AI Coding实战技巧

1. 精准提示词：明确技术栈（React/Vue/TS）、需求场景、代码规范，指定模块化、注释风格，减少AI无效输出2. 代码片段复用：用AI提取项目通用组件、工具函数，生成可复用模板，降低重复编码成本3. 问题定向排查：粘贴报错信息+上下文代码，让AI定位语法、兼容性、性能问题，快速给出修复方案4. 逻辑可视化：用AI生成Mermaid流程图梳理业务逻辑，辅助复杂交互、数据流转的代码设计5. 代码优化升级：让AI做性能分析、TS类型补全、代码精简，提升可读性与运行效率6. 文档同步生成：编码后让AI生成接口说明、使用示例、注释文档，适配团队协作与维护

提示词首先是提示词编写，可以套用模板1. 基础代码生成模板 请用【语言/框架】编写【功能名称】 要求： 1. 输入：【明确输入参数/数据】 2. 输出：【明确输出格式/结果】 3. 约束：【简洁/注释完整/无冗余/兼容XX版本】 4. 额外：【添加测试用例/错误处理/日志】 2. 代码修复 / 排查模板 这是我的【语言】代码，运行时报错【错误信息】 代码： 【粘贴代码】 请： 1. 定位错误原因 2. 给出完整可运行的修复代码 3. 解释修改点和原理 3. 代码优化 / 重构模板 请优化这段【语言】代码，目标： 1. 提升可读性/性能/可维护性 2. 符合行业最佳实践 3. 保留原有所有功能 ...

真正用顺手之后就会发现，AI不是代写工具，更像一个随时在线的结对编程伙伴。我平时最常用的一个技巧，就是先拆结构，再填代码。不让AI直接写完整逻辑，而是先让它出流程图、函数划分、调用关系，结构对了再补实现，这样后期改起来成本低很多。提示词尽量结构化，把语言版本、编码规范、异常处理、注释风格都写清楚，比如“C++17、简洁注释、边界判断前置、禁止裸指针”，生成的代码会非常贴近工程习惯。遇到bug时，别只甩报错。把关键代码片段+上下文+你已经试过的排查方法一起发，AI能快速跳过无效方向，精准定位问题。还有一个小习惯：让AI写完后，再让它做一次代码审查，挑潜在问题、优化逻辑、简化写法。长期下来，既能提高开发效率，也能在对比中慢慢学到更规范的写法，越用越顺手。

1. 自我介绍2. 多模态里的旋转位置编码是怎么落到二维视觉 token 上的二维视觉 token 不像纯文本那样天然是一维顺序，所以多模态里的 RoPE 通常不会直接照搬文本侧。常见做法是把二维位置拆成行和列两个轴，分别做旋转位置编码，再把两个方向的信息组合到同一个视觉 token 表示里。这样模型在注意力里不仅能感知“前后”，还能保留一部分“上下左右”的相对结构。真正难的不是公式本身，而是视觉 token 经过压缩、重采样、patch merge 之后，原始空间坐标已经不再一一对应。这个时候二维 RoPE 的设计就要和视觉编码器、projector 以及后续 token 压缩方式一起看，否...