Prompt 工程实战：从「求 AI」到「指挥 AI」

❌ 差的 Prompt: "帮我写篇文章关于 AI"
✅ 好的 Prompt: "写一篇 2000 字的技术博客，主题是 MCP 协议，
   面向有 1-3 年经验的开发者，风格是实战教程，包含代码示例"

SYSTEM = """
你是一位资深 AI Agent 架构师，拥有 10 年分布式系统经验。
你擅长将复杂技术概念用简洁的语言解释清楚。
你的回答风格：
- 先给结论，再给理由
- 用代码示例而非纯文字描述
- 主动指出常见误区
"""

TASK = """
任务：审查以下 Python 代码的安全性和性能问题

输入：一段 Python 代码
输出格式：
1. 安全性问题（严重/中等/低）
2. 性能问题（严重/中等/低）
3. 改进建议（附修改后的代码）
"""

CONSTRAINTS = """
约束：
- 只分析给出的代码，不要假设外部依赖
- 每个问题必须附上具体代码行号
- 安全问题优先级高于性能问题
- 如果代码没有问题，直接说"代码检查通过"
- 不要输出无关的解释
"""

CONTEXT = """
项目背景：这是一个金融数据处理管道，每天处理 1000 万条交易记录。
技术栈：Python 3.11 + Pandas + PostgreSQL
安全要求：符合 PCI DSS 标准
历史问题：上个月曾因 SQL 注入导致数据泄露
"""

FORMAT = """
输出 JSON 格式：
{
  "security_issues": [
    {"severity": "high", "line": 42, "issue": "...", "fix": "..."}
  ],
  "performance_issues": [
    {"severity": "medium", "line": 87, "issue": "...", "fix": "..."}
  ],
  "overall_score": 85,
  "summary": "..."
}
"""

FEW_SHOT = """
示例 1:
输入: "订一张明天去上海的机票"
输出: {"intent": "book_flight", "date": "明天", "destination": "上海"}

示例 2:
输入: "上海明天天气怎么样"
输出: {"intent": "query_weather", "date": "明天", "city": "上海"}

示例 3:
输入: "帮我查一下银行卡余额"
输出: {"intent": "query_balance", "account": "银行卡"}
"""

请按以下步骤分析：
1. 首先，识别问题类型（数学/逻辑/事实）
2. 其次，列出已知信息和需要推导的信息
3. 然后，制定求解计划
4. 执行计划，每步验证
5. 最后，给出答案并解释

问题：如果 A 比 B 大 5，B 是 C 的 2 倍，C 等于 3，A 是多少？

规则：
- 不要使用 try-except 吞掉异常
- 不要在循环中创建数据库连接
- 不要使用 print() 调试，使用 logging
- 不要硬编码密码，使用环境变量

❌ 单步: "帮我做一个网站"

✅ 分步: "
Step 1: 确定网站类型（博客/电商/企业站）
Step 2: 选择技术栈（前端/后端/数据库）
Step 3: 设计页面结构（首页/列表页/详情页）
Step 4: 编写代码
Step 5: 部署上线
请从 Step 1 开始，每步等我确认后再继续。
"

策略:
┌─────────────────────────────┐
│ System Prompt (固定不变)     │  ← 角色设定、规则
├─────────────────────────────┤
│ Few-Shot Examples (固定不变) │  ← 示例
├─────────────────────────────┤
│ Task Context (每轮更新)      │  ← 当前任务上下文
├─────────────────────────────┤
│ Recent History (滚动窗口)    │  ← 最近 5 轮对话
├─────────────────────────────┤
│ User Input (每轮变化)        │  ← 用户当前输入
└─────────────────────────────┘

answers = []
for _ in range(5):
    answer = llm.generate(prompt, temperature=0.7)
    answers.append(answer)

# 取多数投票
final_answer = majority_vote(answers)

System: 你是一个代码审查专家。审查代码时遵循以下规则：
1. 先理解代码意图
2. 检查安全性
3. 检查性能
4. 检查可读性

User: 审查这段代码: [code]

AI Thought: 先理解这段代码的意图。看起来是一个用户认证函数...
AI Action: search("OWASP 认证最佳实践")
AI Observation: 建议使用 bcrypt 而非 MD5...
AI Thought: 代码第 15 行使用了 MD5，这是安全漏洞...