编程场景提示词

代码生成

生成REST API

使用场景：快速生成RESTful API代码

提示词模板：

你是一个经验丰富的后端开发工程师。请帮我生成一个[语言]的REST API，实现[功能描述]。

要求：
1. 使用[框架]框架
2. 包含以下端点：
   - [端点1]
   - [端点2]
   - [端点3]
3. 实现数据验证
4. 添加错误处理
5. 包含基本的认证机制

请提供：
1. 完整的代码实现
2. API文档
3. 测试用例示例

示例输入：

你是一个经验丰富的后端开发工程师。请帮我生成一个Python的REST API，实现用户管理功能。

要求：
1. 使用FastAPI框架
2. 包含以下端点：
   - POST /users - 创建用户
   - GET /users/{id} - 获取用户信息
   - PUT /users/{id} - 更新用户信息
   - DELETE /users/{id} - 删除用户
3. 实现数据验证
4. 添加错误处理
5. 包含基本的认证机制

请提供：
1. 完整的代码实现
2. API文档
3. 测试用例示例

示例输出：

python

from fastapi import FastAPI, HTTPException, Depends
from pydantic import BaseModel
from typing import Optional

app = FastAPI()

# 数据模型
class User(BaseModel):
    id: Optional[int] = None
    name: str
    email: str
    password: str

# 模拟数据库
users_db = {}

# 创建用户
@app.post("/users")
async def create_user(user: User):
    user_id = len(users_db) + 1
    user.id = user_id
    users_db[user_id] = user
    return user

# 获取用户
@app.get("/users/{user_id}")
async def get_user(user_id: int):
    if user_id not in users_db:
        raise HTTPException(status_code=404, detail="User not found")
    return users_db[user_id]

# 更新用户
@app.put("/users/{user_id}")
async def update_user(user_id: int, user: User):
    if user_id not in users_db:
        raise HTTPException(status_code=404, detail="User not found")
    user.id = user_id
    users_db[user_id] = user
    return user

# 删除用户
@app.delete("/users/{user_id}")
async def delete_user(user_id: int):
    if user_id not in users_db:
        raise HTTPException(status_code=404, detail="User not found")
    del users_db[user_id]
    return {"message": "User deleted"}

注意事项：

根据实际需求调整框架和端点
生产环境需要更完善的认证和授权
考虑添加数据库集成
添加日志记录

变体建议：

添加数据库集成（如SQLAlchemy）
实现更复杂的认证（如JWT）
添加分页和过滤功能

生成算法实现

使用场景：快速实现常见算法

提示词模板：

请用[语言]实现[算法名称]算法。

要求：
1. 包含详细的注释
2. 说明时间复杂度和空间复杂度
3. 提供测试用例
4. 添加边界条件处理

请按以下格式提供：
1. 算法说明
2. 代码实现
3. 复杂度分析
4. 测试用例

示例输入：

请用Python实现快速排序算法。

要求：
1. 包含详细的注释
2. 说明时间复杂度和空间复杂度
3. 提供测试用例
4. 添加边界条件处理

请按以下格式提供：
1. 算法说明
2. 代码实现
3. 复杂度分析
4. 测试用例

示例输出：

python

def quick_sort(arr):
    """
    快速排序算法实现

    参数:
        arr: 待排序的列表

    返回:
        排序后的列表
    """
    # 边界条件：空列表或单元素列表已排序
    if len(arr) <= 1:
        return arr

    # 选择基准元素（这里选择中间元素）
    pivot = arr[len(arr) // 2]

    # 分区
    left = [x for x in arr if x < pivot]   # 小于基准的元素
    middle = [x for x in arr if x == pivot]  # 等于基准的元素
    right = [x for x in arr if x > pivot]  # 大于基准的元素

    # 递归排序并合并
    return quick_sort(left) + middle + quick_sort(right)

# 测试用例
if __name__ == "__main__":
    # 正常情况
    assert quick_sort([3, 6, 8, 10, 1, 2, 1]) == [1, 1, 2, 3, 6, 8, 10]

    # 空列表
    assert quick_sort([]) == []

    # 单元素
    assert quick_sort([5]) == [5]

    # 已排序
    assert quick_sort([1, 2, 3, 4, 5]) == [1, 2, 3, 4, 5]

    # 逆序
    assert quick_sort([5, 4, 3, 2, 1]) == [1, 2, 3, 4, 5]

    print("所有测试用例通过！")

"""
复杂度分析：
- 时间复杂度：
  - 平均情况：O(n log n)
  - 最坏情况：O(n²)
  - 最好情况：O(n log n)

- 空间复杂度：
  - O(log n)（递归调用栈）
"""

注意事项：

根据具体需求选择基准元素选择策略
考虑使用原地排序以节省空间
大数据集时注意递归深度

变体建议：

实现原地快速排序
添加随机化基准选择
实现三路快速排序（处理重复元素）

代码解释

解释复杂代码逻辑

使用场景：理解复杂的代码片段

提示词模板：

请详细解释以下代码的逻辑：

[代码内容]

请按以下结构解释：
1. 代码整体功能
2. 关键部分说明
3. 执行流程
4. 潜在问题
5. 改进建议

示例输入：

请详细解释以下代码的逻辑：

```python
def decorator(func):
    def wrapper(*args, **kwargs):
        print("Before function call")
        result = func(*args, **kwargs)
        print("After function call")
        return result
    return wrapper

@decorator
def say_hello():
    print("Hello!")

say_hello()

请按以下结构解释：

代码整体功能
关键部分说明
执行流程
潜在问题
改进建议


**示例输出**：

代码整体功能这段代码实现了一个Python装饰器(decorator)，用于在函数执行前后添加额外的行为。
关键部分说明
- decorator函数：这是装饰器函数，接收一个函数作为参数
- wrapper函数：内部函数，包装原始函数，添加额外行为
- *args, **kwargs：接收任意位置参数和关键字参数
- @decorator语法糖：将say_hello函数传递给decorator
执行流程步骤1: 定义decorator函数步骤2: 使用@decorator装饰say_hello函数步骤3: 调用say_hello()时，实际调用的是wrapper函数步骤4: wrapper函数执行： - 打印"Before function call" - 调用原始say_hello函数 - 打印"After function call" - 返回结果
潜在问题
- 没有保留原始函数的元信息（如__name__、__doc__）
- 没有处理异常
- 不支持带参数的装饰器

改进建议

python

from functools import wraps

def decorator(func):
    @wraps(func)  # 保留原始函数的元信息
    def wrapper(*args, **kwargs):
        try:
            print("Before function call")
            result = func(*args, **kwargs)
            print("After function call")
            return result
        except Exception as e:
            print(f"Error: {e}")
            raise
    return wrapper


**注意事项**：
- 提供完整的代码上下文
- 说明代码的预期行为
- 指出代码中的潜在问题

**变体建议**：
- 要求解释特定部分而非整个代码
- 询问代码的优缺点
- 询问替代实现方案

## 代码重构

### 优化代码结构

**使用场景**：改进代码质量和可维护性

**提示词模板**：

请重构以下代码，提高代码质量：

[代码内容]

重构目标：

提高可读性
改善代码结构
增强可维护性
优化性能（如适用）

请提供：

重构后的代码
重改说明
改进点列表


**示例输入**：

请重构以下代码，提高代码质量：

python

def process_data(data):
    result = []
    for item in data:
        if item['type'] == 'A':
            result.append(item['value'] * 2)
        elif item['type'] == 'B':
            result.append(item['value'] * 3)
        elif item['type'] == 'C':
            result.append(item['value'] * 4)
        else:
            result.append(item['value'])
    return result

重构目标：

提高可读性
改善代码结构
增强可维护性
优化性能（如适用）

请提供：

重构后的代码
重改说明
改进点列表


**示例输出**：
```python
from typing import List, Dict

def process_data(data: List[Dict]) -> List:
    """
    根据类型处理数据

    参数:
        data: 包含类型和值的数据列表

    返回:
        处理后的数据列表
    """
    # 定义类型到乘数的映射
    type_multiplier = {
        'A': 2,
        'B': 3,
        'C': 4
    }

    result = []
    for item in data:
        multiplier = type_multiplier.get(item['type'], 1)
        result.append(item['value'] * multiplier)

    return result

重构说明：

添加了类型注解，提高代码可读性
添加了文档字符串，说明函数用途
使用字典映射替代多个if-elif，提高可维护性
使用dict.get()方法处理默认情况

改进点：

✅ 代码更简洁
✅ 更容易添加新类型
✅ 类型注解提高IDE支持
✅ 文档字符串提高可维护性

注意事项：

保持原有功能不变
确保重构后代码正确
考虑添加测试用例

变体建议：

要求使用设计模式重构
询问性能优化建议
要求添加错误处理

Bug修复

诊断和修复bug

使用场景：快速定位和修复代码问题

提示词模板：

以下代码有问题，请帮我诊断并修复：

[代码内容]

问题描述：
[描述问题]

请提供：
1. 问题分析
2. 修复后的代码
3. 修复说明
4. 预防类似问题的建议

示例输入：

以下代码有问题，请帮我诊断并修复：

```python
def calculate_average(numbers):
    total = 0
    for num in numbers:
        total += num
    return total / len(numbers)

print(calculate_average([1, 2, 3, 4, 5]))
print(calculate_average([]))

问题描述：当输入空列表时，程序报错：ZeroDivisionError

请提供：

问题分析
修复后的代码
修复说明
预防类似问题的建议


**示例输出**：

问题分析问题出在calculate_average函数中，当输入空列表时：
- len(numbers)返回0
- total / 0导致ZeroDivisionError
修复后的代码

python

def calculate_average(numbers):
    if not numbers:  # 检查空列表
        return 0  # 或返回None，根据需求

    total = sum(numbers)  # 使用内置sum函数
    return total / len(numbers)

print(calculate_average([1, 2, 3, 4, 5]))  # 输出: 3.0
print(calculate_average([]))  # 输出: 0

修复说明
- 添加了空列表检查
- 使用sum()函数替代手动求和
- 返回0作为空列表的平均值（可根据需求调整）
预防类似问题的建议
- 总是检查边界条件（如空列表、None值）
- 考虑使用异常处理
- 添加单元测试覆盖边界情况
- 使用类型注解提高代码质量


**注意事项**：
- 提供完整的错误信息
- 说明代码的预期行为
- 考虑添加测试用例

**变体建议**：
- 要求添加异常处理
- 询问性能优化建议
- 要求添加日志记录

## 单元测试

### 生成测试用例

**使用场景**：为代码生成全面的测试用例

**提示词模板**：

请为以下代码生成单元测试：

[代码内容]

要求：

使用[测试框架]
覆盖正常情况
覆盖边界情况
覆盖异常情况
包含测试数据

请提供：

测试代码
测试用例说明
运行示例


**示例输入**：

请为以下代码生成单元测试：

python

def calculate_discount(price, discount_rate):
    if price <= 0:
        raise ValueError("Price must be positive")
    if discount_rate < 0 or discount_rate > 1:
        raise ValueError("Discount rate must be between 0 and 1")
    return price * (1 - discount_rate)

要求：

使用pytest框架
覆盖正常情况
覆盖边界情况
覆盖异常情况
包含测试数据

请提供：

测试代码
测试用例说明
运行示例


**示例输出**：
```python
import pytest

def test_calculate_discount_normal():
    """测试正常折扣计算"""
    assert calculate_discount(100, 0.1) == 90
    assert calculate_discount(50, 0.2) == 40
    assert calculate_discount(200, 0.5) == 100

def test_calculate_discount_boundary():
    """测试边界情况"""
    # 0%折扣
    assert calculate_discount(100, 0) == 100
    # 100%折扣
    assert calculate_discount(100, 1) == 0
    # 最小价格
    assert calculate_discount(0.01, 0.5) == 0.005

def test_calculate_discount_invalid_price():
    """测试无效价格"""
    with pytest.raises(ValueError):
        calculate_discount(0, 0.1)
    with pytest.raises(ValueError):
        calculate_discount(-100, 0.1)

def test_calculate_discount_invalid_discount_rate():
    """测试无效折扣率"""
    with pytest.raises(ValueError):
        calculate_discount(100, -0.1)
    with pytest.raises(ValueError):
        calculate_discount(100, 1.5)

测试用例说明：

test_calculate_discount_normal: 测试正常折扣计算
test_calculate_discount_boundary: 测试边界情况（0%和100%折扣）
test_calculate_discount_invalid_price: 测试无效价格（0和负数）
test_calculate_discount_invalid_discount_rate: 测试无效折扣率（负数和大于1）

运行示例：

bash

$ pytest test_discount.py -v
============================= test session starts ==============================
collected 4 items

test_discount.py::test_calculate_discount_normal PASSED
test_discount.py::test_calculate_discount_boundary PASSED
test_discount.py::test_calculate_discount_invalid_price PASSED
test_discount.py::test_calculate_discount_invalid_discount_rate PASSED

============================== 4 passed in 0.12s ===============================

注意事项：

根据实际需求调整测试框架
考虑添加参数化测试
添加测试数据生成器

变体建议：

要求使用mock测试
添加性能测试
要求测试覆盖率报告

总结

编程场景提示词可以帮助你：

核心场景：

✅ 代码生成：快速生成代码实现
✅ 代码解释：理解复杂代码逻辑
✅ 代码重构：优化代码质量
✅ Bug修复：诊断和修复问题
✅ 单元测试：生成全面测试用例

最佳实践：

提供清晰的上下文和要求
指定编程语言和框架
说明代码的预期行为
要求详细的解释和说明
验证生成的代码

记住：

AI生成的代码需要审查和测试
根据实际需求调整提示词
建立自己的提示词库
持续优化和改进

下一步学习

写作场景提示词 - 学习写作场景的提示词技巧
分析场景提示词 - 学习分析场景的提示词技巧

编程场景提示词 ​

代码生成 ​

生成REST API ​

生成算法实现 ​

代码解释 ​

解释复杂代码逻辑 ​

Bug修复 ​

诊断和修复bug ​

总结 ​

下一步学习 ​

编程场景提示词

代码生成

生成REST API

生成算法实现

代码解释

解释复杂代码逻辑

Bug修复

诊断和修复bug

总结

下一步学习