AI编程之Prompt 1）代码生成的艺术

代码生成是大语言模型在开发场景中最受欢迎的功能之一。然而，如何“对话式”地让模型编写出风格统一、逻辑清晰、符合业务需求的代码，却是一门艺术。

本章将深入探讨如何撰写高效的代码生成提示词，涵盖从函数编写到风格控制、从复杂度调节到业务语义对齐的各类实战技巧。

一、让模型编写函数的最佳实践

大语言模型生成代码的基本单元通常是函数。一个优秀的代码生成提示，通常具备以下要素：

• 明确的功能描述
• 清晰的输入输出格式
• 必要的约束条件
• 可选的示例调用（可选但强大）

示例 1：简单的函数请求

Prompt：

编写一个Python函数，输入一个整数n，返回前n个斐波那契数。

生成代码：

def fibonacci(n):
    seq = [0, 1]
    while len(seq) < n:
        seq.append(seq[-1] + seq[-2])
    return seq[:n]

提升版本（加入参数说明和示例）

Prompt：

请用Python编写一个函数，返回前n个斐波那契数。函数要求如下：
- 输入参数：整数n，代表需要返回的斐波那契数个数
- 返回值：包含n个整数的列表
- 函数应处理 n = 0 的情况

示例：
输入：n = 5
输出：[0, 1, 1, 2, 3]

小贴士

🧠 提示要点：明确“输入→处理→输出”三要素，并尽量使用项目中常见的格式和术语。

---

二、控制风格、语言与复杂度

模型可以根据提示词调整代码的风格、使用的语言，甚至是代码的复杂度。

示例 2：指定风格（函数式 vs 面向对象）

Prompt：

使用函数式编程风格编写一个Python函数，将列表中的每个数字平方。

def square_list(lst):
    return list(map(lambda x: x**2, lst))

Prompt（面向对象版）：

使用面向对象风格实现相同功能。定义一个类 `SquareTransformer`，包含方法 `transform(self, lst)`。

class SquareTransformer:
    def transform(self, lst):
        return [x**2 for x in lst]

示例 3：指定语言

用JavaScript编写一个函数，判断一个字符串是否是回文。

function isPalindrome(str) {
    const cleaned = str.toLowerCase().replace(/[^a-z0-9]/g, '');
    return cleaned === cleaned.split('').reverse().join('');
}

---

三、对齐业务语义与性能要求的小技巧

有时候，生成的代码逻辑正确但不符合业务背景或性能预期。你可以通过这些技巧来“校准”模型：

技巧1：加入**“在电商网站场景下”**等业务前缀

在电商网站场景下，编写一个Python函数，根据商品销量排序推荐列表。

技巧2：提出具体的性能约束

编写一个高性能版本的字符串去重函数，适用于百万级数据处理。

技巧3：添加错误处理或边界条件

请确保函数能处理空列表、负数或无效输入的情况。

---

✍️ 练习区：动手试试看！

1. 函数生成练习
   请提示模型编写一个函数：输入一个英文句子，返回所有单词的长度列表。

2. 风格控制练习
   尝试分别用函数式和面向对象方式，提示模型实现一个“去除重复列表项”的功能。

3. 复杂度调节练习
   写两个Prompt，一个生成“暴力法”解决“寻找数组中两个数之和等于目标值”的问题，一个生成“高效法”（使用哈希表）。

---

📌 本章小结

• 代码生成不是“让模型写代码”这么简单，而是“用精确的提示控制模型的输出”。
• 明确的功能描述、风格约束和语义上下文是高质量代码生成的关键。
• 提供示例、边界条件和性能提示，有助于获得更稳定和可靠的输出。

👉 下一章我们将进入**“单元测试与调试辅助”**，看看模型在开发过程中的“第二大超能力”。

---