本篇目标告别“抽卡式”编程。不要指望 AI 一次就给你完美代码。学会这“三板斧”你的代码通过率将从 30% 提升到 90%。一、为什么“一杆进洞”很难很多新手喜欢这样用 AI扔给它一个巨大的需求“帮我写个贪吃蛇”。拿到代码运行报错。再扔给它报错“报错了修一下”。再运行还报错。怒骂“AI 真笨”然后放弃。真相连真人都很难一次写对几百行代码何况是靠概率预测的 AI解法把“一次性生成”拆解为“三轮对话”。二、第一轮澄清Clarification—— 别急着写在 AI 开始写任何一行代码之前先让它复述你的需求并追问它不懂的地方。Prompt 模板我想做一个 [简短描述你的需求]。在你写代码之前请复述你对任务的理解。列出你计划使用的技术栈。最重要如果有任何不清楚的地方请向我提问直到你完全明白为止。效果AI 可能会问“贪吃蛇是网页版还是 Python 本地版要计分吗蛇撞墙是死还是穿墙”这时候你才发现“哎呀我忘了说要网页版了”这一轮对话帮你省去了后面推倒重来的 1 个小时。三、第二轮生成Generation—— 分步执行需求对齐后让 AI 开始写。但别让它直接吐几百行代码容易中断容易逻辑混乱。让它先写伪代码/计划再写真代码。Prompt 模板很好你的理解是对的。请按以下步骤执行先输出项目的文件结构树。用自然语言描述核心逻辑伪代码。最后生成完整的、可运行的代码文件。效果AI 会先画出snake_game/ index.html script.js style.css你一看“不对我要的是单文件 HTML。”你可以立刻叫停“停合并成一个index.html文件。”这一轮帮你在代码成型前纠正架构错误。四、第三轮自检Self-Correction—— 自己找茬拿到代码后不要直接运行。让 AI 自己先检查一遍。这是利用了 LLM 的一个特性它的“鉴赏能力”通常高于“创作能力”。它可能写不对但它能看出哪里不对。Prompt 模板在我运行之前请你作为“资深 QA”审查你刚才写的代码有没有逻辑漏洞比如蛇头撞到蛇身有没有未处理的边界情况比如输入为空有没有安全隐患如果有请指出并提供修复后的代码。效果AI 经常会惊呼“啊我忘了处理蛇吃到食物后长度 1 的逻辑。这是修复后的版本…”这一轮帮你消灭了 80% 的低级 Bug。五、实战演示写一个“图片批量压缩工具”Round 1: 澄清User: “我要写个 Python 脚本压缩文件夹里的图片。”System: “收到。请问1. 压缩率要多少2. 原图要覆盖吗3. 只处理 JPG 还是所有格式”User: “压缩到 50%保留原图存到output文件夹处理 JPG 和 PNG。”Round 2: 生成User: “请按这个需求生成代码。先列出步骤。”AI: “计划1. 创建output目录。2. 遍历文件。3. 用Pillow库压缩。4. 保存。这是代码…”Round 3: 自检User: “检查一下如果output文件夹已经存在且里面有同名文件会报错吗”AI: “你说得对现在的代码会直接报错。我加一个exists_okTrue和文件名自动重命名逻辑如img_1.jpg。这是更新后的代码…”本篇产出三轮对话 SOP 卡片把这张卡片贴在你的屏幕旁边每次做复杂任务时按顺序出牌。轮次目标你的指令 (Prompt 关键词)AI 的动作1. 澄清对齐需求“复述你的理解”, “向我提问”, “不要写代码”确认需求查漏补缺2. 生成产出代码“先列计划”, “文件结构”, “Step-by-step”规划架构生成代码3. 自检消除 Bug“作为 QA 审查”, “检查边界情况”, “修复它”自我反思优化代码练习题修复“贪吃蛇”的 Bug背景AI 给你写了个贪吃蛇但是蛇吃食物不长身体。错误做法直接把代码扔回去说“不对”。正确做法请尝试写出 Round 3 的 Prompt点击查看参考答案“请审查eatFood函数。逻辑似乎有问题当蛇头坐标等于食物坐标时只加了分没有把蛇身长度列表snakeBody增加一个元素。请修复这个问题并确保新长出来的身体在蛇尾位置。”下一步掌握了三轮对话你已经能搞定大部分中型任务了。但如果我们要处理更专业的编程场景——比如Debug修 Bug、Refactor重构、Test写测试有没有更专门的 Prompt 技巧下一章我们将为你提供一套代码任务专用提示卡。
17｜三轮迭代法：澄清 → 生成 → 自检与修复
本篇目标告别“抽卡式”编程。不要指望 AI 一次就给你完美代码。学会这“三板斧”你的代码通过率将从 30% 提升到 90%。一、为什么“一杆进洞”很难很多新手喜欢这样用 AI扔给它一个巨大的需求“帮我写个贪吃蛇”。拿到代码运行报错。再扔给它报错“报错了修一下”。再运行还报错。怒骂“AI 真笨”然后放弃。真相连真人都很难一次写对几百行代码何况是靠概率预测的 AI解法把“一次性生成”拆解为“三轮对话”。二、第一轮澄清Clarification—— 别急着写在 AI 开始写任何一行代码之前先让它复述你的需求并追问它不懂的地方。Prompt 模板我想做一个 [简短描述你的需求]。在你写代码之前请复述你对任务的理解。列出你计划使用的技术栈。最重要如果有任何不清楚的地方请向我提问直到你完全明白为止。效果AI 可能会问“贪吃蛇是网页版还是 Python 本地版要计分吗蛇撞墙是死还是穿墙”这时候你才发现“哎呀我忘了说要网页版了”这一轮对话帮你省去了后面推倒重来的 1 个小时。三、第二轮生成Generation—— 分步执行需求对齐后让 AI 开始写。但别让它直接吐几百行代码容易中断容易逻辑混乱。让它先写伪代码/计划再写真代码。Prompt 模板很好你的理解是对的。请按以下步骤执行先输出项目的文件结构树。用自然语言描述核心逻辑伪代码。最后生成完整的、可运行的代码文件。效果AI 会先画出snake_game/ index.html script.js style.css你一看“不对我要的是单文件 HTML。”你可以立刻叫停“停合并成一个index.html文件。”这一轮帮你在代码成型前纠正架构错误。四、第三轮自检Self-Correction—— 自己找茬拿到代码后不要直接运行。让 AI 自己先检查一遍。这是利用了 LLM 的一个特性它的“鉴赏能力”通常高于“创作能力”。它可能写不对但它能看出哪里不对。Prompt 模板在我运行之前请你作为“资深 QA”审查你刚才写的代码有没有逻辑漏洞比如蛇头撞到蛇身有没有未处理的边界情况比如输入为空有没有安全隐患如果有请指出并提供修复后的代码。效果AI 经常会惊呼“啊我忘了处理蛇吃到食物后长度 1 的逻辑。这是修复后的版本…”这一轮帮你消灭了 80% 的低级 Bug。五、实战演示写一个“图片批量压缩工具”Round 1: 澄清User: “我要写个 Python 脚本压缩文件夹里的图片。”System: “收到。请问1. 压缩率要多少2. 原图要覆盖吗3. 只处理 JPG 还是所有格式”User: “压缩到 50%保留原图存到output文件夹处理 JPG 和 PNG。”Round 2: 生成User: “请按这个需求生成代码。先列出步骤。”AI: “计划1. 创建output目录。2. 遍历文件。3. 用Pillow库压缩。4. 保存。这是代码…”Round 3: 自检User: “检查一下如果output文件夹已经存在且里面有同名文件会报错吗”AI: “你说得对现在的代码会直接报错。我加一个exists_okTrue和文件名自动重命名逻辑如img_1.jpg。这是更新后的代码…”本篇产出三轮对话 SOP 卡片把这张卡片贴在你的屏幕旁边每次做复杂任务时按顺序出牌。轮次目标你的指令 (Prompt 关键词)AI 的动作1. 澄清对齐需求“复述你的理解”, “向我提问”, “不要写代码”确认需求查漏补缺2. 生成产出代码“先列计划”, “文件结构”, “Step-by-step”规划架构生成代码3. 自检消除 Bug“作为 QA 审查”, “检查边界情况”, “修复它”自我反思优化代码练习题修复“贪吃蛇”的 Bug背景AI 给你写了个贪吃蛇但是蛇吃食物不长身体。错误做法直接把代码扔回去说“不对”。正确做法请尝试写出 Round 3 的 Prompt点击查看参考答案“请审查eatFood函数。逻辑似乎有问题当蛇头坐标等于食物坐标时只加了分没有把蛇身长度列表snakeBody增加一个元素。请修复这个问题并确保新长出来的身体在蛇尾位置。”下一步掌握了三轮对话你已经能搞定大部分中型任务了。但如果我们要处理更专业的编程场景——比如Debug修 Bug、Refactor重构、Test写测试有没有更专门的 Prompt 技巧下一章我们将为你提供一套代码任务专用提示卡。
