问题背景最近在用大模型如 ChatGPT、通义千问等辅助写业务代码时你是不是也遇到过这些崩溃瞬间让它写个排序算法它给你整了一堆复杂的面向对象封装根本没法直接复制运行。让它修复 Bug它自信满满地给出一段代码结果跑起来直接报 NullPointerException。沟通成本极高像教小白一样一步步纠正它的逻辑。其实很多时候不是模型不够聪明而是我们的 Prompt提示词太模糊了。今天分享 3 个我亲测有效的 Prompt 进阶技巧帮你把大模型调教成真正的“结对编程搭档”。核心技巧与实战演示技巧一角色设定 明确约束Role Constraints不要直接问“帮我写个 Python 爬虫”试试这样“你现在是一名拥有 10 年经验的 Python 后端工程师。请帮我写一个异步爬虫脚本要求1. 使用 aiohttp 和 asyncio2. 必须包含异常处理和重试机制3. 代码中关键步骤加上中文注释4. 不要使用第三方解析库只用正则表达式。”技巧二提供上下文与反例Context Negative Prompt大模型很容易陷入“幻觉”你需要明确告诉它“不要做什么”。“我需要写一个 MySQL 慢查询优化方案。背景表数据量 500 万主要查询字段是 create_time。注意不要建议我加全表索引也不要建议分库分表目前只允许在现有单表结构上优化。”技巧三思维链引导Chain of Thought遇到复杂的架构设计或算法题让模型先“思考”再写代码。“请帮我设计一个基于 Redis 的分布式限流器。在写代码之前请先分步列出你的设计思路1. 选择哪种数据结构为什么 2. 如何处理并发冲突 3. 边界情况怎么兜底 确认思路无误后再给出 Lua 脚本代码。”效果对比表格提问方式 模型表现 代码可用性基础提问“写个限流器” 给出简单的内存计数器无法应对分布式 极低需大改进阶 Prompt上述技巧 给出基于 Redis Lua 的滑动窗口方案带详细注释 极高可直接 Copy总结把大模型当成一个聪明但缺乏业务上下文的“实习生”。你给的指令越具体、边界越清晰它交付的代码质量就越高。建议大家把常用的 Prompt 模板保存下来形成自己的“提示词资产库”。