目录 (Outline)
- 一、 从「帮我写个函数」到「专业指令」：为什么你的 AI 总是不听话？
- 二、 核心方法论：CO-STAR 模型在代码场景的应用
- 三、 实战 1：利用 Chain-of-Thought (CoT) 解决复杂逻辑
- 四、 实战 2：Few-shot 示例——强制 AI 遵循团队代码风格
- 五、 进阶：如何让 AI 为生成的代码编写单元测试
- 六、 避免陷阱：处理 AI 的「幻觉」与过时 API
- 七、 总结：从 Coder 到 AI 架构师的思维转型
一、 从「帮我写个函数」到「专业指令」：为什么你的 AI 总是不听话？
1. 常见误区
很多开发者在使用 ChatGPT 或 Copilot 时，给出的指令往往过于简略：
- 「帮我写一个 React 列表组件。」
- 「实现一个验证邮箱的正则。」
2. 结果
AI 会给出一个最基础、最通用的方案，但它不符合你的项目规范（比如你用的是 Tailwind，它给了 CSS-in-JS）、不包含错误处理、甚至逻辑有缺陷。
二、 核心方法论：CO-STAR 模型在代码场景的应用
为了让 AI 产出更精准，我们可以套用 CO-STAR 框架：
- Context (背景)：描述你的项目栈（React 19, TypeScript, Vite）。
- Objective (目标)：明确要实现的功能（带分页的表格）。
- Style (风格)：指定的编码规范（函数式组件, Hook 抽离）。
- Tone (语调)：要求 AI 像高级工程师一样思考（关注边界情况、性能）。
- Audience (受众)：代码是给谁看的（团队成员、初学者）。
- Response (输出要求)：具体的格式（包含代码块、解释、测试用例）。
三、 实战 1：利用 Chain-of-Thought (CoT) 解决复杂逻辑
对于复杂的算法或业务流，不要让 AI 直接给结果，而是让它「一步步思考」。
Prompt 示例
「请实现一个购物车结算逻辑。在编写代码之前，请先列出需要处理的所有边界情况（如库存不足、优惠券过期、货币转换），确认无误后再进行编码。」
效果：AI 会先分析逻辑，发现潜在问题，从而生成的代码鲁棒性更高。
四、 实战 2：Few-shot 示例——强制 AI 遵循团队代码风格
如果你的团队有独特的 Hooks 封装或 API 调用方式，最好的办法是提供 1-2 个示例。
Prompt 示例
「这是我们项目中统一的 API 调用方式：
[示例代码]。请模仿这个风格，为 User 模块编写一个获取个人信息的 Hook。」
五、 进阶：如何让 AI 为生成的代码编写单元测试
高质量的代码必须有测试。我们可以利用 AI 的「对抗性」思维。
Prompt 技巧
「你已经写好了这个
useAuthHook。现在，请扮演一个资深的 QA 工程师，列出所有可能的失败路径，并为这些路径编写 Vitest 测试用例。」
六、 避免陷阱：处理 AI 的「幻觉」与过时 API
AI 可能会生成已经废弃的 API（如 React 18 之前的写法）。
应对策略
- 指定版本：在 Prompt 中明确写出
React 19或Node.js 22。 - 提供文档片段：如果是一个很新的库（如 Vite 6），直接把文档里的关键 Demo 喂给 AI。
- 自我校验：让 AI 「检查这段代码是否有安全漏洞或性能隐患」。
七、 总结：从 Coder 到 AI 架构师的思维转型
Prompt Engineering 本质上是需求分析的延伸。一个好的提示词，反映了开发者对业务逻辑、架构设计和代码规范的深度理解。掌握了这些技巧，你将不再是简单的代码搬运工，而是 AI 的「指挥官」。
