1 提示词工程技巧
· 结构化提示词公式：角色 + 任务 + 输入材料 + 产出格式 + 约束 + 验收标准，避免开放式短句。例如「你是资深后端架构师，请基于以下 PRD 输出技术方案，要求包含......）。」
· 明确引用上下文：用 @文件名 或粘贴关键段落，让 AI 准确关联上下文；对一个长文档，先贴「目标章节」而不是整篇，节省 token 并提升精度。
· 指定输出格式：明确告诉 AI 用「表格」「JSON」「Markdown 标题层级」「代码块」等结构化输出，便于后续处理与评审。
· 一次一个任务：将复杂任务拆分为多个小任务分别请求 AI，不要在一句话里同时要 PRD + 设计方案 + 数据库 + 代码。
· 提示词模板库：把复用性高的提示词沉淀为团队模板（如「技术方案评审模板」「后端拆解模板」），在 Cursor IDE 的 Rules / Skills 中固化。
· 反向校验提示：要求 AI 在产出结论前先列「不明确点 / 假设清单」，由人工确认后再继续，可显著降低反复返工。
2 上下文与对话管理技巧**
· 上下文窗口分级使用：把「任务背景」放系统提示 / 项目规则，把「具体数据」放用户消息，既稳定又可控。
· 及时压缩上下文：每完成一个阶段性交付物，让 AI 输出一段「状态摘要」单独存档，用于在新对话中快速恢复上下文。
· 子对话拆分：长任务用「阶段 1、阶段 2」子对话推进，前一个对话只输出「阶段结论 + 下一步需要的内容」。
· 技能复用优先：把可复用的拆解规则沉淀为 Cursor Skill（如 requirement-breakdown），避免每次都重复提示词。
· 避免上下文污染：不要在同一对话混入无关任务（例如把「前端开发」与「后端评审」混在一起），会显著降低输出质量。
3 排错与质量保障技巧**
· 排错三件套：报错原文 + 相关代码片段（带行号）+ 重现步骤；AI 定位比凭印象修改快 3 倍以上。
· 最小复现：要求 AI 先复现问题，再分析根因，最后修复；避免让 AI 直接给「可能修复方案」。
· 代码评审自动化：完成编码后立即要求 AI 用 java-code-reviewer 或 vue-best-practices 进行规范与漏洞评审，并要求产出「问题清单 + 修复 PR 描述」。
· 回归测试先行：在迭代场景，要求 AI 先列出「本次变更的回归用例清单」，再开始改代码，避免破坏既有功能。
· 变更影响范围矩阵：要求 AI 给出「接口 / 数据库 / 前端页面 / 配置 / 缓存」的影响矩阵，便于评估上线风险。
4 性能、安全与可维护性技巧**
· 性能敏感模块让 AI 提示「复杂度」：要求输出 Big-O 与关键 SQL 执行计划，避免出现 N+1 查询或全表扫描。
· 安全默认开启：明确要求 AI 在代码中体现「参数校验 + 鉴权 + 防注入 + 敏感字段脱敏 + 审计日志」五项基础安全设计。
· 可维护性约束：要求产出同时包含「单元测试样例 + 日志埋点 + 异常码定义」，便于线上问题排查与可观测。
· 多端适配意识：在 uni-app 项目中，要求 AI 显式标注 #ifdef 平台差异；在小程序中，禁止使用 px 作为主尺寸单位，统一 rpx。