AI 编程的 Prompt 工程：我整理了 20 条铁律，每条都是踩坑换来的

先讲一个翻车故事

去年 11 月，我让 Cursor Agent 做一个"简单的"功能：给后台管理系统加上导出 Excel 的功能。

我的 prompt："给用户列表加上导出 Excel 的功能。"

结果：Agent 安装了一个全新的 Excel 库（项目里本来就有），创建了一套独立的导出模块（和现有架构不兼容），导出的表头是英文（系统是中文的）。

修了三个小时。

后来我把 prompt 改成："在 src/utils 下创建 export_excel.py，复用项目已有的 openpyxl 库。导出函数接收 User 列表，生成中文表头的 Excel 文件。在 /admin/users 页面添加导出按钮，点击调用 /api/users/export 接口。"

结果：10 分钟搞定。

这两个 prompt 的差距，就是这篇文章要讲的。

为什么 Prompt 工程对 AI 编程至关重要

AI 编程和 AI 聊天不一样。

聊天错了，笑笑就过了。代码错了，可能引入 bug、破坏架构、浪费几小时的 debug 时间。

AI 编程的 prompt 需要三个层次的精确：

1. 做什么：功能描述

2. 在哪做：文件路径、模块位置

3. 怎么做到位：技术约束、验收标准

20 条铁律

第一层：明确边界

铁律 1：指定文件路径

别说"改一下用户模块"，说"改 src/modules/user/service.py 的 create_user 函数"。

铁律 2：指定技术栈

别说"优化数据库查询"，说"用 Prisma ORM 优化 users 表的查询，加上索引和分页"。

铁律 3：指定不要改什么

"只改 user 模块，不要动 order 和 payment 模块"。

铁律 4：指定输出格式

"返回 JSON 格式：{code: 0, data: [...], message: 'success'}"。

第二层：提供上下文

铁律 5：引用现有代码

"参考 src/utils/email.py 的 send_email 函数风格，写一个 send_sms 函数"。

铁律 6：说明业务逻辑

"VIP 用户免运费，普通用户满 99 免运费，不满 99 收 10 元"。

铁律 7：给出边界条件

"当用户未登录时返回 401，订单不存在返回 404，库存不足返回 400"。

铁律 8：给出示例

"输入：{user_id: 123, items: [{sku: 'A001', qty: 2}]}，输出：{order_id: 456, total: 198}"。

第三层：验收标准

铁律 9：要求测试通过

"确保所有现有测试仍然通过，新功能需要 80% 以上的代码覆盖率"。

铁律 10：要求代码规范

"遵循 PEP 8，函数不超过 30 行，类不超过 200 行"。

铁律 11：要求错误处理

"每个 API 都要 try/except，返回统一的错误格式"。

铁律 12：要求日志

"关键操作加上 logger.info，错误加上 logger.error"。

第四层：控制 Agent 行为

铁律 13：先计划再执行

"先列出修改计划，确认后再改代码"。

铁律 14：限制修改范围

"只改这一个文件，不要动其他文件"。

铁律 15：要求 diff 审查

"改完后展示 diff，不要直接 commit"。

铁律 16：指定 Agent 模式

"用 Ask 模式分析问题，用 Agent 模式修改代码"。

第五层：迭代优化

铁律 17：单次一个任务

"只做用户认证，不要顺便改其他东西"。

铁律 18：失败时给方案

"如果改不了，告诉我为什么，给出替代方案"。

铁律 19：保留原有逻辑

"在现有代码基础上增量修改，不要重写整个文件"。

铁律 20：确认理解

"在开始之前，复述你对这个任务的理解"。

实战模板

把这 20 条压缩成一个实战模板：

## 任务
[一句话描述]

## 文件
- 修改：src/path/to/file.py（第 X-Y 行）
- 参考：src/path/to/reference.py

## 约束
- 技术栈：[框架/库/版本]
- 不修改：[排除的模块/文件]
- 代码规范：[具体规范]

## 输入输出
- 输入：{...}
- 输出：{code: 0, data: {...}}

## 验收
- [ ] 现有测试通过
- [ ] 新功能测试通过
- [ ] 错误处理完备
- [ ] 日志记录完整

## 步骤
1. 先分析，列出修改计划
2. 确认后执行修改
3. 展示 diff 供审查

把这个模板存成 snippet，每次用的时候填空。效率提升明显。

最后

Prompt 工程不是玄学。它就是把"你在脑子里想的东西"写清楚。

你在脑子里想的越模糊，AI 的输出就越随机。你在脑子里想的越精确，AI 的输出就越靠谱。

所以每次 prompt 写不好，不是 AI 的问题——是你还没想清楚。

#Prompt工程 #AI编程 #Cursor #开发效率