Prompt 写好了，代码质量也更好

Prompt 写好了，代码质量也更好

很多人觉得 AI 写的代码质量参差不齐，有时候很惊艳，有时候一塌糊涂。

差别在哪？很多时候在 Prompt。

我有一个简单的判断标准：如果你的需求描述给一个刚入职的程序员，他能看懂、能执行，那这个 Prompt 就足够好了。

好的 Prompt 要说清楚三件事

背景（这是什么项目、用了什么技术）、目标（要实现什么功能）、约束（有什么不能做、格式要求是什么）。

举个例子，与其说：

帮我写一个登录功能

不如说：

我的项目用 Next.js 14 + Supabase，帮我实现邮箱密码登录，成功后跳转到 /dashboard，失败显示错误提示，不要用第三方登录库

后者写出来的代码几乎可以直接用，前者往往要来回改好几轮。

反面案例：为什么 AI 写的代码"不能用"

我收集了一些常见的"失败 Prompt"，分析一下它们为什么会导致低质量的输出：

"帮我写一个表单"——什么表单？多少个字段？提交到哪里？校验规则是什么？AI 只能猜，猜出来的结果自然不是你想要的。

"优化一下性能"——哪里慢？加载慢还是运行慢？有多少数据量？不给上下文，AI 只能给出泛泛的建议。

"参考某某网站的风格"——AI 看不到那个网站。你需要用文字描述具体的视觉特征：颜色、布局、间距、字体大小。

一个模板，覆盖 80% 的场景

经过大量实践，我总结了一个 Prompt 模板：

【背景】我正在做一个 [项目类型]，使用 [技术栈]
【目标】我需要 [具体功能描述]
【要求】
- [具体要求 1]
- [具体要求 2]
- [具体要求 3]
【约束】
- 不要 [不想要的东西]
- 保持与现有代码风格一致

这个模板不需要每次都严格遵循，但在你不知道该怎么写 Prompt 的时候，套用它基本不会出错。

迭代比一次到位更重要

还有一个经常被忽略的点：Prompt 不需要一次写完美。

更好的工作流是：

1. 先写一个大致的需求，让 AI 给出第一版
2. 看看结果，找出不满意的地方
3. 针对性地补充要求，让 AI 修改

这个过程通常两三轮就能得到满意的结果。比花 20 分钟构思一个"完美 Prompt"要高效得多。

写代码之前先把需求想清楚

说到底，写 Prompt 的能力本质上是表达需求的能力。这不只是给 AI 看的，也是给自己看的。

很多时候你觉得 AI "写得不对"，其实是你自己还没想清楚想要什么。把需求写成 Prompt 的过程，本身就是一次思考的梳理。

如果你能把需求描述得让 AI 一次就写对，那你的需求分析能力已经相当不错了——这个能力不管是跟 AI 合作还是跟人合作，都非常有用。