循环，用数组方法！” AI会给你个新玩法。
学新招：AI用了reduce建字典？让它解释：“为啥reduce牛？教教我！” AI会给你讲个小教程。
验证：改完跑测试！AI可能不小心搞错啥，比如忘了日志。你得检查，必要时让AI写测试用例。
写新功能：让AI帮你造辆“新车”
AI还能帮你从零开始造新功能，比如写个React组件或Express API端点。开放式任务最刺激，但得引导AI别跑偏。咋做？
1. 先画蓝图，再细化
先用大白话说你想造啥，拆成小块。比如想加个搜索栏：“我想在React应用里加个搜索功能，按名字过滤产品，产品从API来。” AI可能给你个计划：1. 加搜索框；2. 存搜索状态；3. 按查询过滤；4. 不区分大小写。
计划ok后，逐个提示：“先做个SearchBar组件，带输入框更新searchQuery状态。”再“给searchQuery和产品数组，过滤产品（不区分大小写，按名字）。” 分块干，AI答案更靠谱，你也好检查。
2. 给AI看“老车”参考
项目里有类似功能？秀给AI看：“这是UserList组件（贴代码），照这风格做个带搜索的ProductList组件。” AI会模仿你的代码风格，保持项目一致性。提下框架和习惯：“我们用Redux管状态，把搜索状态加到Redux里。” AI会按Redux模式写。
3. 用注释当“内联提示”
在代码里写注释，AI秒懂！比如：
javascript
// TODO: 验证请求有姓名和邮箱
AI会补上验证代码。这就像给AI递了个小纸条，告诉它下一步干啥。
4. 给输入输出例子
想让AI写个函数？给例子：“formatPrice(2.5)得返回‘$2.50’。” 或者“Express中间件，GET /users得在控制台打‘GET /users’。” 例子就是AI的“导航仪”，没它AI可能跑偏。
5. 不满意？加细节再来
AI写的代码不爽？别急，改提示！比如：“你用了递归，我想要循环，改改！”或“用Hooks重写，别用类组件，我们全是函数式！” 再加约束：“函数复杂度得是O(n)，数据量大。” 迭代几次，AI就能造出你心目中的“超跑”。
现代场景：Next.js电商状态管理
烂提示：“给我的Next.js电商应用建状态管理。”
好提示：我在用Next.js 14建电商应用，需设计状态管理架构。需求：
组件：
产品列表（要：产品数组、过滤器、分页）
购物车（要：商品、总计、送货信息）
用户认证（要：用户资料、认证状态、偏好）
实时通知（要：提示消息、错误状态）
技术限制：
Next.js 14，应用路由器+服务器组件
TypeScript严格模式
服务器端数据抓取（为SEO）
客户端交互（购物车/用户操作）
状态需在导航时保留
选项：
各领域用Zustand存储（购物车、认证、通知）
React Query/TanStack Query管服务器状态+Zustand管客户端
一家Zustand店，带切片
请给推荐架构，带代码示例，展示咋建存储和Next.js App Router整合。
为啥好：真实场景，技术栈清清楚楚，需求列得明明白白，要架构还得有代码，AI能给精准方案！
总结：跟AI“愉快玩耍”的秘诀
用AI编程就像跟个聪明但有点轴的学霸朋友合作。你得把目标讲得跟讲故事一样清楚，拆任务、给例子、设角色、反复调教，代码得整洁。调试时，AI是你的“福尔摩斯”，帮你找bug；重构时，AI是“改装大师”，把破车变跑车；写新功能时，AI是“造车厂”，帮你从零建新车。只要提示够精准，AI就能给你想要的“超跑”代码！
常见的提示反模式以及如何避免它们
并非所有提示都生而平等。到目前为止，我们已经看到了许多有效提示的例子，但识别反模式——导致AI响应不佳的常见错误——同样具有指导意义。
以下是一些常见的提示失败及其解决方法：
反模式：模糊的提示。
这是典型的“它不起作用，请修复它”或“写一些可以执行 X 的操作”而没有足够的细节。我们看到了一个例子，当问题“为什么我的功能不起作用？”得到了一个无用的答案时。模糊的提示迫使人工智能猜测上下文，并经常导致通用建议或不相关的代码。解决方法很简单：添加上下文和细节。如果你发现自己问了一个问题，而答案感觉像一个魔术 8 球响应（“你试过检查 X 吗？”），请停止并使用更多细节（错误消息、代码摘录、预期结果与实际结果等）重新构建你的查询。一个好的做法是阅读你的提示并问：“这个问题可以应用于几十种不同的场景吗？”如果是，那么它太模糊了。使其非常具体，以至于它只能适用于你的场景。
反模式：过多的提示。
这与问题相反：要求AI同时执行太多操作。例如，“生成一个完整的Node.js应用，包含身份验证、React前端和部署脚本”。或者规模更小的“修复这5个错误，并一次性添加这3个功能”。AI可能会尝试执行，但结果可能会混乱不清或不完整，或者它可能会忽略请求的某些部分。即使它解决了所有问题，响应也会很长且更难验证。解决办法是拆分任务。确定优先级：正如我们之前强调的那样，一次只做一件事。这使得更容易发现错误并确保模型保持专注。如果您发现自己在编写的段落中包含多个“和”，请考虑将其拆分为单独的提示或连续的步骤。
反模式：遗漏问题。
有时用户会提供大量信息，但从未明确提出问题或说明他们的需求。例如，直接输出一大段代码片段，只说“这是我的代码”。这会让 AI 感到困惑——它不知道你想要什么。务必包含明确的要求，例如“找出上述代码中的错误” 、“解释此代码的作用”或“完成代码中的待办事项” 。提示应该有目的。如果仅提供文本而没有问题或说明，AI 可能会做出错误的假设（例如总结代码而不是修复它等）。确保 AI 知道你为什么向它展示这些代码。即使是简单的补充，“这段代码有什么问题？”或“请继续实现此功能”，也能为它指明方向。
反模式：模糊的成功标准。
这是一个微妙的问题——有时你可能会要求优化或改进，但你没有定义成功是什么样子。例如，“让这个函数运行得更快”。以什么指标来衡量更快？如果人工智能不知道你的性能限制，它可能会对一些无关紧要的事情进行微优化，或者使用理论上更快但实际上可以忽略不计的方法。或者“让这段代码更简洁” ——“更简洁”是一个主观问题。我们通过明确说明目标来解决这个问题，例如“减少重复”或“改进变量名”等。解决方法：量化或限定改进。例如，“优化这个函数以线性时间运行（当前版本是二次的）”或“重构它以删除全局变量并使用类代替”。基本上，要明确说明你用重构或功能要解决什么问题。如果你把它留得太宽，人工智能可能会解决与你关心的问题不同的问题。
反模式：忽略 AI 的澄清或输出。
有时，AI 可能会回应一个澄清问题或假设。例如：“您使用的是 React 类组件还是功能组件？”或“我假设输入是一个字符串 - 请确认。”如果您忽略这些问题并只是重申您的请求，那么您就错过了改进提示的机会。AI 发出信号，表明它需要更多信息。务必回答它的问题或改进您的提示以包含这些详细信息。此外，如果 AI 的输出明显不对（例如它误解了问题），请不要逐字逐句地重试相同的提示。花点时间调整您的措辞。也许您的提示中有一个模棱两可的短语或遗漏了一些重要内容。把它当作一次对话 - 如果人类误解了，您会用不同的方式解释；对 AI 也这样做。
反模式：风格多变或不一致。
如果您不断更改提问方式或一次性混合使用不同的格式，模型可能会感到困惑。例如，在指令中在第一人称和第三人称之间切换，或者将伪代码与实际代码混淆，造成混淆。请尽量在单个提示中保持一致的风格。如果您提供示例，请确保它们清晰地划分（使用 Markdown 的三个反引号表示代码，使用引号表示输入/输出示例等）。一致性有助于模型正确解析您的意图。此外，如果您有偏好的风格（例如，ES6 和 ES5 语法），请始终如一地提及它，否则模型可能会在某个提示中建议一种方式，而在之后又建议另一种方式。
反模式：像“上面的代码”这样含糊不清的引用。
聊天时，如果你说“上面的函数”或“之前的输出”，请确保引用清晰。如果对话很长，而你又说“重构上面的代码”，AI 可能会跟不上或选择错误的代码片段进行重构。更安全的做法是再次引用代码，或者明确指出你想要重构的函数。模型的注意力窗口有限，虽然许多 LLM 可以引用对话的先前部分，但再次提供明确的上下文可以帮助避免混淆。如果代码显示后已经过了一段时间（或多条消息），这一点尤其重要。
最后，当出现问题时，这里有一个重写提示的策略方法：
识别 AI 的响应中缺失或错误之处。它是否解决了其他问题？它是否产生了错误或不合适的解决方案？例如，也许你要求用 TypeScript 编写解决方案，但它却给出了纯 JavaScript 代码。或者，当你明确需要迭代解决方案时，它却编写了递归解决方案。找出差异所在。
在新的提示中添加或强调该要求。您可以说：“解决方案应该使用 TypeScript，而不是 JavaScript。请包含类型注释。”或者，“我提到过我想要一个迭代解决方案——请避免使用递归，而使用循环。”有时，在提示中使用“注意：”或“重要：”之类的短语有助于突出关键约束（模型没有情感，但它会将某些措辞视为重要性）。例如：“重要提示：请勿为此使用任何外部库。”或“注意：代码必须在浏览器中运行，因此没有特定于 Node 的 API。”。
如有需要，请进一步细分请求。如果人工智能反复无法完成复杂的请求，请尝试先提出一个较小的部分。或者提出一个可能有助于理解情况的问题：“你明白我说的 X 是什么意思吗？”然后，模型可能会解释它认为你的意思，如果解释错了，你可以纠正。这就是元提示——讨论提示本身——有时可以解决误解。
如果讨论陷入僵局，可以考虑重新开始。有时，经过多次尝试后，对话可能会变得混乱。这时，可以尝试重新开始（或暂时清除聊天记录），并根据之前的失败经验，重新设计一个更精细的问题。模型不介意重复，而全新的上下文可以消除之前消息中积累的困惑。
通过了解这些反模式及其解决方案，您将能够更快地动态调整提示。对于开发人员来说，提示工程在很大程度上是一个迭代的、反馈驱动的过程（就像任何编程任务一样！）。好消息是，您现在的工具箱里有很多模式和示例可供借鉴。
结论
提示工程既是一门艺术，也是一门科学——正如我们所见，它正迅速成为使用 AI 代码助手的开发者的必备技能。通过编写清晰、上下文丰富的提示，你实际上可以教会AI 你所需的内容，就像你引导人类团队成员或向同事解释问题一样。
原文：
来源：解道Jdon