问题类型	典型表现	后果
描述模糊	"帮我写个函数"	输出不符合预期，反复修改
缺少上下文	直接贴代码不说用途	AI无法理解业务意图
约束不明确	没说语言/框架/风格	生成的代码无法直接使用
一步到位贪多	一个Prompt要求完成整个系统	输出质量急剧下降
缺乏示例	只说不给参考	AI猜不准你的偏好

🎯 MonkeyCode Prompt设计原则

核心框架：CONTEXT-TASK-FORMAT

┌─────────────────────────────────────────────────────────────┐
│           MonkeyCode Prompt 黄金模板                          │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  ┌─────────────────────────────────────────────────────┐   │
│  │  📋 CONTEXT（上下文）— 你是谁？在做什么？              │   │
│  │                                                     │   │
│  │  • 项目背景和技术栈                                  │   │
│  │  • 相关代码和已有实现                                │   │
│  │  • 业务需求和约束条件                                │   │
│  │  • 编码规范和团队约定                                │   │
│  └─────────────────────────────────────────────────────┘   │
│                         ↓                                   │
│  ┌─────────────────────────────────────────────────────┐   │
│  │  🎯 TASK（任务）— 你想让AI做什么？                    │   │
│  │                                                     │   │
│  │  • 明确的功能需求                                    │   │
│  │  • 具体的输入输出定义                                │   │
│  │  • 边界条件和异常处理要求                            │   │
│  │  • 性能和安全约束                                    │   │
│  └─────────────────────────────────────────────────────┘   │
│                         ↓                                   │
│  ┌─────────────────────────────────────────────────────┐   │
│  │  📐 FORMAT（格式）— 你希望输出什么样？                 │   │
│  │                                                     │   │
│  │  • 代码语言和版本                                    │   │
│  │  • 框架和库的选择                                    │   │
│  │  • 代码组织结构                                      │   │
│  │  • 注释和文档要求                                    │   │
│  └─────────────────────────────────────────────────────┘   │
│                                                             │
└─────────────────────────────────────────────────────────────┘

📝 场景一：从糟糕到优秀的Prompt进化

❌ Level 1: 糟糕的Prompt

帮我写个用户登录的接口

AI输出的结果：

不知道用什么语言（Java? Python? Go?）
不知道用什么框架（Spring Boot? Flask? Gin?）
不知道需要哪些字段
不知道安全要求
结果：基本不可用，需要大量修改

⚠️ Level 2: 及格的Prompt

用Java Spring Boot写一个用户登录的Controller，接收用户名和密码，返回token。

AI输出的结果：

✅ 知道用Java + Spring Boot
✅ 知道基本的输入输出
❌ 没有参数校验
❌ 没有异常处理
❌ 没有安全考虑（密码明文？SQL注入？）
结果：勉强能用，但存在安全隐患

✅ Level 3: 良好的Prompt

用Java Spring Boot 3.x写一个用户登录的REST API。

要求：

接收POST请求，路径/api/v1/auth/login

请求体包含username(必填,3-20位)和password(必填,8-32位)

使用BCrypt校验密码

登录成功返回JWT Token（有效期24小时）

失败时返回明确的错误码（用户不存在/密码错误/账号锁定）

需要参数校验（Bean Validation）

记录登录日志

AI输出的结果：

✅ 完整的REST Controller
✅ 参数校验、密码加密、JWT生成
✅ 错误码体系完善
✅ 包含日志记录
结果：可以直接使用，少量调整即可上线

🏆 Level 4: MonkeyCode推荐的完美Prompt

# Context（上下文）
我正在开发一个电商平台的用户认证模块。
技术栈：Java 17 + Spring Boot 3.2 + Spring Security 6 + JWT + MySQL 8 + Redis 7
已有代码：
- User实体类（id, username, passwordHash, status, createdAt）
- UserRepository（继承JpaRepository）
- JwtUtil工具类（已实现generateToken/validateToken）

# Task（任务）
请帮我完成以下功能：

1. **AuthController.login()**
   - POST /api/v1/auth/login
   - 请求体：{username, password}
   - 成功：返回 {token, refreshToken, expiresIn, user: {id, username, roles}}
   - 失败：
     * 用户不存在 → 40401 "用户名或密码错误"
     * 密码错误 → 40401 "用户名或密码错误"
     * 账号锁定 → 40303 "账号已被锁定，请联系管理员"
     * 连续失败5次 → 自动锁定30分钟
   
2. **AuthService**
   - 封装登录核心逻辑
   - 整合Spring Security AuthenticationManager
   - 登录失败计数器（Redis，key=login_fail:{userId}, TTL=30min）
   
3. **SecurityConfig配置**
   - 放行/login、/register等公开接口
   - 其他接口需要Bearer Token认证
   - CORS配置允许前端域名

# Format（格式要求）
- 使用Lombok注解简化代码
- 统一ApiResponse<T>响应包装
- 遵循RESTful规范
- 关键逻辑添加中文注释
- 包含完整的import语句

# Reference（参考）
类似项目的登录接口示例：
[粘贴一段你认为写得好的同类代码]

AI输出的结果：

✅ 完全符合项目技术栈
✅ 与现有代码无缝集成
✅ 包含安全防护（防暴力破解）
✅ 代码风格与团队一致
✅ 几乎可以直接提交PR

🔧 场景二：常用Prompt模板库

模板1：功能开发

## 功能需求：[功能名称]

### 背景
[简要描述这个功能的业务背景和目的]

### 技术环境
- 语言/框架：[如 Java 17 / Spring Boot 3.2]
- 数据库：[如 MySQL 8.0]
- 相关依赖：[如 Spring Security, Redis, JWT]

### 已有代码
[粘贴相关的已有代码，包括Entity/Repository/Service等]

### 需求详情
1. [具体需求点1]
2. [具体需求点2]
3. [具体需求点3]

### 接口定义（如果有）
- 方法：GET/POST/PUT/DELETE
- 路径：/api/xxx/xxx
- 请求参数：...
- 响应格式：...

### 约束条件
- 性能要求：[如 P99 < 200ms]
- 安全要求：[如 需要鉴权、参数校验]
- 兼容性要求：[如 需要兼容旧版API]

### 输出要求
- 代码语言：[Java/Python/Go/TypeScript]
- 注释语言：[中文/英文]
- 是否需要单元测试：[是/否]

模板2：Bug修复

## Bug修复：[问题描述]

### Bug现象
[描述Bug的表现，包括复现步骤]

### 期望行为
[描述正确的表现应该是什么样的]

### 相关代码
[粘贴出问题的代码片段]

### 错误信息
[粘贴完整的异常堆栈/错误日志]

### 已尝试的方案
[列出你已经尝试过的修复方案及结果]

### 环境
- 操作系统：[Linux/Windows/macOS]
- 运行环境：[开发/测试/生产]
- 版本信息：[相关组件的版本号]

### 输出要求
- 给出根因分析
- 提供修复方案（含代码）
- 说明修复原理
- 给出预防建议

模板3：代码审查优化

## 代码优化建议

### 当前代码
[粘贴需要优化的代码]

### 优化目标
- [ ] 性能优化（减少耗时/降低内存）
- [ ] 可读性提升（命名/结构/注释）
- [ ] 安全加固（漏洞修复）
- [ ] 设计改进（模式重构/解耦）
- [ ] 规范统一（符合团队编码标准）

### 已知问题
[列出你已经发现的问题点]

### 业务约束
[说明不能改动的部分，如外部接口契约等]

### 参考标准
[团队编码规范链接或关键规则摘录]

模板4：架构设计

## 架构设计方案

### 项目概述
[项目名称、规模、目标用户]

### 核心需求
1. [需求1]
2. [需求2]
3. [需求3]

### 非功能性需求
- 并发量预估：[QPS/TPS]
- 可用性要求：[如 99.99%]
- 数据量预估：[日增数据量/总量]
- 安全等级：[如 等保三级]
- 扩展性要求：[水平扩展/垂直扩展]

### 技术约束
- 必须使用的技术：[如 国产数据库达梦]
- 不能使用的技术：[如 禁止使用某些商业软件]
- 团队技术栈：[当前团队熟悉的技术]

### 输出要求
- 整体架构图（文字描述）
- 技术选型及理由
- 模块划分和职责
- 核心流程描述
- 数据存储方案
- 部署方案
- 风险点和应对策略

🎨 场景三：高级Prompt技巧

技巧1：Few-Shot Learning（少样本学习）

在Prompt中提供示例，让AI模仿你的风格：

请按照以下代码风格编写新的订单查询接口：

【示例1 - 我喜欢的风格】
/**
 * 根据ID查询商品详情
 * 
 * @param 商品唯一标识
 * @return 商品详细信息（含价格、库存、分类）
 * @throws ResourceNotFoundException 当商品不存在时
 */
@GetMapping("/products/{id}")
public ApiResponse<ProductVO> getProduct(
        @PathVariable @NotBlank Long id) {
    Product product = productService.findById(id)
        .orElseThrow(() -> new ResourceNotFoundException("商品不存在", id));
    return ApiResponse.success(productMapper.toVO(product));
}

【示例2 - 同样的风格】
@PostMapping("/products")
@ResponseStatus(HttpStatus.CREATED)
public ApiResponse<ProductVO> createProduct(
        @Valid @RequestBody CreateProductRequest request) {
    // 参数校验已在@Valid中处理
    Product saved = productService.create(request);
    return ApiResponse.success(saved);
}

【新需求】
请按以上风格编写：批量查询商品列表接口，支持分页、关键词搜索、分类筛选。

技巧2：Chain-of-Thought（思维链引导）

让AI逐步思考，而不是直接给出答案：

请帮我排查一个性能问题。

【问题描述】
订单列表接口在高并发下响应时间超过5秒。

【请按以下步骤分析】
Step 1: 先列出可能导致慢查询的所有原因（至少列出8个）
Step 2: 对每个原因给出判断方法（如何确认是否是这个原因）
Step 3: 按可能性从高到低排序
Step 4: 给出Top 3原因的详细排查命令/代码
Step 5: 针对每个原因给出优化方案

注意：每一步都要先思考再回答，不要跳步。

技巧3：角色扮演

让AI以特定角色的身份来回答：

你现在是拥有15年经验的资深Java架构师，
曾在阿里巴巴/字节跳动担任核心技术专家，
精通高并发、分布式系统设计，
对Spring生态有深入理解，
擅长代码审查和性能优化。

请审查以下代码，以严苛的标准指出所有问题，
并给出具体的改进方案（含代码）：

[粘贴代码]

技巧4：约束条件精确化

模糊约束 vs 精确约束：

维度	模糊	精确
代码长度	"简洁一点"	"不超过50行，单个方法不超过20行"
性能	"快一点"	"P99 < 200ms，支持1000 QPS"
注释	"加点注释"	"每个public方法加Javadoc，复杂逻辑加行内注释"
命名	"规范命名"	"遵循阿里Java开发手册，使用驼峰命名"
异常处理	"处理好异常"	"自定义BusinessException，不暴露堆栈给前端"

📊 场景四：Prompt效果评估

自检清单

每次写完Prompt后，对照检查：

□ Context完整性
  □ AI知道这是什么项目吗？
  □ AI知道用的什么技术栈吗？
  □ AI知道已有的代码基础吗？

□ Task明确性
  □ 要做什么？—— 清楚吗？
  □ 输入是什么？—— 定义了吗？
  □ 输出是什么？—— 定义了吗？
  □ 边界情况？—— 考虑了吗？

□ Format规范性
  □ 语言/版本指定了吗？
  □ 代码风格要求了吗？
  □ 注释/文档要求了吗？
  □ 测试要求了吗？

□ 质量保障
  □ 有示例供参考吗？（Few-shot）
  □ 有约束条件吗？
  □ 有安全要求吗？

Prompt评分卡

等级	分数范围	特征	AI输出质量
D	0-30分	只有1句话	基本不可用
C	31-50分	有基本需求但缺上下文	大量修改
B	51-70分	有上下文+需求+基本约束	小幅调整
A	71-90分	结构完整+有示例+精确约束	直接可用
S	91-100分	完美Prompt+持续迭代优化	超越预期

🛠️ 场景五：MonkeyCode专属Prompt指令

系统级配置（.monkeycode/system-prompt.yaml）

# MonkeyCode全局Prompt配置
# 适用于整个项目的AI交互

global_context:
  project_name: "my-awesome-project"
  tech_stack:
    language: "Java 17"
    framework: "Spring Boot 3.2"
    build_tool: "Maven 3.9"
    database: "MySQL 8.0 + Redis 7.0"
    
coding_standards:
  naming_convention: "alibaba_java_guide"
  comment_language: "chinese"
  max_method_length: 30_lines
  max_class_length: 500_lines
  mandatory_javadoc: ["public", "protected"]
  
security_requirements:
  sql_prevention: "parameterized_query_only"
  xss_prevention: "output_encoding"
  auth_required: "jwt_bearer_token"
  sensitive_data_masking: true
  
testing_standards:
  framework: "JUnit 5 + Mockito"
  min_coverage: 80%
  test_naming: "should_{expectedBehavior}_when_{condition}"
  
output_preferences:
  code_formatting: "google-java-format"
  import_ordering: "standard"
  use_lombok: true
  prefer_optional_over_null: true
  
forbidden_patterns:
  - "System.out.println"
  - "e.printStackTrace()"
  - "new Date()"  # 要求使用Instant/LocalDateTime
  - "synchronized"  # 并发场景要求使用并发包

单次会话级Prompt注入

# 在MonkeyCode对话开始前注入项目上下文
monkeycode context set \
  --file .monkeycode/project-context.md \
  --active-profile "java-spring-enterprise"

# 查看当前生效的Prompt配置
monkeycode context show

🏆 实战案例对比

案例：生成一个复杂的报表导出功能

Prompt级别	耗时	修改次数	最终可用率
Level 1 (一句话)	30秒生成 + 2小时修改	5次	60%
Level 2 (基本需求)	1分钟生成 + 45分钟修改	3次	80%
Level 3 (详细需求)	2分钟生成 + 10分钟修改	1次	95%
Level 4 (完美Prompt)	3分钟生成 + 0分钟修改	0次	100%

结论：花5分钟写好Prompt，节省2小时修改时间！

📋 快速上手指南

Step 1: 建立你的Prompt模板库

将常用的Prompt保存为模板文件：

mkdir -p ~/.monkeycode/templates
# 创建你的模板文件

Step 2: 每次使用前自检

打开上面的自检清单，确保Prompt质量在B级以上。

Step 3: 迭代优化

如果AI输出不满意，不要直接手动改代码，而是：

分析哪里不满意
补充对应的Prompt信息
让AI重新生成
积累经验到模板库

⚠️ 常见误区

❌ 误区1："AI应该懂我的意思"
   ✅ 正解：AI不懂读心术，越明确越好

❌ 误区2："Prompt越长越好"
   ✅ 正解：关键是精准，不是冗长。结构化 > 文字量

❌ 误区3："一次Prompt就要完美"
   ✅ 正解：迭代式优化才是正道。先出初版，再逐步精化

❌ 误区4："复制别人的Prompt就行"
   ✅ 正解：Prompt需要根据你的项目和团队定制

❌ 误区5："不需要学Prompt Engineering"
   ✅ 正解：这是2026年程序员的必备技能！

🔗 相关链接

资源	地址
GitHub仓库（免费下载）	https://github.com/monkeycode-ai/monkeycode
Prompt Engineering文档	https://docs.monkeycode.ai/prompt-engineering
Prompt模板库	https://docs.monkeycode.ai/prompt-templates
最佳实践案例	https://docs.monkeycode.ai/prompt-best-practices
问题反馈	https://github.com/monkeycode-ai/monkeycode/issues
技术交流群	扫码加入（见官网）

📢 总结

掌握Prompt Engineering = 让MonkeyCode发挥10倍效能：

✅ 黄金公式：Context + Task + Format = 高质量输出
✅ 四大技巧：Few-Shot + 思维链 + 角色扮演 + 精确约束
✅ 模板复用：建立自己的Prompt模板库，效率翻倍
✅ 迭代优化：每次交互都是学习机会
✅ 完全免费 — 开源项目，零成本使用

想成为MonkeyCode高手？从优化你的第一个Prompt开始！

👉 **有任何问题或心得分享？欢迎在GitHub提交Issue：https://github.com/monkeycode-ai/monkeycode/issues/new 👈

MonkeyCode团队 · 好的Prompt是AI编程的一半 · 开源 · 免费 · 高效

posted on 2026-06-24 13:39 MonkeyCode 阅读(19) 评论(0) 收藏举报

刷新页面返回顶部

导航

MonkeyCode提示词工程实战：AI编程助手的Prompt优化与定制指南

💬 为什么Prompt Engineering如此重要？

常见的Prompt问题

🎯 MonkeyCode Prompt设计原则

核心框架：CONTEXT-TASK-FORMAT

📝 场景一：从糟糕到优秀的Prompt进化

❌ Level 1: 糟糕的Prompt

⚠️ Level 2: 及格的Prompt

✅ Level 3: 良好的Prompt

🏆 Level 4: MonkeyCode推荐的完美Prompt

🔧 场景二：常用Prompt模板库

模板1：功能开发

模板2：Bug修复

模板3：代码审查优化

模板4：架构设计

🎨 场景三：高级Prompt技巧

技巧1：Few-Shot Learning（少样本学习）

技巧2：Chain-of-Thought（思维链引导）

技巧3：角色扮演

技巧4：约束条件精确化

📊 场景四：Prompt效果评估

自检清单

Prompt评分卡

🛠️ 场景五：MonkeyCode专属Prompt指令

系统级配置（.monkeycode/system-prompt.yaml）

单次会话级Prompt注入

🏆 实战案例对比

案例：生成一个复杂的报表导出功能

📋 快速上手指南

Step 1: 建立你的Prompt模板库

Step 2: 每次使用前自检

Step 3: 迭代优化

⚠️ 常见误区

🔗 相关链接

📢 总结