网址
Caption
type
date
slug
summary
tags
category
icon
password
Post URL
Platforms
Notionsocial
Time
Likes
First Comment
Media
Views
Comments
Status
status
大家好，我是易安，AI超级个体，大厂程序员二孩奶爸。作为一名资深后端程序员，2023年开始深度使用各类AI工具以来，我发现prompt编写的技巧对于AI工具的使用效果有着决定性的影响。今天，我想结合自己在实际项目中的经验，分享一套我总结出的实用prompt框架，帮助大家更好地驾驭AI工具。
点击下方👇关注我，一起AI破局！
易安说AI
一、从程序员视角看prompt框架
在编写代码时，我们习惯将复杂的问题拆解成可管理的模块。同样的思路也适用于prompt的编写。经过大量实践，我总结出了一个"四段式"prompt框架：
- 角色定义(Role)：让AI知道它是谁
在我早期使用AI时，常常直接抛出问题。但随着经验积累，我发现给AI明确的角色定位能大幅提升输出质量。这让我想起在写面向对象程序时，为类定义生明 interface的重要性。
以我最近做的一个代码重构项目为例，当我需要AI帮我重构一段复杂的遗留代码时，我会这样定义角色：
- 问题描述(Task)：讲清楚你要做什么
作为程序员，我们都知道需求描述的重要性。同样，向AI清晰地描述问题也至关重要。我的经验是：把复杂的问题拆解成多个子任务，就像我们拆分一个大型功能一样。
例如，当我要让AI帮我开发一个新功能时，我会这样描述：
- 我需要开发一个用户注册功能，包含以下子任务： 设计用户注册的数据模型 实现注册表单的验证逻辑 设计防机器人注册的策略 处理敏感信息的加密存储
- 目标设定(Goal)：明确期望输出
在实际项目中，我发现给AI设定明确的目标，就像给团队成员设定清晰的OKR一样重要。这不仅能提高AI输出的准确性，还能避免无效的来回沟通。
我通常会这样设定目标：
- 请你帮我实现这个功能，需要达到以下目标： 代码遵循SOLID原则 包含完整的单元测试 提供详细的API文档 考虑性能和安全性
- 补充要求(Requirements)：细化输出规范
作为一名有代码洁癖的程序员，我特别注重输出的规范性。在使用AI的过程中，我发现明确的补充要求能让输出更加规范和可用。这就像我们制定团队的代码规范一样重要。
比如当我要AI生成技术文档时，我会这样补充要求：
- 请遵循以下输出规范： 使用Markdown格式 每个代码示例都需要包含注释 关键步骤配截图说明 文档结构需包含：背景、步骤、注意事项、常见问题
二、使用RAG提升AI输出质量
在实际项目中，我发现单纯依赖AI的基础知识是不够的。这让我想到了我们在开发中经常使用的缓存机制 - 通过预加载数据来提升响应速度。对AI来说，我们同样可以通过预先提供相关上下文来提升输出质量。
- 建立知识库：为AI提供专业支撑
在我的实践中，我会为不同的项目建立专门的知识库。这些知识库通常包含：
- 项目的技术文档和架构设计
- 团队积累的最佳实践
- 常见问题的解决方案
- 项目特有的业务规则
这就像我们维护项目的wiki系统，确保团队成员都能获取到必要的知识背景。
- 优化示例(Few-shot)：用案例引导AI
作为技术人，我特别理解"show me the code"的重要性。在使用AI时，我发现提供优质的示例能显著提升输出质量。
以API文档生成为例，我会这样构建示例：
- 参考示例： GET /api/users/{id} 描述：获取指定用户信息 参数： id: 用户ID，必填，整数类型 返回值： 200: 成功返回用户信息 404: 用户不存在 500: 服务器错误
- 构建长期记忆：让AI更懂你的项目
在持续和AI协作的过程中，我逐渐形成了一套"记忆管理"机制。我会将项目中的重要决策、架构演进、特殊处理等信息整理成上下文信息，在需要时提供给AI。
比如在讨论代码优化时，我会这样提供背景：
- 背景信息： 我们的项目使用Spring Boot 2.7.x版本 数据库使用MySQL 8.0，已建立分库分表 目前面临的性能瓶颈主要在数据查询层面 缓存使用Redis集群部署
三、我的实践心得
- 技巧分享
在过去两年的实践中，我总结出几个实用技巧：
a) 控制模型温度
- 生成代码时，我会将temperature设置为0.2，保证输出的稳定性
- 需要创意方案时，我会将temperature调高到0.8，获取更多可能性
b) 分步骤引导 当遇到复杂问题时，我会让AI先列出解决步骤，再逐步展开。这种方式特别适合系统设计类的问题。
- 踩坑经验
作为一个经常使用AI的开发者，我也踩过不少坑：
a) 代码生成陷阱
- AI生成的代码可能存在编译问题
- 依赖版本可能不兼容
- 安全处理可能不完善
解决方案：我会让AI生成单元测试，并明确要求处理异常情况。
b) 上下文限制 在长对话中，AI可能"忘记"之前的重要信息。我的解决方法是：
- 关键信息重复强调
- 重要上下文定期复述
- 复杂对话分成多个小session
- 未来展望
作为一名技术人，我认为AI不是替代品，而是强大的助手。它能帮我们：
- 快速实现功能原型
- 优化重构现有代码
- 生成技术文档
- 进行代码审查
但关键的架构决策、业务理解、创新设计仍需要我们的专业判断。
结语
AI提示词之路，既需要技术功底，也需要持续实践和总结。希望我的经验分享能帮助更多同学更好地驾驭AI工具。如果你也在实践中有独特的心得，欢迎在评论区交流讨论。
我是易安，一个热爱钻研也热爱分享的程序员。如果你对AI也感兴趣，欢迎关注我，一起探讨更多技术话题。我每天都会分享最新的AI工具和实践心得，下期见！
- Author:易安
- URL:http://preview.tangly1024.com/article/25ded26c-0da0-812d-9c02-f011ea1b4d9d
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
