####################################
Tutorial 5: 提示词技巧
####################################
.. include:: ../links.ref
.. include:: ../tags.ref
.. include:: ../abbrs.ref
============ ==========================
**Abstract** 高效的 AI 提示词技巧
**Authors** Walter Fan
**Status** WIP
**Updated** |date|
============ ==========================
.. contents::
:local:
为什么提示词很重要
==================
在氛围编程中，提示词（Prompt）是你与 AI 沟通的桥梁。好的提示词可以：
- 获得更准确的代码
- 减少来回修改的次数
- 提高开发效率
- 得到更好的代码质量
.. note::
**AI 给出什么样的答案，很大程度上取决于你问什么样的问题。**
提示词基础框架
==============
RACE 框架
---------
一个有效的提示词通常包含四个要素：
.. code-block:: text
RACE 框架
┌─────────────────────────────────────────────────────────────────┐
│ │
│ R - Role (角色) │
│ 定义 AI 扮演的角色 │
│ 例：你是一个资深 Python 开发者 │
│ │
│ A - Action (行动) │
│ 明确要 AI 做什么 │
│ 例：帮我实现一个缓存装饰器 │
│ │
│ C - Context (上下文) │
│ 提供背景信息 │
│ 例：用于 Flask API，需要支持 Redis │
│ │
│ E - Expectation (期望) │
│ 描述期望的输出 │
│ 例：包含类型注解和单元测试 │
│ │
└─────────────────────────────────────────────────────────────────┘
示例对比
--------
**糟糕的提示词**::
帮我写一个缓存函数
**好的提示词**::
【角色】你是一个资深 Python 后端开发者
【背景】我在开发一个 Flask API，需要缓存频繁查询的数据
【行动】请帮我实现一个缓存装饰器，要求：
1. 支持 Redis 作为缓存后端
2. 支持设置过期时间
3. 支持自定义缓存 key
4. 处理 Redis 连接失败的情况
【期望】
- 完整的代码实现
- 类型注解
- 使用示例
- 简单的单元测试
提示词技巧
==========
1. 明确具体
-----------
越具体的要求，越好的结果：
**不好**::
写一个排序函数
**好**::
写一个 Python 函数，实现：
- 对字典列表按指定 key 排序
- 支持升序和降序
- 支持多个排序字段
- 处理 key 不存在的情况
2. 提供约束
-----------
告诉 AI 不要做什么：
::
实现用户注册功能：
- 使用 FastAPI
- 不要使用 ORM，直接写 SQL
- 不要使用第三方验证库
- 密码使用 bcrypt 加密
3. 给出示例
-----------
用示例说明期望的格式：
::
将以下数据转换为 CSV 格式：
输入：
[
{"name": "Alice", "age": 30},
{"name": "Bob", "age": 25}
]
期望输出：
name,age
Alice,30
Bob,25
4. 分步骤请求
-------------
复杂任务分解为多个步骤：
::
第一步：设计数据库表结构
- 用户表
- 订单表
- 商品表
请先给出 ER 图和建表语句，确认后再继续。
5. 要求解释
-----------
让 AI 解释它的思路：
::
实现一个 LRU 缓存，并解释：
1. 为什么选择这种数据结构
2. 时间复杂度分析
3. 可能的优化方向
编程场景提示词模板
==================
代码生成
--------
::
【任务】实现 {功能描述}
【技术栈】{语言/框架/版本}
【要求】
1. {具体要求 1}
2. {具体要求 2}
3. {具体要求 3}
【约束】
- {不要做什么}
- {性能要求}
【输出】
- 完整代码
- 使用示例
- 简要说明
**实例**::
【任务】实现一个 HTTP 重试装饰器
【技术栈】Python 3.11 + httpx
【要求】
1. 支持配置最大重试次数
2. 支持指数退避
3. 只对特定状态码重试（5xx）
4. 支持自定义重试条件
【约束】
- 不使用第三方重试库
- 异步函数
【输出】
- 完整代码
- 使用示例
- 测试用例
代码重构
--------
::
【当前代码】
{粘贴代码}
【问题】
- {问题 1}
- {问题 2}
【重构目标】
- {目标 1}
- {目标 2}
【约束】
- 保持 API 不变
- 不引入新依赖
**实例**::
【当前代码】
def process_data(data):
result = []
for item in data:
if item['status'] == 'active':
if item['type'] == 'A':
result.append(item['value'] * 2)
elif item['type'] == 'B':
result.append(item['value'] * 3)
return result
【问题】
- 嵌套太深
- 缺少类型注解
- 魔法数字
【重构目标】
- 降低圈复杂度
- 添加类型注解
- 提取常量
Bug 修复
--------
::
【代码】
{粘贴代码}
【问题描述】
{描述 bug 现象}
【期望行为】
{描述正确行为}
【已尝试】
{已经尝试过的解决方案}
**实例**::
【代码】
async def fetch_users(ids: list[int]) -> list[User]:
tasks = [get_user(id) for id in ids]
return await asyncio.gather(*tasks)
【问题描述】
当某个 id 不存在时，整个请求失败
【期望行为】
单个失败不影响其他，返回成功的结果
【已尝试】
- 添加 try-except，但不知道怎么处理 gather
代码解释
--------
::
【代码】
{粘贴代码}
请解释：
1. 整体功能
2. 关键步骤
3. 为什么这样设计
4. 潜在问题
测试生成
--------
::
【代码】
{粘贴代码}
【测试框架】pytest
【要求】
1. 正常情况测试
2. 边界条件测试
3. 异常情况测试
4. 使用 fixture 和参数化
高级技巧
========
1. 角色扮演
-----------
让 AI 扮演特定角色，获得专业视角：
::
你是一个有 10 年经验的安全专家。
请审查以下代码的安全问题：
{代码}
常用角色：
- 资深开发者
- 安全专家
- 性能优化专家
- 代码审查员
- 架构师
2. 思维链（Chain of Thought）
-----------------------------
要求 AI 展示推理过程：
::
请一步步分析这个算法问题：
1. 首先理解问题
2. 分析可能的解法
3. 选择最优解法并说明原因
4. 实现代码
5. 分析时间和空间复杂度
3. 少样本学习（Few-shot）
-------------------------
通过示例教 AI 你想要的格式：
::
将函数转换为类方法，示例：
输入：
def add(a, b):
return a + b
输出：
class Calculator:
@staticmethod
def add(a: int, b: int) -> int:
return a + b
现在转换这个函数：
def multiply(a, b):
return a * b
4. 对比分析
-----------
让 AI 比较不同方案：
::
比较以下两种缓存实现方案：
1. 使用 Redis
2. 使用本地内存（如 cachetools）
从以下维度分析：
- 性能
- 可扩展性
- 运维成本
- 适用场景
给出你的推荐和理由。
5. 迭代优化
-----------
分多轮对话逐步优化：
**第一轮**::
实现一个基本的 LRU 缓存
**第二轮**::
添加线程安全支持
**第三轮**::
添加过期时间功能
**第四轮**::
优化性能，减少锁竞争
常见错误
========
1. 太模糊
---------
**错误**::
帮我优化这段代码
**正确**::
帮我优化这段代码的性能：
- 当前处理 10000 条数据需要 5 秒
- 目标：降到 1 秒以内
- 可以使用多线程
2. 信息过载
-----------
**错误**::
（粘贴 500 行代码）
帮我改进这段代码
**正确**::
这是一个数据处理模块的核心函数（完整代码见附件）：
（粘贴关键的 50 行）
主要问题是第 23-35 行的循环效率低，
请帮我优化这部分。
3. 缺少上下文
-------------
**错误**::
这段代码报错了，怎么修
**正确**::
这段代码报错了：
代码：
{代码}
错误信息：
{完整错误信息}
环境：Python 3.11, FastAPI 0.100
4. 期望不明确
-------------
**错误**::
帮我写个 API
**正确**::
帮我写一个用户管理 API：
- GET /users - 获取用户列表（支持分页）
- POST /users - 创建用户
- GET /users/{id} - 获取单个用户
- PUT /users/{id} - 更新用户
- DELETE /users/{id} - 删除用户
使用 FastAPI，返回统一的响应格式。
实战练习
========
练习 1：代码生成
----------------
使用 RACE 框架，让 AI 生成一个：
- 文件监控工具
- 监控指定目录的文件变化
- 支持过滤特定扩展名
- 变化时执行回调函数
练习 2：代码重构
----------------
找一段你写过的"不太好"的代码，构造提示词让 AI 重构。
练习 3：Bug 修复
----------------
描述一个你遇到过的 bug，看 AI 能否帮你定位和修复。
练习 4：对比分析
----------------
让 AI 比较两种你熟悉的技术方案，评估 AI 的分析质量。
小结
====
本教程介绍了高效的提示词技巧：
- **RACE 框架**: Role, Action, Context, Expectation
- **基本技巧**: 明确具体、提供约束、给出示例
- **高级技巧**: 角色扮演、思维链、少样本学习
- **常见错误**: 太模糊、信息过载、缺少上下文
关键要点：
1. 好的提示词 = 好的结果
2. 越具体越好
3. 迭代优化比一次完美更实际
下一步
------
在下一个教程中，我们将学习 MCP Server，扩展 AI 的能力边界。
练习
====
1. 用 RACE 框架重写你之前的 5 个提示词
2. 收集 10 个好用的提示词模板
3. 对比不同提示词的效果差异
4. 建立你自己的提示词库
参考资源
========
- `Prompt Engineering Guide `_
- `OpenAI Prompt Engineering `_
- `Anthropic Prompt Engineering `_