在 AI 辅助编程领域，Prompt（提示词）扮演着至关重要的角色。它如同你与 AI 沟通的桥梁，一个精心设计的 Prompt 能让 AI 更精准地理解你的意图，从而生成更符合预期的代码或解决方案。掌握 Prompt 编写技巧，是充分发挥 AI 潜能的关键。

本文将分享一套结构化的 Prompt 编写流程和实用技巧，助你提升与 AI 协作的效率和质量。

编写 Prompt 的结构化流程

编写高效 Prompt 并非随心所欲，遵循一定的流程能事半功倍。

1. 明确 AI 角色 (Define the Persona)

首先，你需要为 AI 设定一个清晰的角色定位。这有助于 AI 理解它需要扮演的专家身份，从而在相应的知识领域内进行思考和回应。角色定义越清晰，AI 的回答就越聚焦、越专业。

示例：

• 通用 Web 开发： 你是一位经验丰富的全栈 Web 开发工程师，精通 HTML, CSS, JavaScript, Node.js, React 以及相关的生态工具。
• 特定框架专家： 你是一位 Vue 3 专家，尤其擅长使用 Composition API 和 TypeScript 进行开发，并熟悉 Nuxt 3 框架。
• 代码审查员： 你是一位注重代码质量和最佳实践的资深软件工程师，负责审查代码的健壮性、可读性和性能。

角色的设定应紧密围绕你的具体需求。如果你需要生成特定技术栈的代码，就赋予 AI 相应的技术专家身份。

2. 精准表达需求 (State the Task Clearly)

定义好角色后，你需要清晰、具体地阐述你的需求。避免使用模糊或过于宽泛的指令。描述越详尽，AI 生成的结果就越贴近你的预期。

反例： 帮我生成一个博客。 (过于模糊)

正例：

你是一位使用 Vue 3, TypeScript 和 TailwindCSS 的前端开发专家。

请为我生成一个个人博客首页组件 (`HomePage.vue`)，需要包含以下部分：

1.  **导航栏 (Navbar):** 顶部固定导航，包含博客 Logo (左对齐) 和 "首页", "文章", "关于" 三个导航链接 (右对齐)。
2.  **英雄区 (Hero Section):** 在导航栏下方，包含一个醒目的标题、一段简洁的个人介绍和一个 "阅读文章" 的按钮。
3.  **最新文章列表 (Latest Posts):** 展示 3 篇最新文章的卡片，每张卡片显示文章标题、摘要和发布日期。
4.  **页脚 (Footer):** 包含版权信息和社交媒体链接图标。

请确保代码结构清晰，遵循 Vue 3 Composition API 的最佳实践，并使用 TailwindCSS 实现响应式布局。

对于复杂的需求，可以考虑将其拆解为多个更小的、明确的任务，分步交给 AI 处理。

3. 设定约束与规则 (Provide Constraints and Guidelines)

为了让 AI 的输出更符合规范，你需要设定明确的约束条件。告诉 AI 什么能做，什么不能做，以及需要遵循哪些特定的规则或风格。

示例：

• 技术栈约束： 请只使用 TailwindCSS 进行样式设计，不要引入任何第三方 UI 组件库 (如 Element Plus, Ant Design Vue)。
• 代码风格约束： 请遵循 ESLint Airbnb 编码规范。
• 功能约束： 生成的函数必须包含 JSDoc 注释，解释其功能、参数和返回值。
• 禁止项： 不要在代码中使用 any 类型，除非绝对必要。
• 输出格式： 请将生成的 Vue 组件代码包裹在 Markdown 的 Vue 代码块中。

约束条件能有效避免 AI “自由发挥”，确保其在预设的框架内工作。

4. 提供示例 (Few-shot Prompting - 可选)

有时，仅靠描述难以让 AI 完全理解你的意图，尤其是在处理特定格式或风格时。这时，提供一两个具体的示例（Few-shot Prompting）会非常有帮助。AI 可以从示例中学习模式，并将其应用到新的生成任务中。

示例 (续上文博客组件):

// ... (角色、需求、约束) ...

这里是一个文章卡片 (`PostCard.vue`) 的示例结构，请在生成最新文章列表时参考：

```vue
<template>
  <div class="border p-4 rounded shadow hover:shadow-md transition-shadow duration-200">
    <h3 class="text-xl font-semibold mb-2">{{ post.title }}</h3>
    <p class="text-gray-600 mb-3">{{ post.excerpt }}</p>
    <span class="text-sm text-gray-500">{{ formatDate(post.date) }}</span>
  </div>
</template>

<script setup lang="ts">
interface Post {
  title: string;
  excerpt: string;
  date: string;
}

defineProps<{ post: Post }>();

const formatDate = (dateString: string): string => {
  // 简单的日期格式化逻辑
  return new Date(dateString).toLocaleDateString();
};
</script>

• 零样本提示 (Zero-shot Prompting): 不提供具体示例，完全依赖 AI 基于其训练数据和你的指令来理解任务。适用于通用或 AI 已熟练掌握的任务。
• 少样本提示 (Few-shot Prompting): 提供少量（1-5个）示例，帮助 AI 理解特定模式、格式或风格。

5. 引导思考过程 (Chain-of-Thought Prompting - 可选)

对于需要复杂推理或多步骤逻辑的问题（例如调试、算法设计），可以使用”思维链”（Chain-of-Thought, CoT）提示技巧。引导 AI 分解问题，一步步地思考，并展示其推理过程。

示例 (调试):

你是一位经验丰富的 Node.js 调试专家。

我遇到了一个问题：在我的 Express 应用中， `/api/users` 接口有时会返回 500 错误，日志显示 "TypeError: Cannot read property 'name' of undefined"。

请分析可能的原因，并提供一步步的调试思路和解决方案。请展示你的思考过程。

思考过程：
1.  分析错误信息：错误发生在尝试读取一个 `undefined` 对象的 `name` 属性。
2.  定位代码：这通常发生在处理请求数据或数据库查询结果时。需要检查 `/api/users` 路由处理函数的相关代码。
3.  可能原因分析：
    a. 请求体 (req.body) 解析问题？
    b. 数据库查询未返回预期结果 (例如，找不到用户)？
    c. 数据处理逻辑中存在边界条件未覆盖？
4.  调试步骤建议：
    a. 在路由处理函数开头打印 `req.body` 和 `req.params` 确认输入。
    b. 检查数据库查询语句及其返回结果，确保在访问结果前检查其是否存在。
    c. 使用 `try...catch` 包裹可能出错的代码块，并记录详细错误。
    d. 添加日志记录关键变量的值。
5.  解决方案建议：...

通过添加 “请展示你的思考过程” 或 “让我们一步步思考”，可以鼓励 AI 输出更详细的推理路径，提高结果的可靠性。

善用 AI 工具特性 (如 Cursor)

现代 AI 编程工具（如 Cursor）提供了更强大的功能来辅助 Prompt 编写和 AI 交互。

Cursor 规则文件 (.cursor/rules 或 .cursorrules)

随着项目复杂度的增加，仅仅依靠单次 Prompt 可能不足以约束 AI 的行为。Cursor 允许你创建规则文件，为 AI 提供持久化的项目级或全局指令。

• 项目规则 (.cursor/rules): 存储在项目 .cursor/rules 目录下，通常与项目代码一起进行版本控制。这些规则特定于当前项目，可以包含：
  • 技术栈说明: 本项目使用 React 18, Zustand 进行状态管理, TanStack Query 进行数据获取。
  • 编码规范: 遵循 Prettier 格式化规则，函数命名使用驼峰式。
  • 架构决策: API 请求统一封装在 src/api 目录下。
  • 组件库用法: 使用 Shadcn UI 组件，导入路径为 @/components/ui。
  • 特定模板或模式: @component-template.tsx (引用一个组件模板文件)
• 用户规则 (Cursor Settings): 在 Cursor 设置中定义的全局规则，适用于所有项目。可以用来定义通用的个人偏好，例如：
  • 回复语言/风格: 请总是用中文回复，并保持简洁。
  • 通用编码习惯: 优先使用 const，仅在必要时使用 let。

你可以通过在聊天中输入 /Generate Cursor Rules 来让 Cursor 基于当前项目上下文自动生成一些基础规则文件，然后在此基础上进行修改和补充。

利用规则文件，可以显著减少每次 Prompt 中重复的指令，让 AI 更稳定地遵循项目规范。

创建并维护你的 Prompt 库

高效的 Prompt 工程师通常会建立自己的 Prompt 库。将那些效果好、可复用的 Prompt 模板记录下来，能极大地提升未来与 AI 协作的效率。

如何构建 Prompt 库：

1. 分类存储： 按任务类型（如代码生成、调试、重构、文档编写、测试用例生成）、项目或技术栈进行分类。
2. 记录关键信息： 不仅保存 Prompt 文本，还可以记录该 Prompt 的适用场景、关键变量、预期效果以及可能的改进点。
3. 选择工具： 可以使用简单的文本文件、Markdown 文件、笔记应用 (如 Obsidian, Notion)，甚至专门的 Prompt 管理工具来存储和组织。
4. 持续迭代： 定期回顾和优化库中的 Prompt，根据实践经验进行调整。

可复用 Prompt 示例：

• 代码优化: 请审查以下 [语言] 代码，识别潜在的性能瓶颈、可读性问题或不符合最佳实践的地方，并提供具体的优化建议和重构后的代码。 [粘贴代码]
• 提取组件: 请分析以下 [框架/库] 组件代码，将可复用的 UI 部分或逻辑提取为一个独立的子组件。请命名新组件并提供其代码以及修改后的父组件代码。 [粘贴代码]
• 生成测试: 请为以下 [语言] 函数/类编写单元测试用例，覆盖正常情况、边界条件和异常情况。请使用 [测试框架/库] (例如 Jest, Pytest)。 [粘贴代码/函数签名]
• 解释代码: 请解释以下 [语言] 代码片段的功能、逻辑流程和关键部分。 [粘贴代码]

总结：持续实践与优化

精通 Prompt 编写是一个需要持续学习、实践和总结的过程。没有一劳永逸的完美 Prompt，只有不断迭代优化的过程。

• 明确目标： 始终清楚你希望 AI 完成什么。
• 结构化思考： 遵循角色、任务、约束、示例的流程。
• 精准表达： 使用清晰、无歧义的语言。
• 善用工具： 利用 Cursor 规则等特性增强控制力。
• 迭代优化： 不断尝试、记录和改进你的 Prompt。

记住，即使使用相同的底层 AI 模型，你所使用的 Prompt 质量也直接决定了输出结果的质量。通过不断磨练 Prompt 技巧，你将能更有效地驾驭 AI，使其成为你编程工作流中真正的得力助手。

所以同样的模型对于不同的人，效果也是不同的。投入时间去学习和实践 Prompt Engineering，将为你带来丰厚的回报。