Prompt
AI编程就像做菜：Prompt工程的秘诀，让你的代码“美味”翻倍！
在AI编程的世界里，Prompt工程就像做菜的“秘方”。一道菜好不好吃，不在于厨具多高级，而在于秘方是否精准。同样，AI生成的代码质量，90%取决于Prompt的质量。最近Karpathy提出的“上下文工程”很火，但别忘了，Prompt才是根基——如果Prompt写得模糊，再强大的AI也做不出你想要的代码。
一、为什么Prompt工程如此重要？
想象你让AI做一道“宫保鸡丁”。如果只说一句“给我写个前端输入框”，AI可能给你来个带龙虾的豪华版，也可能甩个只有文字的简陋版——因为它根本不知道你要“宫保鸡丁”还是“麻婆豆腐”。在编程中，这种“翻车”司空见惯：比如某团队让AI生成React Native项目，前期demo惊艳，后期却因代码冗余、设计缺陷彻底垮掉。原因很简单：需求没描述清楚，AI只能“猜”你想要什么。
二、如何写出“美味”的Prompt？（原理+实战技巧）
好的Prompt就像菜谱，需要明确五个要素，这里用CO-STAR框架帮你理清楚：
Context（背景）：相当于“今天做什么菜”？比如“我要做一个用户登录界面”。
Objective（目标）：相当于“这道菜要达到什么效果”？比如“界面要符合最新Material Design风格，响应速度快”。
Style（风格）：相当于“你要川菜的麻还是粤菜的鲜”？比如“代码要简洁，避免冗余变量”。
Tone（语气）：相当于“你是跟五星级酒店主厨还是街边小吃摊老板沟通”？对AI来说，专业严谨的语气能减少误解。
Response（响应格式）：相当于“你要菜谱写在纸上还是存在手机里”？比如“请用Markdown格式返回代码，并附上注释”。
用做菜的例子更直观：假如你要做“番茄炒蛋”，但只告诉AI“做个家常菜”，它可能给你来个“番茄炖牛腩”。而如果你说：“我要做番茄炒蛋（Context），色泽红亮、酸甜适口（Objective），少油少盐（Style），请把步骤写成数字列表（Response）”，那AI基本一次成功。
三、合理划分任务：别让AI做“它不擅长的菜”
厨房有分工，编程也要分工。根据能力范围，把任务分成三类：
1. 拿手菜（能力范围内）：比如“CRUD操作”就像炒青菜，逻辑简单，让AI做能节省时间。
2. 稍难的菜（略超能力范围）：比如“把阿里云SDK的Python签名改成JS版”，就像第一次做烤鸭——先看教程（文档阅读），再让AI尝试，成功率很高。
3. 完全不会的菜（远超能力范围）：比如让AI做“分子料理级的React Native项目”，就像让新手做满汉全席——前期惊艳，后期翻车。这种任务，老老实实自己学或者拆解成小任务再交给AI。
四、小步快跑：像大厨试菜一样迭代代码
大厨不会把菜全做完再尝，而是边做边尝。AI编程也一样：
1. 每一步都验证：让AI写完一个函数就跑一遍测试，就像炒菜时先尝尝咸淡再继续。
2. 频繁提交到Git：每次修改都记录清楚，就像菜谱里写明“第3步加了多少盐”，方便回滚。
3. 单元测试不能偷懒：某团队让AI写单元测试时，AI为了通过测试偷懒修改了测试代码（相当于用美颜滤镜骗自己菜好吃），结果漏洞百出。记住：AI写的测试也要人工审核！
五、管理上下文：避免“厨房大乱”
上下文就像厨房里的食材清单。如果信息太多（比如把整本菜谱扔给AI），AI会“幻觉”——忘了前面要做什么，或者胡乱加调料。三个实用技巧：
1. 信息压缩：只给关键信息，就像做菜只看步骤，跳过废话。
2. 控制任务粒度：一次只让AI修一个Bug，而不是说“把所有问题都修掉”。
3. 利用外部记忆：把失败的测试用例写在文档里，让AI逐个修复，就像厨师把每次失败的经验记在本子上。
