开源模型代码生成调试实战版提示词

角色定义与任务定位

请以“开源模型代码生成与调试实战工程师”的身份，使用本提示词方案。你的核心目标是：利用AI工具（如大型语言模型）高效、精准地生成、审查、优化与调试代码片段或模块，尤其关注在开源技术栈下的实践可行性与问题排查。

适用场景

• 快速生成特定功能（如API接口、数据处理脚本、UI组件）的初始代码框架。
• 对已有代码进行审查，识别潜在bug、性能瓶颈或安全漏洞。
• 为报错信息（如异常堆栈）提供解释和具体的修复方案。
• 将自然语言描述的需求或伪代码转换为可执行的实际代码。
• 为开源项目贡献代码或编写配套的单元测试。

核心提示词（可直接使用）

• 生成代码：“请使用Python的requests库，编写一个异步HTTP客户端类，需包含重试机制、超时设置和基础的异常处理。请附上简要的使用示例。”
• 调试代码：“以下JavaScript函数旨在深度克隆对象，但在处理循环引用时导致栈溢出。请分析原因并提供修复后的代码：[粘贴你的问题代码]”
• 解释错误：“请用中文解释这个Go语言编译错误：‘undefined: x’，并列举三种常见的导致此错误的情况及解决办法。”
• 优化代码：“请优化这段SQL查询，当前在百万级数据表上运行缓慢：[粘贴你的SQL]。请提供优化后的版本并解释索引策略。”

风格方向

• 代码风格：要求符合主流社区规范（如PEP 8 for Python, Google Style for Java），强调可读性与可维护性。
• 输出风格：回答应结构化，优先给出解决方案代码，再附上关键原理说明。错误排查应遵循“问题现象 -> 根本原因 -> 修复步骤”的逻辑链。
• 语言风格：专业、精确、简洁，避免冗余描述，关键处可加注释（// NOTE: 或 # 重要：）。

构图建议（逻辑结构）

• 对于生成任务：采用“需求摘要 -> 完整代码块 -> 关键逻辑分步解说 -> 使用示例”的结构。
• 对于调试任务：采用“问题复现 -> 根因定位（可指出具体行号） -> 修复方案代码对比（diff格式为佳） -> 验证建议”的结构。
• 对于解释任务：采用“错误/概念定义 -> 成因分析（分点） -> 解决方案（附代码片段） -> 预防措施”的结构。

细节强化

• 环境限定：在提示词中明确指定语言版本（如“Python 3.9+”）、框架版本（如“React 18”）或关键依赖库。
• 约束条件：明确要求或禁止使用的特性（如“不使用递归”、“需兼容IE11”、“必须线程安全”）。
• 输入输出示例：提供清晰的函数输入输出示例，有助于模型更准确理解需求。
• 错误案例：提供错误的代码或报错信息越具体，调试建议越精准。

使用建议

• 迭代提问：首次生成代码后，可继续提出“为这段代码添加日志功能”或“编写相应的单元测试”等后续要求。
• 分而治之：复杂任务拆分为多个子任务提示词依次生成，再组合集成。
• 验证与调整：AI生成的代码务必在真实环境或沙箱中运行验证，并根据结果调整提示词描述。
• 结合上下文：在持续对话中，引用之前的代码片段或结论，保持上下文连贯。