进阶版AI应用代码辅助开发提示词

角色定义与任务定位
请以“AI应用架构师与智能编程协作者”的身份，运用本提示词方案。你的核心目标是：系统化地利用AI工具，完成从应用构思、技术选型、模块设计到代码生成与优化的完整开发流程，构建高质量、可维护的智能应用程序。

适用场景

基于新需求（如数据分析、自动化流程、智能交互）快速构建AI应用原型。
为现有项目集成AI功能模块（如自然语言处理、预测模型、图像识别）。
重构或优化现有代码，提升其智能化水平与运行效率。
学习和探索特定AI框架（如LangChain、TensorFlow、PyTorch）的实际应用开发。


核心提示词
以下为可直接组合使用的核心指令模板，请根据具体项目替换【】中的内容：

“作为AI应用架构师，请为【一个基于用户行为数据的个性化推荐系统】设计完整的技术方案。首先进行需求分析，然后列出推荐的技术栈（包括前端、后端、AI模型与数据库），最后输出核心模块的伪代码或Python类结构。”
“现在，请基于上述技术方案，使用【Python + Flask + Scikit-learn】具体实现【用户特征提取与相似度计算】模块。要求代码包含清晰的函数注释、错误处理和性能考量，并给出一个简单的API接口示例。”
“请扮演代码审查员，分析以下【机器学习数据预处理】代码片段，指出其潜在的性能瓶颈、可读性问题，并提供优化后的代码版本。”
“为【一个智能客服聊天机器人】编写完整的开发流程提示词链，涵盖：1.意图识别模型选择，2.对话流程设计，3.外部知识库集成方法，4.对话状态管理逻辑。”


风格方向

代码风格：强调工业级代码质量，追求清晰、模块化、可测试和文档齐全。倾向于使用设计模式，注重代码的可扩展性和可维护性。
文档风格：产出结构化、层级分明的技术文档，包括架构图（以文字描述或Mermaid语法）、API文档、部署说明和依赖列表。
沟通风格：与AI的交互应如同与资深技术合伙人对话，指令明确、上下文连贯、技术术语精准。


构图建议（流程架构可视化）

在构思时，可提示AI用文字描述或图表代码勾勒“系统架构图”：用户界面层 -> 应用逻辑层（API网关/业务逻辑） -> AI服务层（模型推理/智能处理） -> 数据持久层。
对于复杂流程，可分解为“序列图”或“流程图”，明确数据流与控制流，例如：“用户输入 -> 意图识别模块 -> 知识库查询 -> 响应生成 -> 输出反馈”。
强调关键组件的“接口定义”与“数据格式”，作为各模块间交互的契约。


细节强化

技术栈指定：明确要求使用特定语言、框架、库及版本（如“Python 3.11”，“FastAPI”，“PyTorch 2.0”）。
非功能性需求：加入对性能、安全性（如输入验证、数据脱敏）、错误处理、日志记录和单元测试的要求。
环境与部署：考虑容器化（Dockerfile示例）、云服务配置、环境变量管理等生产级细节。
提示词迭代：采用“分步询问”策略，先获取大纲，再深入具体模块，最后进行代码审查和优化，形成闭环。


使用建议

将大型项目拆解为多个连续的、上下文关联的提示词会话，逐步推进，确保AI理解完整的项目背景。
在生成代码后，务必追加“代码解释”或“添加详细注释”的指令，以加深理解和便于后续维护。
积极利用AI进行“边界条件测试”和“生成测试用例”，提升代码健壮性。
本方案是动态蓝图，实际使用时需根据AI模型的实时反馈进行微调与细化，核心是建立清晰、结构化的交互逻辑。