与 Lumi 这样的人工智能系统互动时，有效的提示至关重要，它能让你获得更好、更准确的结果。这关乎清晰的沟通，而不仅仅是输入一个请求。Lumi 依赖于大型语言模型 (LLM)，它根据训练数据中的模式预测输出，这意味着它并非以人类的方式“理解”。因此，构建你的提示、明确表达并提供上下文至关重要。 以下是在 Lumi 中编写有效提示的核心原则和技巧：

​
优秀提示的核心原则

  • 清晰具体：始终明确你想要_什么_以及_如何_实现。避免使用模糊的语言；不要说“让这个应用变得更好”，而要具体说明“重构应用以清理未使用的组件并提高性能，同时不改变 UI 或功能”。提供关于应用的目标用户、应用应具备的功能以及任何必备特性的上下文。
  • 关注用户旅程：考虑用户在你的应用中将采取的一系列操作。例如 ——
用户注册、创建新项目、设置里程碑并每日跟踪他们的进度。
  • 描述“做什么”，而非“怎么做”：Lumi 会处理后端的复杂性，所以请专注于期望的结果或外观。例如 ——
应用应存储用户数据，加载迅速，并给人一种简洁现代的感觉。
  • 迭代和优化：不要满足于第一次的输出。提示可以通过与 AI 的对话进行迭代优化。Lumi 从一开始就提供功能完整的输出，但这是一个需要进一步优化的基础。

​
C.L.E.A.R. 框架

  • 简洁 (Concise)：直奔主题，避免冗余或模糊的语言。力求精确和简短。
  • 有逻辑 (Logical)：以分步或结构化的方式组织你的提示，将复杂请求分解为有序的步骤。
  • 明确 (Explicit)：准确说明你想要什么和不想要什么，如果可能，提供格式或内容的示例。
  • 适应性 (Adaptive)：根据 AI 的输出优化你的提示，在后续提示中澄清指令或指出错误。
  • 反思性 (Reflective)：每次互动后回顾哪些方法有效，哪些无效，以改进未来的提示。

​
提示的四个层次

  1. 结构化“辅助轮”提示（明确格式）：对初学者或复杂任务很有用，这涉及使用带标签的部分：
  • 背景 (Context)：为 AI 设置背景或角色。
  • 任务 (Task)：具体的目标。
  • 指南 (Guidelines)：偏好的方法或风格。
  • 约束 (Constraints)：硬性限制或禁止事项。
  • 例如 ——
你是一位使用 Lumi 的专家级全栈开发者。任务：使用 Supabase（邮箱/密码认证）在 React 中创建一个安全的登录页面。指南：UI 应极简，并遵循 Tailwind CSS 规范。为每一步提供清晰的代码注释。约束：仅修改 LoginPage 组件；不要更改其他页面。确保最终输出是 Lumi 编辑器中一个可工作的页面。
  1. 对话式提示（无辅助轮）：一旦熟练，你可以更自然地编写提示，就像向同事解释任务一样，同时保持清晰和完整，无需正式的标签。
  2. 元提示（AI 辅助提示改进）：请求 Lumi 的 AI 帮助你改进提示或计划。例如 ——
回顾我上一个提示，并指出任何模糊或缺失的信息。我该如何重写它以使其更简洁、更精确？
  1. 反向元提示（AI 作为文档工具）：使用 AI 总结或记录任务后发生的事情，这对于调试和知识捕获非常有用。例如 ——
总结我们在设置 JWT 认证时遇到的错误，并解释我们是如何解决的。然后，草拟一个我将来可以用来避免在设置认证时犯这些错误的提示。

​
提示框架

  • “谁/什么/为什么”提示：
  • 谁 (WHO) 是这个应用的目标用户？
  • 什么 (WHAT) 它帮助他们做什么？
  • 为什么 (WHY) 有人会使用它？
  • “用户故事”提示：从最终用户的角度来构建你的请求，例如：
作为一名自由设计师，我希望向客户发送带有品牌的发票，并跟踪其支付情况，以便我能掌握我的现金流。
  • “功能分解”提示：列出你想要添加的功能，例如：
我想要添加以下功能：添加和组织潜在客户；跟踪联系状态（新的、已联系、感兴趣、已成交）；添加备注和跟进提醒。

​
获得更好结果的高级技巧和提示

  • 零样本 (Zero-Shot) vs. 少样本 (Few-Shot) 提示：
  • 零样本 (Zero-Shot)：要求模型在_没有示例_的情况下执行任务，依赖其通用训练。对于常见或描述清晰的任务效果很好。
  • 少样本 (Few-Shot)：在你的提示中提供几个_示例或演示_，向 AI 展示你想要的确切格式或风格。这能提高特定或不寻常任务的输出质量。
  • 管理幻觉并确保准确性：
  • 提供基础数据：利用你项目的知识库（PRD、用户流程、技术栈）来提供持久的上下文。
  • 提示内引用：为事实查询或外部交互包含相关的文档片段或数据。
  • 要求分步推理：提示 AI 展示其推理过程，以发现错误或揭示不确定性。
  • 指示其保持诚实：包含诸如“如果你不确定……不要捏造——而是解释需要什么或请求澄清”之类的指南。
  • 迭代验证：在关键任务后，要求 AI 再次检查其输出。
  • 利用模型洞察（了解你的 AI 工具）：
  • 讨论模式 vs. 默认模式（代理模式）：使用讨论模式进行头脑风暴、讨论设计或调试，而不会立即更改代码。使用**默认模式（代理模式）**执行更改（编写代码、创建组件）。
  • Token 长度：如果输出可能超过 token 限制，请将大型任务分解为更小的提示。
  • 格式化和代码偏好：说明你的偏好（例如，“以 markdown 格式输出代码”）来引导 AI。
  • 优化应用的技巧
  • “让它更……” / “让它少些……”：调整语调、布局或重点。
  • “添加一个……” / “移除那个……”：添加或移除特定功能或 UI 块。
  • “将 [这个] 改为 [那个]”：调整文本、视觉效果、布局或组件逻辑。
  • “它应该感觉像……”：借鉴熟悉的应用程序风格来指导布局或行为。
  • “为……添加逻辑”：无需代码即可添加功能规则或流程。
  • “分组或组织……”：为清晰度或工作流程构建内容。
  • “添加条件行为……”：引入智能分支或基于状态的功能。
  • “让用户……”句式：从最终用户的角度构建功能。
  • 构建复杂性时分层构建：从简单开始，然后添加功能，最后润色视觉效果。这种增量方法可以防止系统或你自己不堪重负。
  • 包含约束和要求：明确说明什么_必须_做或_不能_做，例如“创建一个简单的待办事项应用，一次最多显示 3 个任务”。
  • 避免歧义：澄清任何可能被以不同方式解释的术语。
  • 注意你的语气和礼貌：礼貌的措辞可以增加上下文和细节，帮助 AI 更清晰地理解指令。
  • 利用格式化优势：构建列表或步骤，特别是当你希望 AI 输出列表或遵循序列时。
  • 利用示例或参考：提供目标设计、代码风格或图像，为 AI 提供具体参考。
  • 反馈整合：审查 AI 输出并为优化提供具体反馈。
  • 强调可访问性：提示生成符合可访问性标准的代码，包括 ARIA 标签和键盘导航。
  • 预定义组件和库：为保持一致性，指定 UI 库（例如，使用 Tailwind CSS 的 shadcn/ui）。
  • 多语言提示：指定代码注释和文档所需的语言。
  • 定义项目结构和文件管理：概述文件名和路径，以确保生成的代码井然有序。
  • 提供精确的编辑指令（聚焦 AI）：具体说明要更改的_位置_和_内容_，或使用 Lumi 的“选择”功能高亮显示组件。告诉 AI 不要碰什么。
  • 锁定文件（变通方法）：在每个提示中始终指示 AI 不要更改关键文件。
  • 设计和 UI 调整：对于视觉更改，明确说明“纯视觉更改”，并引导 AI 制定响应式计划。
  • 重构和优化代码：在要求重构时，强调“行为无变化”。你也可以先要求一个重构计划，然后分阶段实施。
  • 借助 AI 进行调试：将错误日志复制到提示中（最好在讨论模式下），并询问原因和解决方案。如果修复无效，则进行调整并提供新信息。
  • 何时（以及何时不）让 AI 参与：将 AI 用于复杂逻辑、样板代码生成或多步操作。对于琐碎的任务（例如，更改文本标签），手动编辑可能更快。
通过应用这些原则和技巧，你可以有效地引导 Lumi 的 AI 实现你的开发目标，使其成为一个强大而可靠的队友。