写好写码 Prompt 的 6 条铁律

本节目标

• 掌握写码 Prompt 的 6 条铁律
• 能改写一段"烂 prompt"成"好 prompt"
• 理解为什么"上下文 + 约束 + 输出格式"如此关键

6 条铁律：

① 给上下文：贴相关文件/接口/报错，别让 AI 凭空猜
② 定约束：语言/框架/风格/禁止项，越具体越好
③ 说清输出：要"完整文件"还是"只给 diff"？要测试吗？
④ 拆小步：一次只做一件事，避免大杂烩
⑤ 要可验证：明确要求"附带运行/测试方式"
⑥ 给样例：用"输入→期望输出"锚定行为

烂 vs 好：

烂： "帮我写个排序"
好： "用 JavaScript 写一个稳定的归并排序函数 mergeSort(arr)，
     输入 number[]，返回新数组不修改原数组；
     附 3 个调用示例与 node 可直接运行的完整文件。"

为什么有效：铁律①③ 消除"歧义"（AI 最怕模糊），④⑤ 把"生成"和"验证"绑死，⑥ 用样例把行为钉死，避免自由发挥。

名词解释

• Prompt（提示词）：你给 AI 的指令与上下文。质量直接决定产出质量——"垃圾进垃圾出"在 LLM 上尤其明显。
• 约束（Constraint）：明确限制条件（框架、风格、禁止做的事）。它把 AI 的"创作空间"收窄到你要的范围，减少跑偏。
• 可验证输出（Verifiable Output）：要求 AI 同时给出"怎么运行/测试"，让产出从"看起来对"变成"可证伪"——这是质量控制核心。

课后练习

1. 把"写个登录页"改写成符合铁律的好 prompt。
   • 答案："用 Vue3 <script setup> 写一个登录页组件 LoginView.vue，含用户名/密码两个字段与必填+邮箱格式客户端校验；不引第三方表单库；给出在已有 Vue 项目里引用它并 npm run dev 验证空值/错误格式提示的步骤。"
2. 为什么"给样例（输入→输出）"能显著提质量？
   • 答案：样例把抽象需求变成具体行为锚点，AI 据此对齐你的真实期望，避免它按自己假设的语义自由发挥。

总结

写好 Prompt 不是"文采比赛"，而是"消除歧义 + 绑定验证"的工程训练。六条铁律背后只有一个逻辑：LLM 是概率生成器，模糊的指令会放大随机性，精确的约束能把它锁在你想要的分布里。我特别看重铁律⑤"要可验证"——它把 AI 的产出从"我猜你满意"变成"你跑一下就知道对不对"。很多人抱怨 AI 写代码不行，其实是自己的 prompt 像在许愿。这一课的底层心智是：把 AI 当成一个能力极强但缺乏上下文、且不爱追问的初级工程师——你要做的，是把 brief 写得像给靠谱同事那样清楚。Prompt 写得好，Vibe Coding 就成功了一半。