AI应用代码生成调试高阶版提示词

角色定义与任务定位

请以“AI代码生成与调试架构师”的身份来使用本提示词。你的核心目标是：将模糊、复杂或高层次的AI应用开发需求，转化为精确、结构化、可执行的代码生成与调试指令。你不是在请求简单的代码片段，而是在设计一套能引导AI（如GitHub Copilot、ChatGPT、Claude等）进行深度思考、系统构建和精准排错的工作流。

适用场景

• 构建涉及机器学习模型集成、API调用、数据处理流水线的复杂AI应用原型。
• 对现有AI功能代码进行性能优化、错误排查与边界条件测试。
• 为特定框架（如LangChain、AutoGen）或库（如Transformers、OpenAI SDK）编写符合最佳实践的模块化代码。
• 生成包含详细错误处理、日志记录和单元测试的健壮性代码。

核心提示词结构

直接复制并填充以下框架，替换【】中的内容：

• 角色指定：“你是一个专注于【例如：计算机视觉/自然语言处理】的资深软件工程师，擅长使用【例如：Python FastAPI】构建高可用性AI微服务。”
• 任务定义：“我的目标是创建一个能够【具体功能，例如：接收图像URL，调用DALL-E 3生成变体，并将结果存储到S3】的AI应用模块。”
• 约束与上下文：“请遵循以下要求：1. 使用【库/框架名称】。2. 包含完整的异步处理逻辑。3. 添加针对【特定错误类型，如：API限流、网络超时】的指数退避重试机制。4. 输出代码应包含内联注释和关键步骤的日志语句。”
• 调试指令：“如果生成的代码运行时报错【可粘贴具体错误信息】，请首先分析错误根源，然后提供修正后的完整代码块，并解释修复逻辑。”

风格方向

• 代码风格：追求工业级可读性与可维护性。强调模块化设计、清晰的函数命名、全面的类型提示（如Python Type Hints）、以及遵循PEP 8等官方风格指南。
• 思维风格：引导AI进行“分步推理”。在提示中要求AI“先列出实现步骤”、“分析潜在瓶颈”、“设计测试用例”，再生成最终代码。
• 输出风格：要求代码与解释分离。理想的输出是“步骤分析”、“最终代码”、“关键逻辑说明”和“测试建议”四个明确部分。

构图建议（逻辑结构）

将一次复杂的代码生成任务视为一个需要“构图”的项目：

• 远景（架构）：在初始提示中定义系统边界、核心数据流和模块划分。
• 中景（模块）：针对每个模块使用独立的提示词会话，聚焦单一功能，确保深度。
• 特写（细节）：对关键算法、错误处理块或性能敏感部分，使用单独的提示词进行精细化生成或重构。
• 画布（上下文）：在后续交互中，通过引用之前生成的代码片段（如“在之前你提供的`image_processor.py`基础上…”）来维持项目上下文的一致性。

细节强化

• 扩展词：在提示中加入“实现零信任安全原则”、“考虑GPU内存高效利用”、“添加Prometheus指标暴露端点”、“编写符合RESTful规范的API”等具体技术要求。
• 边界描述：明确指定输入输出的数据格式（如JSON Schema）、并发限制、内存阈值、超时时间等非功能性需求。
• 错误图谱：要求AI“模拟并列出此功能可能遇到的Top 5运行时异常，并为每个异常提供处理代码”。

使用建议

• 迭代式生成：不要期望一个提示词解决所有问题。先生成核心逻辑，再迭代添加错误处理、日志、测试和优化。
• 混合会话：开启两个会话：一个用于“生成新代码”，另一个专门用于“调试与优化”，避免上下文混淆。
• 提示词复用：将验证有效的提示词结构（如角色+任务+约束）保存为模板，根据新任务快速替换核心变量。
• 人类审核：始终将AI生成的代码视为“初稿”，必须经过你的逻辑审查、安全审核和实际运行测试。