你有没有遇到过这种场景——给 Cursor 或 Claude Code 发了一条指令，它生成的代码跑不通，还得你自己改？
不是工具不行，是提示词没写好。
我用了两年 AI 编程工具，总结了几个核心原则。掌握这些，同样的工具效率能翻三倍。
一、为什么提示词这么重要
AI 编程助手不是搜索引擎。你问它什么，它不一定知道上下文。
比如你说"帮我优化这个函数"。优化什么？性能？可读性？内存？AI 只能猜。
猜对了，完美。猜错了，你得重新解释，来回几次，时间反而花更多。
好的提示词 = 让 AI 一次猜对你的意图。
二、提示词的黄金公式
我总结了一个万能公式：
角色 + 任务 + 上下文 + 约束 + 输出格式
拆解一下：
角色：让 AI 知道它在什么立场工作 任务：具体要做什么 上下文：相关代码、项目结构、技术栈 约束：不能用什么、要遵守什么规范 输出格式：代码、注释、文档、还是解释
例子：坏提示词 vs 好提示词
坏的：
帮我写个登录接口
AI 会懵：什么框架？什么数据库？JWT 还是 session？前端传什么参数？
好的：
角色：资深后端工程师
任务：实现用户登录 API
上下文：
- 框架：FastAPI + SQLAlchemy
- 数据库：PostgreSQL
- 用户表字段：id, email, password_hash, created_at
- 认证方式：JWT token，有效期 24 小时
约束：
- 密码用 bcrypt 加密
- 输入参数用 Pydantic 校验
- 错误信息用统一格式返回
输出：完整的 Python 代码，包含路由、服务层、数据库模型
差距一目了然。
三、Cursor 专用技巧
Cursor 有文件上下文感知能力，善用这个优势。
技巧 1：用 @ 符号引用文件
在 Cursor 的聊天框里，输入 @ 然后选择文件。这样 AI 能看到完整代码，不只是你粘贴的那几行。
比如你想重构一个函数：
@user_service.py 帮我重构 getUser 函数，改成异步版本，加上缓存逻辑。
AI 会读取整个 user_service.py 文件，理解依赖关系后再改代码。
技巧 2：Composer 模式的多文件策略
Composer（Cmd+I）能同时改多个文件。但如果你不告诉它改哪些，它可能只改一个。
正确的做法：
帮我加用户注销功能。
需要修改的文件：
- auth_routes.py：加 POST /logout 路由
- auth_service.py：加 invalidate_token 方法
- user_model.py：加 last_logout_at 字段
约束：token 失效后存入 Redis，TTL 30 分钟
明确告诉它改什么、怎么改，AI 不会瞎猜。
技巧 3：用 Tab 接受，逐行审查
Cursor 的代码补全按 Tab 接受。不要全盘接受。
看每一段生成的代码，确认：
- 逻辑对不对
- 边界条件处理了没有
- 有没有安全漏洞
四、Claude Code 专用技巧
Claude Code 在终端里运行，适合批量任务和自动化。
技巧 1：用 –follow 参数追踪修改
Claude Code 改完文件后，你可以用：
claude --follow "检查刚才修改的文件有没有引入新 bug"
让它主动读文件，而不是猜你改了啥。
技巧 2：把项目结构作为上下文
Claude Code 能看到文件树。但如果你要它理解架构，最好主动告诉它：
这是一个电商后端项目，结构如下：
- src/routes/：API 路由
- src/services/：业务逻辑
- src/models/：数据模型
- src/middleware/：中间件
现在要加一个订单取消功能，涉及 routes/order.py 和 services/order.py。
技巧 3：用 -p 参数预览模式
不想真的改文件？用 -p（preview）参数：
claude -p "优化这个数据库查询，减少 N+1 问题"
AI 会输出 diff，你确认后再执行。
五、通用技巧：迭代式提示
不要指望一条提示词解决所有问题。迭代改进更有效。
第一轮： 生成基础代码 第二轮： 指出问题，让 AI 修复 第三轮： 要求优化（性能、可读性、测试覆盖）
举个例子：
第一轮：写一个 REST API 获取用户列表
第二轮：加了分页参数，每页 20 条，返回总数
第三轮：加上 Redis 缓存，TTL 5 分钟，缓存击穿用互斥锁解决
每一轮都在前一轮基础上改进，AI 更容易跟上节奏。
六、常见错误：别这样写提示词
错误 1：太抽象
❌ “让这个代码更好” ✅ “把函数拆成更小的单元，每个函数只做一件事，加类型注解”
错误 2：一次给太多任务
❌ “写登录、注册、找回密码，全部用 JWT 认证” ✅ “先写登录接口，注册和找回密码后面再说”
AI 一次处理太多任务，容易漏掉细节。拆开做，质量更高。
错误 3：忽略错误处理
❌ “实现文件上传功能” ✅ “实现文件上传，处理超大文件、非法类型、磁盘空间不足的情况”
错误 4：不给技术栈约束
❌ “写个爬虫” ✅ “用 Python + httpx + asyncio 写异步爬虫，支持代理和重试”
七、实战案例：从 0 到 1 写一个工具
假设你要写一个"日志分析工具"。
第一步：定义需求
用 Python 写一个日志分析脚本。
功能：
1. 读取 Nginx 访问日志
2. 统计每小时请求量
3. 找出状态码为 5xx 的请求
4. 输出趋势图（用 matplotlib）
5. 支持命令行参数指定日志路径和时间范围
第二步：让 AI 生成框架
把上面的 prompt 发给 Claude Code 或 Cursor。它会给你一个基础版本。
第三步：迭代完善
第一轮生成的代码缺异常处理。
请加上：
- 日志文件不存在时提示
- 解析失败时跳过该行而不是崩溃
- 时间格式错误时打印警告
第四步：最终审查
检查代码的安全性：
1. 有没有路径遍历漏洞？
2. 用户输入有没有过滤？
3. 内存占用会不会爆？
八、提示词模板库
收藏几个常用模板，以后直接改参数：
代码审查模板
角色：资深 Code Reviewer
任务：审查以下代码
约束：
- 检查安全漏洞（注入、越权）
- 检查性能问题（N+1、内存泄漏）
- 检查代码规范（命名、注释、结构）
- 检查边界条件
输出：问题列表 + 修改建议 + 优先级
Bug 修复模板
角色：Debug 专家
任务：修复以下 bug
上下文：
- 错误信息：{错误信息}
- 相关代码：{代码}
- 期望行为：{描述}
- 实际行为：{描述}
输出：原因分析 + 修复代码 + 测试用例
代码重构模板
角色：架构师
任务：重构以下代码
目标：提高可读性和可维护性
约束：
- 保持原有功能不变
- 减少重复代码
- 添加类型注解和文档字符串
输出：重构后的完整代码
总结
提示词工程不是玄学，是有方法可循的。
记住核心公式：角色 + 任务 + 上下文 + 约束 + 输出格式。
下次给 AI 编程助手发指令前，花 30 秒想想：我把上下文说清楚了没有？约束列全了没有？输出格式明确了吗？
多试几次，你会发现自己和 AI 的配合越来越默契。
你现在最想让我帮你写什么代码？把 prompt 发过来，我帮你改。