![[哭笑]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_61.a296509.png)
![[流泪]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_6.dde0d83.png)
docs.lovable.dev
juejinlong
首席bug官
武器库是RTX战术核弹
蟹老板！我要说的是如果有一天，我真的实现了，我生命中的梦想，我永远也不会让我的双脚，站在这油污的地板上
获得徽章 0
- “AI怎么总是不明白我的意思？”
“为什么AI生成的结果总是差强人意？”
如果你也有这些困惑，那么你可能需要学习一项新技能——提示工程（Prompting）。简单来说，Prompting就是你给AI下达的指令文本。在Lovable这类AI驱动的应用构建平台中，Prompt就是你“告诉”AI要做什么的语言，从创建用户界面到编写后端逻辑，都离不开它。
毫不夸张地说，更好的提示词，意味着更好的结果。
1️⃣ 为什么“会提问”如此重要？
很多人以为，用AI就是随便输入一句话，然后坐等奇迹。但事实是，平庸的AI回复与让AI为你构建完整工作流之间的差距，就在于你如何提问。
2️⃣ 核心原则：C.L.E.A.R. 框架
一个好的提示应遵循五个核心原则，记住这个单词：CLEAR（清晰）。
C - Concise (简洁): 直截了当，避免冗余
- 反面案例：“你能不能帮我写点关于科学的东西？”
- 正面案例：“写一段200字的摘要，总结气候变化对沿海城市的影响。”
L - Logical (有逻辑): 将复杂的请求分解成有序的步骤
- 反面案例：“给我做一个用户注册功能，顺便显示一些使用统计数据。”
- 正面案例：“第一步，使用Supabase实现一个包含电子邮件和密码的用户注册表单。第二步，在注册成功后，显示一个展示用户总数的仪表盘。”
E - Explicit (明确): 清晰地说明你想要什么，不想要什么
- 反面案例：“给我讲讲狗。”
- 正面案例：“用项目符号的形式，列出关于金毛猎犬的5个独特事实。”
A - Adaptive (适应性强): 如果第一次的结果不理想，就迭代优化你的提示，可以把它想象成一场对话
- 示例：“你给出的解决方案缺少了身份验证步骤，请在代码中加入用户认证功能。”
R - Reflective (反思): 每次互动后，复盘哪些表达方式有效，哪些无效
- 示例：在完成一个复杂任务后，你可以让AI总结：“请总结一下我们最终的解决方案，并说明关键步骤。” 这能帮助你提炼出未来可复用的高效模板。
与AI的沟通是一门艺术，更是一门科学。
原文Lovable Prompting 1.1教程链接（更多高级提示技巧）：
docs.lovable.dev 展开21
![[阴险]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_49.392c709.png)
![[不失礼貌的微笑]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_16.9d17f6d.png)