ByteFisher AI 编程实战（三）：Prompt Engineering 核心技法

理解了 LLM 的原理后，你会发现和 AI 沟通的关键在于精准表达。Prompt Engineering（提示词工程）就是研究如何设计输入，让 AI 输出符合预期的结果。

一、什么是 Prompt Engineering

Prompt（提示词）是你输入给 AI 的指令。Prompt Engineering 是设计和优化这些指令的方法论。

一个好的 Prompt，能把 AI 的输出质量从”能用”提升到”好用”。同一个模型，用不同的 Prompt 问同一个问题，结果可能天差地别。

同一个问题，三种 Prompt 的差异：

Prompt A："帮我写个排序"
→ 可能得到一段最基础的冒泡排序

Prompt B："用 C# 写一个高效的排序算法"
→ 可能会得到快速排序，但没有错误处理

Prompt C："实现一个泛型排序方法，支持自定义排序规则，
  需要处理 null 和空集合，使用 QuickSort 算法，
  输出完整代码+单元测试+时间复杂度说明"
→ 得到完整的生产级代码

二、好 Prompt 的五要素框架

我总结了一个五要素框架，覆盖高质量 Prompt 的必备维度：

要素	含义	举例
角色	让 AI 扮演什么身份	“你是一名资深 C# 架构师”
任务	具体要做什么	“请为这个接口编写单元测试”
上下文	背景信息和约束条件	“项目使用 .NET 8，采用 DDD 架构”
格式	输出的结构要求	“用表格输出，第一列为方法名”
约束	限制条件	“不要使用第三方库，代码需包含注释”

坏 Prompt vs 好 Prompt

坏 Prompt：
"帮我写一个登录功能"
→ AI 可能生成 PHP+MySQL，完全不是你想要的栈

好 Prompt（覆盖五要素）：
你是一名资深全栈开发者（角色）。
请为我的 Web 应用实现一个邮箱+密码登录功能（任务）。
后端使用 Node.js + Express，前端使用 React，数据库使用 MySQL（上下文）。
返回完整的代码文件，后端代码放在 server/ 目录（格式）。
使用 bcrypt 加密密码，使用 JWT 做身份验证（约束）。
→ AI 一次性生成你需要的完整代码

三、编程场景的 Prompt 模式

3.1 代码生成

请用 C# 实现一个泛型缓存服务：
- 支持内存缓存和 Redis 双后端
- 支持设置过期时间（绝对过期和滑动过期）
- 线程安全
- 提供同步和异步两种接口
- 输出完整代码 + 使用示例

关键：明确接口、约束、输出格式，尽量减少 AI 的猜测空间。

3.2 代码解释

逐行解释这段 C# 代码的作用：
[粘贴代码]

重点说明：
1. 这个方法的时间复杂度
2. 有没有潜在的线程安全问题
3. 如何优化

适合接手遗留代码、审查同事代码、学习开源项目。

3.3 代码重构

这段代码虽然能跑，但可维护性很差。请帮我重构：
- 将业务逻辑和基础设施分离
- 引入接口抽象
- 添加依赖注入
- 保持行为不变

原始代码：[粘贴代码]

重构 Prompt 的关键是明确重构目标（性能？可读性？可测试性？）和保持行为不变。

3.4 测试生成

为下面的函数生成单元测试：
- 覆盖正常路径、边界值、异常路径
- 使用 xUnit + Moq 框架
- 测试方法命名遵循 Given_When_Then 模式

被测代码：[粘贴代码]

测试生成是 AI 编程中回报率最高的场景之一。覆盖率高、速度快，尤其适合边界值测试用例。

四、高阶 Prompt 技巧

4.1 思维链（Chain of Thought）

让 AI 分步骤推理，而不是直接给答案。这个方法对复杂任务特别有效：

你需要在接手一个旧项目后，分析它的架构问题。
请按以下步骤：
1. 先列出这个项目的所有功能和模块
2. 分析每个模块的职责是否单一
3. 指出模块间的耦合点
4. 给出分步骤的重构建议

思维链的原理是模拟人类解决复杂问题的过程——先拆解问题，再逐步解决。对 AI 来说，这能显著减少”跳跃式结论”的错误。

4.2 少样本学习（Few-Shot）

给出几个输入输出的示例，让 AI 按模式执行：

请将以下 C# 方法名转换为对应的 SQL 查询：

GetUserById → SELECT * FROM Users WHERE Id = @Id
GetOrdersByUserId → SELECT * FROM Orders WHERE UserId = @UserId

请转换：
UpdateUserEmail
DeleteExpiredSessions
CountActiveUsersByRole

少样本特别适合输出格式一致性要求高的场景——API 文档生成、数据格式转换、代码风格统一。

4.3 角色锚定

你是一名拥有 10 年经验的 Unity 技术专家，专注于性能优化。
我下面这段代码在移动端有卡顿问题，请分析瓶颈并给出优化方案。

角色设定让 AI 使用特定领域的术语和思维方式。尝试”你是一名…”开头，输出质量会显著提升。

4.4 输出格式约束

请用 JSON 格式输出分析结果，包含以下字段：
{
  "issues": ["问题1", "问题2"],
  "severity": "high|medium|low",
  "suggestions": ["建议1", "建议2"]
}

格式约束让 AI 输出可直接被程序消费的结构化数据，适合集成到自动化工作流中。

4.5 对比分析 Prompt

对比以下两种方案，用表格呈现：
- 方案A：SQLite + WAL 模式
- 方案B：PostgreSQL

对比维度：性能、部署复杂度、成本、一致性保证、并发能力

对比 Prompt 利用 AI 的知识广度，帮你快速做出技术选型。

五、Prompt 模板库

5.1 代码生成模板

角色：你是一名[语言/框架]专家
任务：请用[语言]实现[功能]
上下文：项目使用[框架/架构]，数据库为[类型]
格式：输出完整代码文件，放在[目录]下
约束：使用[库/模式]，遵循[规范]

5.2 调试模板

问题：[报错信息/异常表现]
上下文：[粘贴相关代码]
环境：[语言版本/操作系统/依赖版本]
预期行为：[应该发生什么]
实际行为：[实际发生了什么]
已尝试过的排查：[如果不确定就说"尚未排查"]

5.3 代码审查模板

审查目标：[安全/性能/可读性/全部]
代码：[粘贴代码]
特殊关注：[如果有关注点就说出来]
输出格式：按严重程度排序的列表，每条附代码行号和修复建议

5.4 架构设计模板

需求描述：[一句话说清要做什么]
技术栈：[语言/框架/基础设施]
约束条件：[性能要求/团队规模/时间限制]
输出格式：系统架构图描述(mermaid)、模块划分表格、技术选型对比

六、Prompt 反模式与最佳实践

反模式	表现	正确做法
太笼统	“帮我写个网站”	明确功能、技术栈、页面结构
多问题混问	一次问 5 个不相关的问题	拆成多轮对话，每轮一个主题
不给上下文	直接贴代码说”优化它”	说明项目背景、优化目标
过度约束	要求 AI 用过时的框架	给 AI 合理的选择空间
不验证	直接使用生成代码投入生产	审查后再合并
无反馈	不满意就重开对话	指出具体问题，让 AI 迭代修改

5.1 Prompt 迭代策略

不要期望一次 Prompt 就完美。高质量输出通常经过多轮迭代：

第1轮：生成初稿 → 审查 → 指出问题
第2轮："这部分逻辑太复杂，请拆成两个方法"
第3轮："添加 null 检查和边界情况处理"
第4轮："为这个类添加 XML 文档注释"

每次迭代针对一个具体的改进方向，比一次性提所有要求效果更好。

七、实战练习

试着自己写一个 Prompt 完成以下需求：

练习 1：为以下 C# 方法生成单元测试
- 方法签名为 public async Task<User> GetUserByIdAsync(int id)
- 使用 xUnit + Moq
- 覆盖用户存在、不存在、数据库异常三种情况

练习 2：用英文写一段 Prompt，让 AI 将以下代码从 JavaScript 翻译为 TypeScript
- 添加完整的类型定义
- 保持运行时行为不变
- 用 interface 定义对象类型

练习 3：设计一个 Prompt 模板，用于你自己的项目中生成统一的 API 控制器代码

本章小结

• 好的 Prompt 包含五个要素：角色、任务、上下文、格式、约束
• 编程场景有四种常用 Prompt 模式：生成、解释、重构、测试
• 思维链和少样本学习是提升输出质量的两大利器
• 对比分析 Prompt 适合技术选型和方案评估
• Prompt 需要迭代——先出初稿，再逐步精修
• 避免笼统、不给上下文、多问题混问等常见反模式
• 花 30 秒优化 Prompt，能节省 30 分钟的沟通成本

下一篇我们将搭建 AI 编程所需的开发环境。