这篇文章不讲那些常见的“如何向 AI 提问”的建议。
它讲的是一些鲜为人知的习惯,能切实提升你从 LLM 获得的代码质量。
技巧 1 —— 立刻表达不满意
如果生成的代码不符合你的预期,要尽早、明确地说出来。
为什么这很重要:
- LLM 会在对话中不断调整。
- 当你表达不满意时,会推动模型:
- 重新审视假设
- 应用更严格的推理
- 探索替代方案
通常,第二次尝试会比第一次更深思熟虑。
技巧 2 —— 再问一次(即使结果已经不错)
即使方案已经完美可用,也试试:
“改进这段代码。”
你会惊讶于 AI 经常能:
- 简化逻辑
- 改进命名
- 提升性能
- 降低边界情况风险
与 AI 进行迭代式改进,就像随时有一位资深评审员在身边。
技巧 3 —— 给出全局视图(和真实上下文)
当 AI 理解你的架构和代码结构时,表现会好得多。
不要只说:
“写一个做 X 的方法”
试试:
“这属于服务层。我们遵循分层架构:Controller → Service → Repository。这段逻辑应该放在哪里?”
这样 AI 就能:
- 正确安放职责
- 避免业务逻辑泄漏到技术层
- 生成符合你设计的代码
但真正强大的地方在这里。
你不必手动描述系统,而可以使用AI Prompt Builder,它会自动用从代码库中提取的真实项目上下文来丰富你的请求。
例如,CppDepend AI Prompt Builder可以提供:
- 组件之间的依赖关系
- 分层违规
- 代码指标(复杂度、规模、耦合度等)
- 类型关系和调用图
这些上下文可以注入到 AI 提示词中,让模型不再靠猜——而是真正理解你的系统结构。
现在,AI 不再只是代码生成器。
它变成了一个基于你项目真实数据工作的、懂架构的助手。
技巧 4 —— 停下来,自己动手重构
在生成了几个 AI 辅助的方法之后,暂停一下。
AI 只做局部优化,不做全局优化。你必须:
- 重新组织类
- 合并重复逻辑
- 提取共享抽象
- 清理设计上的不一致
AI 加速编码——但架构师仍然是你。
技巧 5 —— 让 AI 批评自己的代码
这是最强大却最被低估的技巧之一。
代码生成之后,问它:
- “这段代码有什么弱点?”
- “它在生产环境中可能在哪里出问题?”
- “缺少哪些边界情况?”
这时 AI 会切换角色:从创造者 → 评审者
这往往能揭示:
- 隐藏的 bug
- 性能风险
- 缺失的校验
- 并发问题
- 安全缺口
你实际上免费获得了一次设计评审。
最后的思考
AI 不会取代工程判断——它放大工程判断。
最好的结果来自于你把 AI 当作:
生成器 → 改进者 → 批评者 → 助手,
而你始终是架构师。