编程提示词最佳实践

它解决什么问题

当开发者把编码任务交给大模型时，失败很少表现为“完全不会写”。更常见的是提示词缺少上下文、验收标准、技术约束和反例，导致输出看起来已完成，实际包含 TODO、占位返回或示例数据；也可能在更适合使用大模型原生能力的场景中，硬编码规则、正则或打分逻辑。coding-prompt 针对这种工程化协作缺口：它不直接生成代码，而是诊断、改写并监测编程提示词，减少假完成和规则偏见等失败模式。

技能如何工作

该技能有两条主要路径：

• 显式优化：当用户触发 优化提示词、improve my prompt 或粘贴提示词要求审查时，它会结合检查清单、核心原则、沟通模式和反例参考执行完整诊断，并返回重写后的版本。
• 主动监测：激活后会保持在当前会话中，但只对高优先级信号追加提醒。例如检测到代码包含 stubs、TODO、占位返回或示例数据时，提示疑似假完成；当模型倾向硬编码规则而更适合 LLM 原生能力时，提示规则偏见。较低优先级问题不会主动打断。

它还内置一个 learnings.md 追加式进化协议：核心技能与参考资料只读，个人经验只能在用户确认、去重和精炼后写入，避免把单次任务细节膨胀成规则库。

适用边界

它适合用于优化提示词、检查会话质量和沉淀团队提示词规范；不是代码审查、静态分析或测试的替代品。它聚焦提示词与协作信号，除非用户要求记录学习，否则不会修改用户项目文件。