代码评审提示词优化：ChatGPT减少重复句式的实用指南
代码评审意见写来写去总是那几句“应校验”“须补全”“建议优化”——这个困境，说到底是因为ChatGPT偷懒，死抱着通用动词模板不放。要让它真正给出有语言特色的具体意见，得从三个维度下手：用语言特性锁定动词、用缺陷类型驱动句式、用角色切换打乱表达惯性。
先说核心逻辑：让ChatGPT生成的代码评审意见摆脱“应”“须”“改为”“补全”这些万能词，关键不在于叠限定词，而在于强制它绑定具体的语言运行时和语法结构。
用语言特征锚定动作动词
第一步，在提示词开头把当前代码的语言上下文交代清楚。比如写成“当前代码为Python 3.11 + FastAPI 0.115，所有异步函数均使用async/await，无threading.Lock”。这一步是给模型划出动作边界。
第二步，列出该语言里不可替代的语法结构，并要求每条意见必须调用其中至少一个。拿Python举例：with contextlib.suppress、try/except ValueError、typing.Optional、dataclass(slots=True)、@cached_property。这些是模型绕不开的具体锚点。
第三步，直接禁用四个通用动词：“应”“须”“改为”“补全”。明确写清楚——若意见中间出现了上述任一词，整条意见作废重写。这样一来，模型只能从语言本身找出口。比如“应校验空值”会自然转换成“第37行调用json.loads()前未包裹try/except JSONDecodeError，导致上游HTTP 400被吞没”。语义没变，但表达从“万能模板”掉到了“具体代码场景”。
用缺陷类型反向驱动句式变异
方法其实很直接：给模型喂三类真实缺陷示例，并标注各自的句式基因。
① 空指针类 → 必须含.get(key, default)或or None结构
② 类型混淆类 → 必须含isinstance(obj, ExpectedType)或pydantic.BaseModel.model_validate
③ 资源泄漏类 → 必须含with open() as f:或async with aiohttp.ClientSession() as session:
然后在提示词末尾加一条硬性格式指令：每条意见必须以缺陷类型开头，且后续动词必须来自该类型对应的动作结构库。举个例子：
【空指针类】→ 使用.get()替代[]
【类型混淆类】→ 插入isinstance校验
【资源泄漏类】→ 改为with语句包裹
这一步不做，ChatGPT就会持续输出“建议增加类型检查”这种跨语言万能句式，而不会落到Python的isinstance或TypeScript的as const上。只有把缺陷类型和具体语法绑死，才能破掉模板化。
用评审角色切换打乱表达惯性
直接告诉模型它此刻的身份：你是一个Code Review Bot v2.3，职责是模拟三位不同背景的工程师轮流出意见——前端工程师（关注DOM操作与事件流）、后端工程师（关注事务边界与序列化）、SRE（关注超时设置与panic日志）。
每条意见开头强制标注角色缩写：
[FE] 第89行document.querySelector()未加null check → 触发Uncaught TypeError阻塞整个React组件挂载
[BE] 第12行JSON.parse()未捕获SyntaxError → 导致FastAPI中间件返回500而非400
[SRE] 第55行fetch timeout设为0 → 请求永不超时，连接池耗尽后服务雪崩
角色标签天然携带动词偏好：FE倾向用“触发/阻塞/挂载”，BE倾向用“导致/返回/抛出”，SRE倾向用“耗尽/雪崩/熔断”。模型一旦需要切换角色，就无法复用同一套动词模板，表达自然就活了。