首先需要明确上下文,这是 AI Coding 的 “地基”。AI 生成代码的准确性,完全依赖你提供的 “已知信息” 是否完整:明确技术栈上下文:不能只说 “写个接口”,要把核心技术栈、框架版本、编码规范一次性交代清楚。比如对 Java 开发来说,优质的上下文描述是:“基于 Spring Boot 3.2 + MyBatis-Plus 3.5,遵循阿里巴巴 Java 开发手册,写一个用户登录接口,要求用 JWT 做身份校验,密码采用 BCrypt 加密,返回结果统一封装成 {code:xxx, msg:xxx, data:xxx} 格式”—— 这些细节能避免 AI 生成 Spring Boot 2.x 的旧代码,或用 MD5 这种不安全的加密方式。补充业务上下文:AI 不懂你的业务场景,必须把核心规则说透。比如写 “订单状态更新接口”,要说明 “订单从‘待支付’到‘已支付’时,需同步扣减库存、生成支付记录,且库存不足时返回特定错误码(5001)”,而非只说 “写订单状态更新接口”;如果是迭代开发,还要补充 “该接口需兼容现有数据库表结构,表名 t_order,状态字段 status 枚举值为 WAIT_PAY/PAYED/CANCEL”,避免 AI 凭空设计表结构。限定场景上下文:比如明确 “该接口需支持 1000QPS 的并发,要做接口幂等性处理(基于订单号 + 用户 ID)”“前端是小程序,返回数据需做脱敏(手机号隐藏中间 4 位)”,这些场景细节能让 AI 生成的代码直接适配生产环境,而非仅满足 “能运行”。其次是prompt提示词。Prompt 提示词的设计技巧,这是让 AI “精准干活” 的关键,核心是 “结构化、指令化、分层化”:结构化 Prompt:用 “指令 + 要求 + 示例” 的格式新手常写模糊 Prompt:“帮我写个分页查询接口”;优质 Prompt 是:【指令】基于Spring Boot+MyBatis-Plus实现用户列表分页查询接口【技术要求】1. 请求参数:页码pageNum(默认1)、页大小pageSize(默认10)、用户昵称nickname(模糊查询)、用户状态status(精确查询)2. 分页插件使用MyBatis-Plus的PaginationInterceptor3. 返回结果包含:总条数total、当前页列表records、页码、页大小4. 异常处理:参数非法时抛自定义BusinessException,错误码1002【示例】请求URL:/api/user/page请求方式:GET请求示例:/api/user/page?pageNum=1&pageSize=10&nickname=张三&status=1返回示例:{"code":200,"msg":"成功","data":{"total":100,"records":[{"id":1,"nickname":"张三","status":1}],"pageNum":1,"pageSize":10}}结构化的 Prompt 能让 AI 聚焦核心要求,避免遗漏关键逻辑。