AI编程，不会使用提示词，那怎么能行！！ 小南独家提示词书写技巧， 让你效率提高2倍！！！ - 提示词第一课！！！！
0. 前言
这是提示词第一课程， 未来还有cursor、 Copilot 、通义千问、MarsCode的实战。 关注、收藏不迷路。 麻烦点个赞吧。小南持续为大家
1. 如何写提示词
编写有效提示词是高效使用 AI编程软件的关键。下面介绍一些方法和技巧，帮助你更精准地引导模型生成所需内容。
1.1 明确角色
将 AI编程软件设定为特定领域的专家角色，有助于生成更专业、更贴合实际需求的内容。
示例：
“你是一位经验丰富的 Java 后端开发工程师，熟悉 Spring Boot、MySQL、Redis 等技术栈。请基于这些技术实现以下功能。”
通过设定具体身份，模型会根据角色的专业背景给出更准确的结果。
1.2 明确需求和要求
为模型提供清晰的目标描述和详细的上下文信息，能显著提高生成结果的质量。
1.2.1 明确目标
提示词需要准确描述你希望 AI编程软件完成的任务目标，避免模糊的指令。
示例：
- 模糊：
写一个登录系统 - 明确：
用 Python 编写一个登录系统，支持用户名和密码校验，使用简单的控制台输入输出。
明确的目标能帮助生成更符合需求的结果。
1.2.2 分步骤描述
将复杂任务分解成简单的步骤，逐步引导模型生成结果，既能提高准确性，也便于逐步优化。
示例：
提示：分三步设计一个购物车系统：1. 数据模型，2. 添加和移除商品的功能，3. 计算总价的功能。每一步分别用 Python 实现并解释。现在请进行第一步的详细设计
分步骤提示使生成的代码逻辑更清晰且易于维护。
1.2.3 提供上下文
为模型提供充分的背景信息和约束条件，帮助其更好地理解你的需求。
示例：
- 模糊：
生成一个 API - 提供上下文：
生成一个基于 Flask 的 REST API，包含两个端点：一个用于用户注册（POST 请求），另一个用于获取用户列表（GET 请求）。
通过补充上下文，模型能生成更贴合实际的结果。
1.2.4 使用约束条件
为模型指定技术栈、代码结构或其他限制，以确保生成结果符合实际需求。
示例：
提示：生成一个只使用 Python 标准库的脚本，功能是从文本文件中提取电子邮件地址。
设置约束条件能让生成的代码更符合场景需求，避免不必要的依赖。
1.2.5 迭代改进
不要期望一次生成完美的结果，通过多次迭代逐步优化生成内容。
示例：
- 初始提示：
生成一个简单的 Flask 应用程序。 - 改进提示：
在生成的 Flask 应用中，添加用户输入的错误处理功能，并返回适当的 HTTP 状态码。
通过反馈和改进提示词，逐步完善代码，确保最终结果符合预期。
下面补充一些更高级的技巧和实践，提升提示词的精度和灵活性：
1.3 高级技巧和实践
1.3.1 明确输出格式
指定输出格式能让 AI编程软件的结果更符合你的期望，尤其是代码和文档类任务。
示例：
- 提示：
用 Python 编写一个函数，功能是计算 Fibonacci 数列，并以 Markdown 格式输出代码和说明文档。 - 结果：AI编程软件将同时生成代码和符合 Markdown 标准的注释说明。
1.3.2 提供输入输出示例
为任务附加示例输入和预期输出，帮助模型更精准地生成符合需求的代码。
示例：
提示：
编写一个 Python 函数，接收一个整数列表作为输入，返回该列表的平方值列表。例如：
- 输入：
[1, 2, 3] - 输出：
[1, 4, 9]
通过具体示例，模型能更好地理解预期功能和逻辑。
1.3.3 定义边界条件
为生成内容设定边界条件，避免产生超出范围或不符合实际的内容。
示例：
提示：
生成一个只适用于 Python 3.8+ 的代码，用于解析 JSON 数据，并捕获可能出现的 KeyError 和 TypeError 异常。
明确的边界条件帮助生成更精确和实用的内容。
1.3.4 设置交互式问答风格
通过多轮交互指导 GPT-4，逐步优化和调整结果。
示例：
- 提示 1：
用 Java 编写一个登录模块的基础代码。 - 提示 2：
在代码中添加错误处理，确保用户名不能为空，且密码不少于 8 位。 - 提示 3：
优化代码，将用户验证逻辑抽象为独立的方法。
多轮交互帮助逐步完善代码，避免一次性处理复杂任务。
1.3.5 为长任务分段提示
当任务较复杂时，建议分段生成内容，每段专注于一个子任务。
示例：
- 第一步提示：
生成一个简单的 Flask 应用骨架。 - 第二步提示：
在骨架中添加一个用于用户注册的端点（POST 请求）。 - 第三步提示：
为用户注册端点添加错误处理，并返回适当的 HTTP 状态码。
分段提示不仅提升生成结果的质量，还能更好地控制每一步的逻辑和细节。
1.3.6 考虑性能优化
对于性能敏感的任务，直接要求 AI编程软件生成高效的解决方案。
示例：
提示：
使用 Python 编写一个高效的函数，从一个大文件中提取所有邮箱地址，考虑内存优化，不加载整个文件到内存中。
明确要求性能优化，使生成的代码更贴近实际需求。
1.4 小结：提示词框架模板
综合以上技巧，可以使用如下模板编写提示词：
[角色]：你是一名 [领域专家]。
[目标]：请生成 [具体任务]。
[上下文]：任务需基于以下背景信息：[上下文内容]。
[格式]：输出需符合以下格式：[输出格式要求]。
[约束]：需满足以下条件：[具体约束条件]。
[示例]：附加输入和输出示例：[示例内容]。
[优化]：代码需考虑 [性能/可维护性/扩展性等] 优化。
示例：
你是一位熟悉机器学习的 Python 开发专家。请编写一个基于 scikit-learn 的程序，用于对手写数字数据集进行分类。
任务需包括数据加载、模型训练、测试和评估。输出以 Markdown 格式生成，代码附带详细注释。模型需具有良好的扩展性，允许替换不同的分类器。
2. 提示词实际案例 - 写个Spingboot项目
2.1. 大型项目最重要的是迭代
让 GPT 进行迭代开发是一种高效方式，尤其是在完成完整项目时。以下是一个迭代开发 Spring Boot 项目的具体思路和步骤。
2.1.1. 第一步：初始化项目结构
提示词：
你是一名经验丰富的 Java 后端开发工程师。
请为我生成一个基于 Spring Boot 的项目，初始功能是管理用户信息。项目需要：
1. 使用 Maven 构建。
2. 配置 application.properties 文件以连接到 MySQL 数据库。
3. 提供项目目录结构（包含 src/main/java、resources 等标准目录）。
4. 生成一个基本的 pom.xml 文件，包含 Spring Boot、Spring Data JPA 和 MySQL 的依赖。
目标输出：
- 项目目录结构。
- 基本的
pom.xml文件。 - application.properties 示例配置。
2.1.2. 第二步：设计数据模型
提示词：
在刚才生成的项目基础上，请添加用户管理模块。需要：
1. 创建一个 User 实体类。
2. 数据表字段包括：id（主键）、username（字符串，非空）、email（字符串，唯一）、created_at（时间戳）。
3. 使用 Spring Data JPA 创建 UserRepository 接口。
4. 提供 User 表的 SQL 创建语句。
5. 使用标准 Java 注释解释每个字段和类的作用。
目标输出：
- User 实体类。
- UserRepository 接口。
- SQL 脚本。
2.1.3. 第三步：开发基础服务层
提示词：
现在请在项目中添加服务层逻辑：
1. 创建 UserService 类，提供以下方法：
- `List getAllUsers()`：获取所有用户。
- `User getUserById(Long id)`：根据 ID 获取用户。
- `User createUser(User user)`：创建用户。
- `User updateUser(Long id, User user)`：更新用户信息。
- `void deleteUser(Long id)`：删除用户。
2. 所有方法需要添加异常处理，若找不到用户需抛出自定义异常。
3. 添加方法级注释，解释每个方法的作用。
目标输出：
- UserService 类。
- 异常处理逻辑（自定义异常类）。
2.1.4. 第四步：开发 REST 控制器
提示词：
请在项目中添加一个 RESTful 控制器：
1. 创建 UserController 类，映射路径为 `/users`。
2. 提供以下 API 端点：
- `GET /users`：返回所有用户。
- `GET /users/{id}`：根据 ID 返回用户信息。
- `POST /users`：新增用户。
- `PUT /users/{id}`：更新用户信息。
- `DELETE /users/{id}`：删除用户。
3. 返回 JSON 格式响应，并为每个端点添加详细注释。
目标输出：
- UserController 类。
- REST API 实现。
2.1.5. 第五步：添加单元测试
提示词：
现在请为项目添加单元测试，具体需求如下：
1. 使用 JUnit 和 Spring Boot 测试框架。
2. 为 UserService 编写测试用例，验证 CRUD 操作的正确性。
3. 测试数据需使用内存数据库（如 H2）。
4. 为每个测试方法添加注释，解释其测试目的。
目标输出：
- 单元测试类。
- 测试用例实现。
- H2 数据库配置。
2.1.6. 第六步：完善功能和优化
提示词：
在现有项目基础上，添加以下功能和优化：
1. 添加用户的输入校验（如 username 和 email 不能为空，email 格式需合法）。
2. 为 REST API 添加全局异常处理机制，返回统一的错误格式（包含错误码和描述）。
3. 优化代码：将通用异常处理和日志功能抽象为独立组件。
4. 添加分页和排序支持到 `GET /users`。
目标输出：
- 输入校验逻辑。
- 全局异常处理类。
- 分页和排序支持。
2.1.7. 第七步：部署和文档
提示词：
最后一步，请为项目生成以下内容：
1. 部署指南：包括如何在本地运行项目、如何配置数据库。
2. API 文档，包含每个端点的请求和响应示例。
3. 使用 Docker 容器化 Spring Boot 项目，并提供 Dockerfile 和 docker-compose 文件示例。
目标输出：
- 部署指南文档。
- API 文档（Markdown 格式）。
- Dockerfile 和 docker-compose 示例。
2.2 总结
通过上述7 步迭代提示，你能逐步完成一个功能完善、代码清晰的 Spring Boot 项目。每一步专注于特定模块或功能，便于逐步优化和调整，最终构建出高质量的项目。
这种迭代式开发方法可以根据需求灵活调整方向，也有利于团队协作时的任务分工。