用 AI 辅助写代码的 7 个提示词习惯

我日常写脚本、改小工具基本离不开 AI 编程助手，ChatGPT、Claude、Codex、Claude Code 都长期在用。用久了发现，同一个模型，提示词写法不同，出来的代码质量差别很大。下面是我自己固定下来的 7 个习惯，按“提需求之前、写需求时、拿到代码之后”三个阶段整理，每条都附一个可以直接改着用的写法。

一、提需求之前

习惯 1：先交代上下文，再提需求

AI 看不到你的项目全貌，默认会按“最常见的写法”去猜。语言版本、框架、运行环境、相关代码，提前说清楚，能少返工很多次。

环境：Python 3.11，Flask 3，部署在 Linux 服务器上。
下面是 user.py 里现有的 get_user 函数：（贴代码）
需求：增加一个按邮箱查询用户的函数，写法和 get_user 保持一致。

习惯 2：一次只做一件事

“帮我重构整个项目，顺便加上登录功能”这种需求，AI 往往会改一大片，出了问题很难定位。把任务拆成几步，每一步都能单独验证：先加数据表字段，再写查询函数，最后接到接口上。每完成一步，自己运行一下、提交一次版本，再进行下一步。

二、写需求的时候

习惯 3：写清输入、输出和边界情况，最好给例子

函数要处理什么输入、返回什么、遇到异常怎么办，用例子说明比用形容词描述准确得多。

写一个函数 parse_amount(s: str) -> int，把金额字符串转换成以"分"为单位的整数：
"12.5"     -> 1250
"0.01"     -> 1
"1,234.00" -> 123400
空字符串、非法格式、小数超过两位时抛出 ValueError。
不要用 float 做计算，避免精度问题。

习惯 4：把约束说在前面

AI 很喜欢“顺手优化”。不想让它动的地方，要明确写出来：

约束：
1. 只修改 utils/date.py，不要改其他文件
2. 不引入新的第三方依赖
3. 保持函数签名和返回格式不变
4. 不要删除已有注释

习惯 5：先要方案，再要代码

稍微复杂一点的改动，先让它讲思路，确认了再动手，能避免方向性错误：

先不要写代码。请说明你打算怎么实现、要改哪些文件、可能有什么风险，等我确认后再开始写。

用 Claude Code、Codex 这类能直接改文件的工具时，这一步尤其有用（Claude Code 还有专门的计划模式）：方案不对及时叫停，比改完再回滚省事得多。

三、拿到代码之后

习惯 6：报错时给完整信息，并让它自测

“跑不起来，帮我看看”是效率最低的提问。有效的报错提问包含三样东西：完整的错误信息（不要只截最后一行）、复现步骤、你期望的结果。

同时，可以要求它为改动补上测试：

请为 parse_amount 写 pytest 单元测试，覆盖正常金额、带千分位、小数超过两位和非法输入四类情况。

测试最好自己运行一遍，以实际结果为准，不要只看它的总结。

习惯 7：把常用要求沉淀下来，别每次重说

代码风格、目录结构、测试命令这些约定，每次都重新打一遍很累，也容易漏。可以整理成固定模板；如果用的是 Claude Code 或 Codex，直接写进项目根目录的说明文件（Claude Code 读取 CLAUDE.md，Codex 读取 AGENTS.md），每次开工都会自动带上。例如：

项目约定：
1. Python 3.11，代码格式化使用 black
2. 新增函数必须有类型注解和单元测试
3. 测试命令：pytest -q

另外两个小提醒：对话太长时，AI 容易忘掉前面定好的约定，一个任务做完就新开会话；不要把真实的密钥、密码、客户数据贴进提示词，需要时用假数据代替。

写在最后

提示词没有万能模板，核心就一句话：把你脑子里默认的东西说出来。上下文、范围、约束、验收标准讲得越清楚，AI 给出的代码就越接近能直接用的状态。

（作者：瑶瑶ai训练师）

本文由作者结合自己的使用经验、借助 AI 辅助整理。