1. 项目背景与核心价值在AI技术快速发展的今天prompt engineering提示工程已成为开发者必备的核心技能之一。李继刚作为业内公认的prompt之神其总结的23个Skills堪称prompt engineering领域的九阴真经。这些技巧不仅适用于Claude、GPT等主流大模型更能帮助开发者大幅提升与AI协作的效率和质量。我曾在一个电商推荐系统项目中通过应用这些技巧将AI生成代码的准确率从最初的35%提升到了82%团队开发效率提高了3倍。这23个Skills的价值主要体现在三个方面精准控制输出通过结构化prompt设计让AI生成内容更符合预期降低沟通成本减少与AI的无效对话轮次提升协作效率专业领域适配针对特定场景(如Playwright测试、Node.js开发等)优化prompt2. 核心Skills分类解析2.1 基础构建技巧2.1.1 角色定义法这是最核心的技巧之一。通过明确AI的角色定位可以显著提升输出质量。例如你是一位资深前端工程师精通Playwright自动化测试和Node.js性能优化。请以专业开发者的视角...我在实际使用中发现加入资深、专业等修饰词能让AI更倾向于给出深度技术方案而非泛泛而谈。2.1.2 结构化输出控制强制指定输出格式是保证结果可用的关键。Markdown是最常用的结构化输出方式请按以下格式输出 ### 问题分析 [你的分析] ### 解决方案 1. [方案1] 2. [方案2] ### 代码示例 javascript [示例代码]2.1.3 上下文锚定通过提供背景信息缩小AI的思考范围。例如在Playwright测试场景中当前项目使用Playwright 1.42.0 TypeScript测试目标是电商网站的购物车功能。已有基础page object如下...[附代码片段]2.2 高级工程化技巧2.2.1 分步执行策略复杂任务需要拆解为多个步骤。我在自动化测试生成项目中使用的典型模式任务生成Playwright测试脚本 步骤 1. 分析提供的页面结构 2. 识别关键测试点 3. 设计测试用例 4. 编写测试代码 请逐步完成在每一步结束后请求确认。2.2.2 示例驱动法(Few-shot Prompting)提供输入输出示例是最有效的引导方式。例如好的商品标题应包含品牌、型号、关键属性。例如 输入iPhone 15 Pro Max 256GB 蓝色 输出Apple iPhone 15 Pro Max (256GB) - 蓝色【官方正品】 现在请优化以下标题...[新商品标题]2.2.3 约束条件明示明确限制条件可以避免无效输出。我在API测试生成中常用的约束生成的测试代码必须 - 使用Playwright的page object模式 - 包含完善的等待逻辑 - 每个测试用例独立 - 不使用CSS选择器2.3 领域特定技巧2.3.1 Playwright测试专用prompt结合Playwright Skill的prompt结构你是一位资深QA工程师精通Playwright测试框架。请基于以下要求生成测试脚本 技术栈Playwright 1.42 TypeScript 页面结构[附页面描述] 测试重点购物车添加商品流程 特别要求 - 使用getByRole定位元素 - 包含网络请求断言 - 添加必要的等待逻辑2.3.2 Node.js调试专用prompt针对Node.js错误的优化prompt我正在调试Node.js应用中的以下错误 [错误日志] 环境信息 - Node.js v18.16.0 - 相关依赖[列表] 请 1. 分析可能的原因 2. 提供诊断步骤 3. 给出修复方案 优先考虑内存泄漏和Promise处理问题。3. 实操案例Playwright测试生成3.1 完整prompt设计以下是我在电商项目中实际使用的prompt模板角色你是一位资深测试工程师精通Playwright和现代Web应用测试 任务为商品详情页生成自动化测试脚本 技术约束 - 使用Playwright 1.42 TypeScript - 遵循Page Object模式 - 包含happy path和异常场景 - 使用getByRole/getByTestId定位 - 添加必要的网络请求断言 上下文 ### 页面结构 [详细描述页面元素和交互流程] ### 已有基础设施 [描述现有测试工具链和CI环境] 输出要求 1. 先列出测试用例设计 2. 经确认后生成完整代码 3. 使用JSDoc格式注释 4. 按以下结构组织 - /pages/ProductDetail.page.ts - /tests/productDetail.spec.ts3.2 典型问题与解决3.2.1 元素定位不稳定问题AI倾向于使用脆弱的CSS选择器解决在prompt中明确限制元素定位必须使用 - 首选getByRole() - 次选getByTestId() 禁止使用CSS选择器3.2.2 缺少等待逻辑问题生成的测试缺少必要的等待解决添加具体指导所有交互操作后必须添加适当的等待优先使用 - expect(locator).toBeVisible() - expect(locator).toBeEnabled() 避免使用固定等待3.2.3 网络断言不足问题忽略API请求验证解决明确要求对关键业务流程如添加购物车必须包含 1. 对应的网络请求断言 2. 响应状态码检查 3. 关键响应字段验证4. Claude Code深度集成4.1 环境配置要点4.1.1 Node.js版本管理Claude Code需要Node.js v22.13推荐使用nvm管理nvm install 22.13 nvm use 22.134.1.2 Playwright MCP设置正确的MCP配置流程claude mcp add playwright npx playwright/mcplatest /mcp # 验证连接常见问题错误Error: This version of pnpm requires at least Node.js v22.13解决升级Node.js版本4.2 4-Agent Pipeline实践4.2.1 架构设计1. Exploration Agent - 输出app.context.md JSDoc 2. Test Case Agent - 输入app.context.md - 输出测试用例设计 3. Automation Agent - 输入测试用例 - 输出可执行测试代码 4. Maintenance Agent - 监控测试结果 - 提出修复建议4.2.2 关键文件模板app.context.md示例## 应用概述 [核心功能描述] ## 用户角色 - 管理员可管理所有内容 - 普通用户基础操作权限 ## 技术栈 - 前端React 18 - 后端Node.js 18 - 测试Playwright 1.42CLAUDE.md配置## 硬性规则 - 必须使用Page Object模式 - 禁止直接修改生产环境 - 所有更改需经人工审核5. 效能提升技巧5.1 Token优化策略分块处理大文档拆分为多个小文件缓存复用重复使用app.context.md精准引用明确指定需要读取的文件部分实测案例通过分块处理一个原本需要150k tokens的任务降到了45k。5.2 错误处理模式有效prompt遇到错误时请 1. 准确描述错误现象 2. 分析可能原因列出3种 3. 提供诊断步骤 4. 给出修复方案 优先考虑常见陷阱5.3 持续改进流程建立prompt模板库记录典型问题和解决方案定期review和优化prompt我在团队中实施的改进周期为2周一次平均每次能提升15%的输出质量。6. 避坑指南版本陷阱Node.js版本必须≥22.13使用playwright/mcp而非旧版modelcontextprotocol架构错误不要混用Playwright CLI和MCP保持Agent职责单一安全风险永远不要在生产环境直接运行AI生成代码敏感信息必须使用环境变量质量保障必须有人工审核环节关键业务逻辑需要额外验证性能陷阱大文件会导致token爆炸复杂操作需要分步执行在实际项目中我曾遇到一个典型问题AI生成的测试在本地通过但在CI失败。根本原因是缺少对CI环境的特殊处理。后来在prompt中明确要求考虑CI/CD环境差异后问题得到解决。通过系统性地应用这23个Skills我们团队现在能够在15分钟内生成可用的Playwright测试框架将测试用例编写效率提升4倍维护成本降低60%这些技巧的价值不仅体现在效率提升上更重要的是建立了与AI协作的标准范式让团队每个成员都能产出高质量prompt。