Entwickler begegnen Prompts an zwei Stellen: wenn sie einen KI-Assistenten bitten, Code zu ändern, und wenn sie Prompts schreiben, die in einer Anwendung ausgeliefert werden. Die Fähigkeiten überschneiden sich, die Fehlerbilder unterscheiden sich. Dieser Leitfaden behandelt beides.
Teil 1: Prompts für KI-Coding-Assistenten
Schreiben Sie eine Spezifikation, keinen Wunsch
Ein Coding-Assistent, der einen einzigen Satz erhält, muss Umfang, Einschränkungen und die Bedeutung von „fertig“ erschließen. Geben Sie ihm dasselbe, was Sie in ein gutes Ticket schreiben würden.
fix login issue and make google login work and don't break anything
## Objective
Fix the login failure and make Google login work.
## Constraints
- Do not change the existing email and password flow.
- Keep the public API of AuthService unchanged.
## Edge cases
- Expired or revoked OAuth tokens.
- A Google account whose email already exists as a password account.
## Testing
- Add unit tests for the token exchange and the account-linking path.
## Acceptance criteria
- Existing auth tests pass. New tests cover both edge cases.
## Expected output
A summary of the cause, then the changed files as diffs.
Der zweite Prompt braucht eine Minute länger beim Schreiben und spart eine Runde „so habe ich das nicht gemeint“. Die PromptFlowEngine-Erweiterung für VS Code erzeugt diese Struktur aus einer einzeiligen Aufgabe und den relevanten Dateien.
Liefern Sie den richtigen Code, nicht den gesamten Code
Kontextfenster sind groß, aber Aufmerksamkeit ist nicht unbegrenzt. Nehmen Sie die Dateien auf, die die Änderung berührt, die Schnittstellen, die sie einhalten muss, und ein Beispiel für die Konventionen des Projekts. Lassen Sie generierte Dateien, Lock-Dateien und fachfremde Module weg.
Sagen Sie, was sich nicht ändern darf
Assistenten optimieren auf die Anfrage. Wenn Abwärtskompatibilität, eine öffentliche Schnittstelle oder Performance wichtig sind, sagen Sie es. „Mach nichts kaputt“ ist keine Einschränkung, die ein Modell prüfen kann; „lasse das Antwortschema von GET /orders unverändert“ ist eine.
Fordern Sie bei großen Änderungen einen Plan an
Fragen Sie bei allem, was über eine kleine Änderung hinausgeht, zuerst nach dem Plan, prüfen Sie ihn und fragen Sie dann nach der Umsetzung. Das ist Prompt Chaining auf Code angewendet und fängt einen falschen Ansatz ab, bevor Code geschrieben wird.
Prüfen Sie, was zurückkommt
Lesen Sie den Diff. Führen Sie die Tests aus. Schreiben Sie bei größeren Änderungen einen Review-Prompt, der dem Modell die ursprüngliche Aufgabe und die geänderten Dateien gibt, und bitten Sie es aufzulisten, wo die Änderung die Abnahmekriterien nicht erfüllt.
Teil 2: Prompts in Ihrer Anwendung
Halten Sie Prompts in der Versionskontrolle
Ein Prompt ist Teil des Verhaltens Ihres Programms. Speichern Sie ihn in einer Datei, prüfen Sie Änderungen in Pull Requests und versehen Sie Versionen mit Tags. Siehe Prompt-Verwaltung und Versionierung.
Verwenden Sie Vorlagen mit abgegrenzten Variablen
Verketten Sie Nutzereingaben niemals in Anweisungen. Verwenden Sie benannte Variablen und umschließen Sie jede mit Tags.
PROMPT = """Classify the support ticket in the tags as billing, bug, or other.
Return only the label.
<ticket>
{ticket}
</ticket>"""
Verlangen Sie strukturierte Ausgabe und validieren Sie sie
Wenn Ihr Code die Antwort parst, fordern Sie JSON gemäß einem Schema an, nutzen Sie die Funktion des Anbieters für strukturierte Ausgabe, wo vorhanden, und validieren Sie das Ergebnis vor der Verwendung. Siehe Prompts für strukturierte Ausgabe.
Planen Sie ein Token-Budget
Wissen Sie, wie viele Tokens Ihr fester Prompt verbraucht, denn Sie zahlen ihn bei jedem Aufruf. Zählen Sie mit dem echten Tokenizer des Modells, nicht mit einer Zeichenschätzung. Siehe Token-Optimierung.
Testen Sie Prompts in der CI
Statische Prüfungen fangen Regressionen ab, die kein Modell brauchen: ein entferntes Ausgabeformat, einen doppelten Abschnitt, eine Token-Zahl über dem Budget, einen committeten API-Schlüssel. Das Prompt-Test-Gate führt sie bei jedem Pull Request aus.
- run: promptflow check "prompts/**/*.md" --min-score 70 --max-tokens 1500
Behandeln Sie Modellausgaben als nicht vertrauenswürdig
Die Ausgabe kann falsch sein und durch eingeschleusten Text in der Eingabe gelenkt werden. Geben Sie sie nicht ohne dieselbe Validierung wie bei Nutzereingaben an eine Shell, eine SQL-Abfrage oder eine HTML-Seite weiter. Siehe Prompt-Sicherheit.
Die Engine aus Code aufrufen
Dieselben Prüfungen sind ohne Schlüssel über HTTP verfügbar, was für einen schnellen Integrationstest oder ein internes Werkzeug praktisch ist:
curl -s https://promptflowengine.com/api/v1/analyze \
-H 'content-type: application/json' \
-d '{"prompt":"Write something about our product."}'
Die Endpunkte finden Sie in der HTTP-API; oder binden Sie sie über MCP an einen Coding-Agenten an.