让 AI 高效写出符合需求的代码，核心是让提示词具备「明确性、完整性、结构化」——AI 无法猜你的隐含需求，提示越精准，产出质量越高。以下是关键注意点，附具体示例和模板，新手也能直接用：

一、核心原则：先把「边界条件」说清楚

AI 写代码的最大痛点是「偏离需求」或「漏考虑场景」，所以第一步要明确「做什么、不做什么、有什么限制」：

1. 明确目标与用途：直接说代码要解决的具体问题（避免模糊描述）
   • 反面：“写一个排序代码”（太笼统，不知道排什么、用什么语言）
   • 正面：“用 Python 写一个快速排序算法，用于对 10 万条整数数据排序，要求时间复杂度 O (nlogn)，输出排序前后的对比结果”
2. 指定技术栈细节：语言、框架、版本、库（避免 AI 用冷门工具）
   • 示例：“用 JavaScript（ES6+）+Vue3+Axios，写一个获取后端用户列表的接口请求函数，要求处理成功、失败、超时三种状态，Axios 版本限制在 1.6.x”
3. 限定输入输出格式：明确参数类型、返回结果、数据结构
   • 示例：“用 Java 写一个计算商品总价的方法，输入是 List<Goods>（包含 id、name、price、quantity 字段），输出是 BigDecimal 类型的总价（保留 2 位小数），需过滤掉 price≤0 的无效商品”
4. 说明约束条件：性能要求、环境限制、特殊规则
   • 示例：“用 Python 写一个处理 Excel 的脚本，读取 5 万行数据，筛选出‘省份’为广东且‘金额’>1000 的记录，保存为新 Excel，要求运行时间不超过 30 秒，只能用 pandas 库”

二、结构化提示：让 AI 快速抓重点

用「分点 / 分段」组织提示词，避免大段文字堆砌，推荐结构：

1. 需求目标：xxx（一句话说清要实现的功能）
2. 技术栈：语言+框架+库+版本（如Python 3.9 + requests 2.31.0）
3. 输入输出：输入参数（类型/格式）+ 输出结果（格式/示例）
4. 核心逻辑：关键步骤/业务规则（如“先去重，再按时间升序排序”）
5. 约束与要求：性能、兼容性、代码风格（如“需加详细注释，符合PEP8规范”）
6. 示例参考（可选）：给出期望的输入输出示例，减少歧义

• 示例：

1. 需求目标：写一个批量下载图片的Python脚本
2. 技术栈：Python 3.8 + requests + os模块（不允许用其他第三方库）
3. 输入输出：输入是包含10个图片URL的列表，输出是将图片保存到本地“images”文件夹，文件名按“1.jpg、2.jpg...”命名
4. 核心逻辑：① 检查文件夹是否存在，不存在则创建；② 逐个下载URL，超时时间设为10秒；③ 下载失败时打印错误信息，继续下一个
5. 约束与要求：代码需加注释，捕获网络异常，不重复下载已存在的图片
6. 示例参考：输入URL列表["https://xxx/1.png", "https://xxx/2.png"]，输出images文件夹下有1.jpg、2.jpg

三、避免踩坑：这些错误别犯

1. 不写模糊描述：避免 “做一个好用的登录功能”“写一个简单的脚本”，AI 无法判断 “好用”“简单” 的标准；
2. 不遗漏关键信息：比如没说 “需要连接 MySQL 数据库”，AI 可能写成本地文件存储；
3. 不要求 “万能代码”：一次只让 AI 解决一个核心问题，比如先写 “用户查询接口”，再写 “用户新增接口”，避免代码冗余；
4. 不忽视兼容性：如果是用于特定环境（如 Linux 服务器、Python 3.7），一定要明确说明，否则 AI 可能用高版本语法导致报错；
5. 不省略测试场景：比如 “需要处理空输入”“需要兼容中文路径”，提前告知 AI，减少后续修改成本。

四、进阶技巧：让代码更贴合需求

1. 指定代码风格：比如 “要求代码简洁，避免冗余函数”“需要详细注释，每个函数说明用途和参数”“符合阿里巴巴 Java 开发手册”；
2. 提供参考示例：如果有类似代码，可贴出片段，让 AI 模仿风格，比如 “参考以下代码的命名规范，写一个查询函数：def get_user_info (user_id): ...”；
3. 要求优化方向：比如 “写完后优化代码性能，减少循环次数”“需要处理并发请求，用多线程实现”；
4. 分步拆解需求：复杂功能拆成小步骤，让 AI 逐步实现，比如先让 AI 写 “数据清洗逻辑”，再写 “数据统计逻辑”，最后整合，降低出错率。