MonkeyCode 提示词工程：如何写出让AI生成高质量代码的Prompt
AI编程的效果很大程度上取决于你如何描述需求。好的Prompt让AI一次就生成正确的代码，差的Prompt则需要反复修改。本文总结MonkeyCode社区中最高效的Prompt编写技巧。
好Prompt vs 坏Prompt
反例：模糊的描述
❌ "写一个用户管理功能"\n\nAI的理解可能有无数种:\n- 后台管理页面？\n- REST API？\n- 命令行工具？\n- 数据库CRUD？\n\n结果: AI猜测着写，大概率不是你要的正例：精确的描述
✅ "在backend-service项目中，为用户模块添加搜索API:\n\n1. 接口: GET /api/users/search\n2. 参数: keyword(必填), page(默认1), size(默认20)\n3. 返回: { code: 0, data: { list: User[], total: number } }\n4. 逻辑: 在username和email字段中模糊匹配keyword\n5. 使用现有的User model和Prisma ORM\n6. 添加分页和缓存(Redis, 5分钟TTL)\n7. 编写对应的单元测试"\n\n结果: AI精确理解需求，一次生成正确代码Prompt编写框架：CRISP
C - Context (上下文)\n 告诉AI在什么项目中、什么模块下工作\n "在backend-service的notification模块中"\n\nR - Requirement (需求)\n 精确描述要实现什么功能\n "添加邮件通知发送功能"\n\nI - Interface (接口)\n 定义输入输出的格式\n "输入: { to, subject, body }，输出: { success, messageId }"\n\nS - Standard (标准)\n 指定技术标准和约束\n "使用项目现有的EmailService，遵循ESLint规范"\n\nP - Proof (验证)\n 说明如何验证功能正确\n "添加单元测试，覆盖正常发送和发送失败两种场景"实战案例
案例一：数据库迁移
Prompt:\n"为用户表添加积分字段:\n\n1. 使用Prisma migration\n2. 新增字段: points (Int, 默认0, 非负)\n3. 新增字段: points_level (Enum: BRONZE/SILVER/GOLD/PLATINUM)\n4. 已有10000+用户数据，需要安全迁移\n5. 添加索引到points字段（用于排行榜查询）\n6. 创建数据库种子脚本更新已有用户等级\n7. 验证迁移脚本在测试环境可执行"\n\n关键点:\n- 指定了ORM工具 (Prisma)\n- 考虑了数据迁移安全性\n- 考虑了性能 (索引)\n- 包含验证步骤案例二：Bug修复
Prompt:\n"修复用户登录偶发500错误:\n\nBug描述: 用户在弱网环境下登录时，约5%概率返回500\n错误日志: [附件或粘贴错误堆栈]\n\n分析方向:\n1. 可能是数据库连接超时\n2. 可能是Redis连接池耗尽\n3. 可能是JWT签名异步操作竞态\n\n约束:\n- 不改变现有API接口\n- 不降低登录性能\n- 添加超时和重试机制\n- 添加对应场景的测试用例"案例三：性能优化
Prompt:\n"优化用户列表查询API的性能:\n\n当前状态:\n- API: GET /api/users\n- 响应时间: P95 = 2.3秒 (目标 < 500ms)\n- 数据量: 50000用户\n- 当前实现: 全量查询 + 内存分页\n\n优化方案:\n1. 改为数据库层分页 (cursor-based)\n2. 添加Redis缓存 (首页数据，10秒TTL)\n3. 添加字段选择 (只查询需要的列)\n4. 添加查询性能测试\n5. 验证优化后P95 < 500ms\n\n不要:\n- 不要改变API响应格式\n- 不要删除任何现有字段\n- 不要引入新依赖"高级技巧
技巧一：提供示例
"按照以下风格编写代码:\n\n参考代码:\n[粘贴一段你满意的现有代码]\n\n请保持相同的:\n- 错误处理方式\n- 日志格式\n- 命名风格"\n\n效果: AI会模仿现有代码的风格技巧二：分步骤
"分3步完成:\nStep 1: 先写数据模型\nStep 2: 再写业务逻辑\nStep 3: 最后写API接口和测试\n\n每完成一步暂停，等我确认后再继续"\n\n效果: 每步可以验证，避免一步错步步错技巧三：反向约束
"不要使用以下方法:\n- 不要用eval()\n- 不要用any类型\n- 不要忽略异常\n- 不要硬编码配置值\n- 不要使用已弃用的API"\n\n效果: 排除常见错误做法MonkeyCode的Prompt增强
MonkeyCode会自动增强用户的Prompt：
用户输入: "添加搜索功能"\n\nMonkeyCode自动增强:\n1. 添加项目上下文 (语言、框架、目录结构)\n2. 添加编码规范 (团队配置的Lint规则)\n3. 添加相关代码 (现有搜索相关文件)\n4. 添加数据库Schema\n5. 添加API规范 (RESTful风格)\n6. 添加测试要求 (覆盖率 ≥ 80%)\n\n增强后的Prompt发给AI → 更高质量的输出总结
Prompt工程是AI编程中最被低估的技能。好的Prompt可以节省50%以上的AI交互时间。CRISP框架（上下文+需求+接口+标准+验证）是一个实用的编写模板。在MonkeyCode中，系统会自动增强你的Prompt，但清晰的描述仍然是获得高质量AI输出的基础。
Prompt模板库：github.com/chaitin/MonkeyCode/tree/main/docs/prompt-templates
