1.指令要明确直白
AI听不懂"言外之意"，别指望它猜你的想法，直接说清楚需求就行，用简单的语言把目标讲透。
小技巧:用"撰写"、"分析"、"生成"、"创建"这类直接的动词开头，跳过铺垫直奔主题，明确说明输出要包含什么，以及对质量、深度的要求。
2.提供背景和动机
跟AI解释"为什么要这么做"，能帮它更好理解你的核心目标，输出更贴合需求的结果，尤其是新款AI，能根据你的潜在目的做判断。
说明输出的用途/受众、解释约束条件的原因、描述输出的使用场景、讲清你要解决的问题。
3.描述要具体详细
越具体的指令，AI的输出越精准。所谓"具体"，就是给AI明确的规则和要求，不留下模糊空间。
具体提示词该包含什么:明确约束(字数、格式、时间)、相关背景(受众、目标)、输出结构(表格/列表
/段落)、特殊要求(饮食禁忌、预算限制、技术规范)。
4.用示例辅助说明
有时候"示范"比"描述"更管用，这就是常说的"单样本提示"或"少样本提示"，适合那些不好用文字说清的格式、语气或潜在规则。
想要的格式不好描述、需要特定语气/风格、任务涉及隐性规则、简单指令没得到一致结果。
先试1个示例(单样本)，如果效果不好再加更多(少样本)。
5.允许AI表达不确定
明确告诉AI"不知道就说不知道"，别瞎猜，这样能减少AI胡编乱造的情况，让结果更可信。
6.提示词串联
把复杂任务拆成多个小步骤，每个步骤用单独的提示词，上一步的输出作为下一步的输入，虽然费点时间，但准确率会大幅提升。
--
你不是打字员，你是产品经理兼首席架构师。
不要沉迷于语法细节。你的核心算力应该用于定义"是什么(What)"和"为什么(Why)"，把"怎么做(How)"留给AI。
宏观上，"是什么"与"为什么"阶段也应与ai充分探讨，推荐repomix+aistudio，规划能力现阶段地表最强，且免费。
微观上，每次新任务，都让ai先给技术方案与实施步骤，等你搞懂且审核后再实施。
代码是负债，功能才是资产。
AI很容易生成一大堆冗余代码(CodeBloat)。生成的代码越多，维护成本越高。敢于让AI删代码，敢于拒绝AI的"过度设计"。
读完ai的技术方案或实施步骤，直接反问一句"你是否过度设计/你是否充分复用已有的基础组件"，它就能做到反思并迭代。
与其生成冗余再删除，不如从源头规避它生成冗余。
只有"已验证的"才是"已完成的"。
AI总是自信地胡说八道。未经过运行或测试代码，默认为0分。"信任，但要验证(Trust,butVerify)"是最高法则。
保持"无情"的抛弃感。
如果AI走进死胡同，把代码改得一团糟，不要试图修补。直接回退到上一个干净的版本，或者删掉整个文件重来。沉没成本在VibeCoding中不存在。
所以你一定有用git来做版本管理，每实现一个功能可以commit一下。
上下文是王道(Context is King)。
AI犯蠢通常是因为它没看到该看的文件。精准地@相关文件、文档或接口定义。喂给它正确的信息，比问它正确的问题更重要。
所有的Prompt都是一次测试驱动开发(TDD)。
先告诉AI预期的输入和输出(TestCase)，再让它写实现。这能把幻觉率降低50%。
不要让大脑萎缩
阅读AI生成的代码。如果你看不懂那段代码在干什么，绝对不要合并。否则两周后，这堆代码就是不可维护的黑盒。
关注边缘情况(EdgeCases)。
AI是"快乐路径(HapPyPath)"的专家，它默认一切顺利。你必须不仅是架构师，还是QA(测试工程师)，专门问它:"如果网络断了怎么办?""如果用户输入为空怎么办?"
当心"死循环对话"
，如果你和AI对话超过5轮还在纠结同一个Bug，停下来。AI已经陷入了局部最优解的陷阱。人工介入，手动修改，或者换个思路重开对话。
享受心流，但手握方向盘。
VibeCoding的快感在于"极速实现"。享受这种魔法，但时刻记住:如果车毁人亡，司机是你，不是AI。
代码是AI写的，出了bug背锅的是你自己。