AI - 开发日常可直接复用的实用 Prompt

覆盖高频研发场景(理解代码/排障/Review/测试/重构/文档)

每条都给可复制模板(含输出格式约束)

强调"验证步骤",避免只看 AI 结论


  1. 快速理解陌生代码

    你是资深 Java 后端工程师。请阅读下面代码,并按固定结构输出:

    1. 这个类/方法的核心职责
    2. 上下游调用链(谁调用它,它调用了谁)
    3. 主要业务分支
    4. 边界条件和异常处理
    5. 潜在风险点(空值、并发、性能、可维护性)
    6. 我接手这段代码时优先确认的5件事

    要求:

    • 不要泛泛而谈,要结合具体代码
    • 如果某个结论不确定,请明确标注"需进一步确认"
    • 输出尽量结构化、简洁

    代码如下:
    <粘贴代码>

  2. 线上报错排查

    下面是异常栈、关键日志和最近变更,请给出:

    1. 最可能的3个根因(按概率排序)
    2. 每个根因的最小验证步骤(可执行)
    3. 若验证失败,下一步排查路径
    4. 临时止血方案 + 长期修复建议
      异常栈:

      日志:

      最近变更:
      <commit/PR说明>
  3. Code Review 第一轮

    请对以下PR做代码审查,重点检查:

    • 空值与异常处理
    • 业务逻辑正确性
    • 并发与线程安全
    • SQL/查询性能
    • 可维护性(命名、重复、复杂度)
      输出格式:
      [严重级别][文件/方法][问题描述][影响][修复建议]
      PR变更如下:
  4. 生成单元测试用例清单

    请基于以下方法设计单元测试,不先写代码,先给"用例清单":

    • 正常路径
    • 边界值
    • 异常路径
    • 空值/非法输入
    • 外部依赖失败场景
      每个用例给:输入、预期输出、关键断言、mock点。
      代码:
      <method/class>
  5. 让 AI 写测试骨架

    根据以下用例清单生成JUnit5 + Mockito测试代码。
    要求:

    1. 测试命名可读
    2. 每个用例有关键断言,不只assertNotNull
    3. mock行为和业务场景一致
    4. 不改生产代码
      生产代码:

      用例清单:
  6. 重构建议(不改行为)

    请在"不改变现有业务行为"的前提下,给出该方法的重构方案:

    1. 先指出代码坏味道
    2. 给分步重构计划(每步可单独提交)
    3. 给重构后示例代码
    4. 列出可能行为变化风险与回归测试点
      代码:
  7. SQL优化

    请帮我优化这条SQL,输出:

    1. 当前可能慢的原因(索引/回表/过滤顺序)
    2. 优化SQL版本(可多版)
    3. 建议索引
    4. 验证方案(EXPLAIN看哪些指标)
      SQL:

      表结构:

      数据量级:
  8. 接口设计评审

    请评审这个API设计,从以下角度给建议:

    • 参数语义与校验
    • 幂等性
    • 错误码设计
    • 向后兼容
    • 安全与权限
      输出:必须改 / 建议改 / 可选优化
      接口定义:
  9. 发布前风险检查

    请基于本次变更做发布风险评估,输出:

    1. 影响范围(模块/接口/数据)
    2. 高风险点(按优先级)
    3. 回归测试清单(最小集合)
    4. 回滚策略(触发条件+操作步骤)
      变更说明:
      <PR/需求>
  10. 技术文档初稿

    请根据以下信息生成技术方案文档,结构固定为:
    背景 -> 目标 -> 方案 -> 数据结构/API -> 风险 -> 灰度发布 -> 回滚 -> 待确认项
    要求:术语统一、可直接评审、不要空话。
    信息:
    <需求与设计要点>

  11. 日志分析(批量文本)

    请分析以下日志片段并输出:

    1. 关键时间线
    2. 异常模式(按频次)
    3. 最可疑的异常前置事件
    4. 建议新增的日志字段(便于下次定位)
      日志:
  12. 把需求转成开发任务

    请把以下需求拆成可执行开发任务:

    • 后端任务
    • 数据库任务
    • 测试任务
      每项包含:完成定义、依赖、风险、预估工作量(S/M/L)
      需求:
相关推荐
叼烟扛炮1 天前
[LangChain] 学习笔记(05):提示词模板(Prompt)与少样本注入(Few-Shot)实战
linux·人工智能·笔记·学习·langchain·prompt
积流成海2 天前
Agent演化史(九):多智能体的暗面,当一次 prompt 注入可以横向移动
prompt·agent·智能体·大模型应用
源于花海4 天前
LangChain学习:理解构建模块与核心组件
langchain·prompt·api·agent·模块与核心组件
AI技术新视界4 天前
LLM 提示词缓存(Prompt Caching)的秘密
人工智能·缓存·llm·prompt
XLYcmy4 天前
信息检索报告数字经济赋能城市低碳治理的路径研究——基于“传统数据库 + 生成式人工智能”双轮驱动的检索实践 检索实施与结果分析 Web of Science
数据库·ai·llm·prompt·ssci·deepseek·wos
看浪的路人5 天前
第3讲:Prompt 实验——如何科学地测试 Prompt 改动
prompt
前进的李工5 天前
Agent 学习笔记 05:系统提示词应该怎么写
笔记·学习·prompt·agent·个人开发·few-shot·ai应用开发
我真会写代码5 天前
LangChain 从0入门:模型、消息、Prompt、Tools、记忆、Agent与LangSmith实战
langchain·prompt
刘胡子大叔5 天前
评测驱动优化:失败样本回流 Prompt 的闭环
人工智能·prompt