实训手册 · 飘雪科技

五条工作原则

工具会更新换代，这五条不会。它们决定了你用 AI 做出来的是玩具还是作品。

01

先写需求，再写提示词

打开 AI 之前，先用三句话回答：给谁用？解决什么问题？怎样算做完？想不清楚的需求，AI 也写不清楚。

例如不说“做个打卡小程序”，而是“给健身房会员用的打卡页，每天只能打卡一次，月底显示打卡天数”。

02

一次只让 AI 做一件事

大需求拆成小步骤，每一步都能独立运行和验证。一次改动越小，出错时越容易定位。

例如商城拆成：商品列表、商品详情、购物车、下单。四轮对话，每轮跑通再继续。

03

每一步都要运行验证

AI 说“已完成”不等于真的完成。生成后立刻运行，亲手点一遍，专门试试边界情况。

例如记账本：金额填负数、不填日期、连点两次提交，分别会发生什么？

04

读懂再接受

看不懂的代码不要直接接受。让 AI 解释，直到你能用自己的话复述它在做什么。

例如追问：第 12 行为什么要用 async？去掉会怎样？

05

用 Git 兜底

每完成一个可用版本就提交一次。AI 把代码改乱时，一条命令就能回到上一个好版本。

例如git add .
git commit -m "完成记账列表"

提示词模板

复制后，把方括号里的内容换成你自己的情况即可。

角色：你是一名资深 [前端 / Python / 全栈] 工程师。
目标：做一个 [什么产品]，给 [谁] 用，解决 [什么问题]。
功能：
1. [功能一，具体到字段和行为]
2. [功能二]
3. [功能三]
约束：使用 [技术栈]；[其他限制，比如不引入额外框架、手机端可用]。
验收：[怎样算做完，列出可以亲手验证的标准]。
先列出你的实现计划，等我确认后再写代码。

现象：我 [执行了什么操作] 后，[实际发生了什么]。
期望：应该 [期望的结果]。
报错信息：
[粘贴完整报错，不要截断]
相关代码：[文件名，或粘贴相关片段]
已尝试：[做过的排查，避免 AI 重复建议]
请先分析可能的原因，按可能性从高到低列出，再给出修改方案。不要改动与这个问题无关的代码。

请逐段解释下面这段代码，假设我是编程初学者：
1. 这段代码整体在做什么（一句话概括）
2. 每一段的作用，遇到专业术语请顺带解释
3. 如果我想修改 [某个行为]，应该改哪里

代码：
[粘贴代码]

请以资深工程师的标准审查下面的代码，按严重程度分类列出问题：
1. 会导致错误或安全风险的问题（必须修复）
2. 影响可维护性的问题（建议修复）
3. 可以写得更简洁的地方（可选）
每个问题请指出位置、原因和修改建议。先不要直接改代码。

代码：
[粘贴代码]

最后一句“先列计划”或“先不要改代码”最容易被省略，却最能避免 AI 一次改动太多。

常见问题排查

课堂上被问得最多的五个问题，以及我们的处理方式。

AI 改着改着，把原来好的功能改坏了

撤销所有还没提交的修改，回到上次提交时的状态。以后记得每次可用就提交。

git restore .

报错信息看不懂

把三样东西一起发给 AI：完整报错、相关代码、你刚才做了什么操作。只说“报错了”，AI 只能靠猜。

越修越乱，AI 来回绕圈

同一个问题修了三轮还没好，就停下来：回滚到上次提交，开一个新对话，重新描述问题。对话太长会让 AI 的注意力分散。

npm install 很慢或者失败

把下载源切换到国内镜像，然后重新安装。

npm config set registry https://registry.npmmirror.com

API Key 不小心泄露了

立即到平台后台删除旧 Key 并重新生成。以后把 Key 放在 .env 文件里，并把 .env 写进 .gitignore；永远不要把 Key 写死在代码里，也不要截图发到群里。

AI 术语表

听课时遇到不懂的词，来这里搜。

Token词元

模型处理文本的最小单位。不同模型切分方式不同，一个汉字通常对应 0.5 到 2 个 Token。费用和上下文长度都按 Token 计算。

上下文窗口Context Window

模型一次能“看到”的最大 Token 数，包括你的输入、历史对话和它的输出。超出部分会被截断，表现为 AI “忘了”前面的内容。

温度Temperature

控制输出随机性的参数。写代码、抽取信息用低温度，结果更稳定；头脑风暴、写文案用高温度，结果更多样。

幻觉Hallucination

模型自信地编造不存在的事实、函数或网址。应对方法：提供参考资料、要求给出出处、运行代码验证。

系统提示词System Prompt

在对话开始前给模型设定的身份、规则和输出格式，对整场对话都生效。Agent 的“性格”和边界主要靠它定义。

Embedding向量嵌入

把一段文字转换成一串数字。意思相近的文字，向量距离也近，这是语义搜索和 RAG 的基础。

RAG检索增强生成

先从知识库检索相关片段，再连同问题一起交给模型回答。让模型基于你的资料作答，减少幻觉。

Function Calling函数调用

模型不直接执行代码，而是输出“要调用哪个函数、参数是什么”，由你的程序执行后把结果交还给模型。

MCP模型上下文协议

Anthropic 于 2024 年发布的开放协议，统一了 AI 应用连接外部工具和数据源的方式，常被比作 AI 世界的 USB 接口。

Agent智能体

能自主规划步骤、调用工具、根据结果调整行动，直到完成目标的 AI 程序。详见 Agent 开发课程。

微调Fine-tuning

用自己的数据继续训练模型，改变它的风格或专业能力。多数场景建议先尝试提示词和 RAG，成本低得多。

多模态Multimodal

模型同时理解文字、图片、音频等多种输入的能力。例如截图发给 AI，让它照着界面写代码。

飘雪实训手册