AI Prompt 炼金术:让 AI 写代码 一次过

问题场景

你让 AI 写个表格组件,它给你一个 500 行的"面条组件"------props 满天飞、状态管理混乱、完全没有错误处理。Review 时你改到怀疑人生:这跟手写有什么区别?

根源不是 AI 不够强,是你的 prompt 太菜。 单句 prompt 生成的代码 ≈ 刚入职的实习生,给架构约束的 prompt ≈ 高级工程师。


原因分析:AI 写代码的"最短路径"陷阱

LLM 本质是概率生成器,没有 prompt 约束时它会走"最短路径":

  • 选最常见的写法(哪怕已过时)
  • 省略边界处理和错误状态
  • 把所有逻辑塞进一个函数
  • 假数据糊弄 UI(图片 404、数据字段对不上)

解决方案不是"描述得更详细",而是给 AI 一个决策框架


解决方案:3 个 Prompt 框架

框架一:Role + Context + Constraint(RCC)

diff 复制代码
角色:资深 React 工程师
场景:一个支持搜索/排序/分页的用户表格
约束:
- 使用 TypeScript + React 18
- 状态管理用 useReducer,不用第三方
- 所有 API 调用需包含 loading/error/empty 三态
- 组件拆分颗粒度:TableHeader、TableBody、Pagination 三个子组件
- 错误边界包裹整个表格

👉 结果是:AI 不会一股脑写一个组件,而是按约束拆结构。

框架二:Negative Prompt(指定不要什么)

diff 复制代码
不要:
- 不要用 any 类型
- 不要用 useEffect 做数据获取(用 react-query 或 swr)
- 不要用 class 组件
- 注释不要写成 "// 获取用户列表",改为用 JSDoc

大多数 prompt 只告诉 AI 要什么 ,但踩坑往往来自不要什么。负面约束能大幅减少返工。

框架三:Example-Driven(给样板)

markdown 复制代码
请参照以下模式写一个下拉选择组件:
1. 类型定义(Props + State)
2. 自定义 hook(useSelect)
3. UI 组件(纯渲染)
4. 使用示例
------ 请严格按这 4 个模块输出,每个模块加 // --- 分隔

AI 对长文本的结构感很弱,用显式模板告诉它输出的骨架,它就不会跑偏。


实战演示:一份"一次过"的 prompt

反面教材(第一次 PR 必挂):

复制代码
帮我写一个商品列表页面

正面教材(Review 一次过):

markdown 复制代码
角色:资深全栈前端
框架:React 18 + TypeScript + react-query
场景:电商商品列表页,支持分类筛选和关键词搜索

输出约束(输出前逐一检查):
1. 类型:定义 Product、FilterState、FetchParams 三个接口,禁止 any
2. 组件结构:Page → FilterBar + ProductGrid + Pagination
3. 数据层:用 react-query useQuery 封装 fetchProducts,含 retry 3 次
4. 状态:URL search params 作为唯一数据源(useSearchParams)
5. 加载态:ProductGrid 用骨架屏(Skeleton),FilterBar 用 disabled
6. 空态:无结果时显示 "没有找到匹配的商品" + 清除筛选按钮
7. 异常:包裹 ErrorBoundary,单个卡片出错不影响其他卡片
8. 样式:Tailwind CSS,所有交互增加 transition-200

不用写的:
- 不需要登录逻辑
- 不需要购物车功能
- 不要生成 mock 数据(用真实接口类型即可)

请严格按以下格式输出,每段用 --- 分隔:
--- 类型定义
--- 数据层(hook/api)
--- UI 组件
--- 使用示例

实操代码对比

普通 prompt 生成(片段):

tsx 复制代码
const ProductList = () => {
  const [products, setProducts] = useState([]);
  const [loading, setLoading] = useState(true);

  useEffect(() => {
    fetch('/api/products').then(res => res.json()).then(setProducts);
  }, []);
  // ❌ 错误处理?空态?loading 跟空数据冲突?
  // ❌ 组件卸载后还在 setState?
  // ❌ useEffect 直接 fetch,无缓存无重试
};

结构化 prompt 生成(片段):

tsx 复制代码
interface Product {
  id: string;
  name: string;
  price: number;
  image: string;
  category: string;
}

interface FetchParams {
  keyword?: string;
  category?: string;
  page: number;
  pageSize: number;
}

function useProducts(params: FetchParams) {
  return useQuery({
    queryKey: ['products', params],
    queryFn: () => fetchProducts(params),
    staleTime: 30_000,
    retry: 3,
  });
}
// ✅ 完整的类型约束
// ✅ react-query 管理缓存/重试/loading/error
// ✅ 清晰的数据流

要点总结

维度 差 prompt 好 prompt
角色 "资深 React 工程师"
约束 类型/组件粒度/状态方案
负面清单 "不要用 any / useEffect fetch"
输出模板 标号分段 + 分隔符
范围限定 "写个列表页" 明确不用写什么

一个提示词好的标准:一个新人看了 prompt 就知道怎么评审代码。


写在最后

AI 写代码不是替代工程师,而是放大工程师的设计决策能力。你的架构设计越好、约束越清晰,AI 产出的代码质量就越高。把 10% 的时间花在写 prompt 上,省下 50% 的 review 时间。

相关推荐
Shockang4 小时前
AI 智能体安全沙盒实战
人工智能
yuhulkjv3354 小时前
Claude表格复制到word不再崩溃,AI导出鸭批量导出+格式无损一键搞定
人工智能·ai·c#·word·ai导出鸭
大明者省6 小时前
WSL2 Ubuntu22.04 GPU训练环境配置指南
人工智能·算法·计算机视觉
抱抱宝6 小时前
Agent-study项目教程(03):手写 Mini-ReAct Agent(不依赖框架)
javascript·人工智能·gpt·react.js·prompt·agent
抱抱宝6 小时前
大模型应用开发教程08 | 构建完整 RAG 应用(Chroma/FAISS 实战)
人工智能·gpt·prompt·agent
美团技术团队6 小时前
KDD‘26 美团学术论文精选及KDD Cup‘26 DataAgents赛道冠军思路解读
人工智能
AKAMAI6 小时前
当AI模型超出存储增长时
人工智能·云计算
科技绘图7 小时前
快鲸GEO vs 传统AI搜索优化:全链路自动化与高效内容生产在转化闭环上的对比
数据库·人工智能·自动化
DS随心转小程序7 小时前
ChatGPT 文字怎么转为 word?解析各类转换方案,AI 导出鸭成为高效文档转换新选择
人工智能·chatgpt·word·豆包·deepseek·ai导出鸭
乌恩大侠7 小时前
【AI-RAN】硬件产品:DELL 前传交换机
人工智能·spark·aerial·o-ru·ai-ran