编程提示词实战：让 AI 写出更可靠代码的 8 个技巧

从需求描述、上下文提供到代码审查，系统讲解编程场景的提示词写法，附代码生成、调试、重构、单测的实战模板。

用 AI 写代码已经成为日常，但「能跑」和「可靠」之间隔着一整套提示词功夫。以下 8 个技巧来自大量实战总结，适用于 ChatGPT、Claude、Copilot 等所有编程助手。

技巧 1：把技术栈和版本说清楚

「帮我写个爬虫」和信息完整的「用 Python 3.12 + requests + BeautifulSoup 写一个爬虫，抓取[网站]的标题和链接，处理反爬（随机 UA + 重试），输出 CSV」会得到完全不同的结果。版本号尤其重要——AI 的训练数据混合了多个大版本的 API，不说版本就容易用过时写法。

技巧 2：提供现有代码作为上下文

让 AI 改代码时，把相关的现有代码、类型定义、报错信息完整贴出，而不是口头描述。上下文越完整，改动越精准。Claude 等长上下文模型可以直接读整个文件，但短上下文模型需要你帮它做「相关性筛选」。

技巧 3：先设计后编码

复杂任务分两步：第一步「不要写代码，先列出实现方案和需要注意的边界情况」，确认方案后再「按方案实现」。这能避免 AI 一头扎进错误方向，也让你在写码前就发现设计问题。

技巧 4：要求解释边界条件

在提示词末尾加：「列出这个实现的所有边界情况和你的处理方式，以及你做出的假设」。AI 默认会隐藏假设，这一句能把它「脑补」的部分暴露出来供你审查。

技巧 5：让 AI 自己写测试

生成代码后追加：「请为上面的代码写单元测试，覆盖正常路径和至少 3 个边界情况，用 pytest」。测试不过往往就是代码有 bug，这是最高效的质检手段。

技巧 6：调试时报完整错误

贴错误时给：完整 traceback + 相关代码 + 已尝试的方案。只说「报错了」AI 只能猜；说「IndexError: list index out of range，发生在下面这段循环里，我试过加长度判断但没用」才能直奔根因。

技巧 7：重构要带约束

「优化这段代码」太模糊。改成：「重构这段代码，要求：保持对外接口不变、不引入新依赖、把重复逻辑提取为函数、加上必要注释说明为什么这么改」。约束让重构可控。

技巧 8：让 AI 扮演审查者

新会话里贴代码 + 「请以资深工程师身份审查这段代码，重点检查：空指针、并发安全、资源泄漏、SQL 注入、错误处理缺失，按严重程度排序输出」。换一个「审查模式」比让写代码的 AI 自评有效得多。

实战模板速查

• 新功能：技术栈 + 需求 + 输入输出 + 边界情况 + 「先方案后代码」；
• 修 Bug：完整报错 + 代码 + 已尝试方案 + 「先定位原因再给修复」；
• 学源码：贴代码 + 「逐段解释这段代码在做什么，标注关键设计决策」；
• 写文档：贴代码 + 「为这个函数写 docstring，包含参数、返回值、异常、使用示例」。

最后提醒

AI 生成的代码必须经过审查再合入，尤其是涉及安全、支付、权限的模块。把 AI 当资深但需要 code review 的同事，而不是权威——这是用好编程助手的心态基础。