用AI编程这一年多，我积累了一批比较好用的Prompt模板。每次遇到特定场景直接套模板，效率比临时想Prompt高太多了。今天把我用得最多的几个模板分享出来，都是可以直接复制使用的，希望对大家有帮助。
场景一：新建项目
开始一个新项目的时候，需要让AI帮你搭建项目骨架。这个场景最重要的是把需求和约束说清楚。
模板：
我需要创建一个新项目，请帮我搭建项目结构。
项目信息：
- 项目名称：[名称]
- 项目类型：[Web应用/API服务/CLI工具/库]
- 技术栈：[语言/框架/数据库]
- 主要功能：[简要描述核心功能]
技术要求：
- 包管理器：[npm/pnpm/yarn]
- 代码规范：[ESLint配置/Prettier]
- 测试框架：[Jest/Vitest/pytest]
- 目录结构偏好：[按功能分/按类型分]
请生成：
1. 完整的目录结构
2. 核心配置文件（package.json/tsconfig等）
3. 基础代码框架
4. README模板
使用技巧：技术栈和要求写得越具体，AI生成的代码越接近你想要的。如果你有参考项目，可以加一句"参考XX项目的目录结构"。
场景二：Bug修复
这是我用得最频繁的模板。关键是提供足够的上下文信息，让AI能快速定位问题。
模板：
我遇到了一个Bug，需要帮助排查和修复。
问题描述：
- 预期行为：[应该发生什么]
- 实际行为：[实际发生了什么]
- 复现步骤：[1. 2. 3.]
错误信息：
[粘贴完整的错误日志/堆栈跟踪]
相关代码：
[粘贴相关的代码片段，标注文件路径]
已经尝试过：
[列出你已经尝试过的解决方法]
环境信息：
- 运行环境：[Node版本/Python版本/OS]
- 相关依赖版本：[关键库的版本号]
使用技巧：很多人debug的时候只扔一个错误信息就让AI修，效果往往不好。把"已经尝试过"这部分填上去，能避免AI给你重复的建议。环境信息也很重要，很多Bug是特定版本才有的。
场景三：代码审查
让AI帮你做Code Review，可以在提PR之前先自查一遍。
模板：
请对以下代码进行审查，从以下维度给出改进建议：
审查维度：
1. 代码质量：可读性、命名规范、代码组织
2. 潜在Bug：空值处理、边界条件、异常处理
3. 性能：时间复杂度、内存使用、不必要的计算
4. 安全性：输入验证、SQL注入、XSS等
5. 可维护性：模块化程度、耦合度、可测试性
代码上下文：
- 这段代码的功能是：[简述功能]
- 所在模块：[模块名称和作用]
- 调用方：[谁会调用这段代码]
[粘贴代码]
请按照严重程度排序，对每个问题给出：
- 问题描述
- 严重程度（高/中/低）
- 修改建议（附代码示例）
使用技巧：审查维度可以根据项目的重点来调整。比如做ToC产品的时候安全性这块权重要高一些，做内部工具的时候可以更关注可维护性。
场景四：代码重构
需要重构一段代码的时候，明确重构目标很重要。
模板：
我需要重构以下代码，请在保持功能不变的前提下改进代码质量。
当前代码的问题：
- [具体问题1，比如：函数过长，超过200行]
- [具体问题2，比如：多层嵌套的if-else]
- [具体问题3，比如：重复代码过多]
重构目标：
- [目标1，比如：拆分成多个单一职责的函数]
- [目标2，比如：用策略模式替代if-else]
- [目标3，比如：提取公共逻辑到工具函数]
约束条件：
- 不改变对外接口（函数签名、返回值格式）
- 不引入新的外部依赖
- [其他约束]
当前代码：
[粘贴代码]
请提供：
1. 重构后的完整代码
2. 重构思路说明
3. 需要同步修改的调用方代码（如果有）
使用技巧：约束条件一定要写清楚。AI重构的时候容易"过度设计"，加了一堆你不需要的设计模式。明确告诉它不要改接口、不要加依赖，能得到更实用的结果。
场景五：写测试
这是AI非常擅长的场景，用好了能省很多时间。
模板：
请为以下代码编写单元测试。
被测代码：
[粘贴代码]
测试要求：
- 测试框架：[Jest/Vitest/pytest/其他]
- 覆盖率目标：[语句覆盖率/分支覆盖率]
- Mock策略：[需要mock的外部依赖]
请覆盖以下测试场景：
1. 正常流程（Happy Path）
2. 边界条件（空值、空数组、最大值、最小值）
3. 异常处理（网络错误、参数错误、超时）
4. 并发场景（如果适用）
输出格式：
- 每个测试用例有清晰的描述
- 使用 describe/it 分组
- 遵循 AAA 模式（Arrange-Act-Assert）
使用技巧：让AI写测试的时候最容易出的问题是只写Happy Path的测试。明确要求覆盖边界条件和异常处理，AI才会生成全面的测试用例。另外Mock策略最好自己指定，AI有时候会Mock过多或过少。
场景六：写文档
让AI帮写技术文档和注释。
模板：
请为以下代码/API编写文档。
文档类型：[API文档/使用说明/内部技术文档]
目标读者：[新入职开发者/前端开发者/运维人员]
代码/API信息：
[粘贴代码或API定义]
文档应包含：
1. 概述：功能说明和使用场景
2. 快速开始：最简单的使用示例
3. API参考：每个函数/接口的详细说明
- 参数说明（类型、是否必填、默认值）
- 返回值说明
- 使用示例
4. 注意事项和常见问题
5. 更新日志格式
风格要求：
- 语言简洁，避免过度文学化
- 代码示例要可直接运行
- 关键概念用粗体标注
使用技巧：目标读者这个字段很关键。给新人写的文档要详细、给资深开发写的要简洁，AI会根据这个来调整内容的深度和表达方式。
场景七：性能优化
让AI帮忙分析和优化代码性能。
模板：
以下代码存在性能问题，请帮我分析并优化。
性能问题描述：
- 具体表现：[比如：接口响应时间从100ms增长到了2s]
- 数据规模：[比如：处理10万条数据时出现问题]
- 瓶颈猜测：[如果有的话]
代码：
[粘贴代码]
运行环境：
- 运行平台：[浏览器/Node.js/Python]
- 硬件配置：[CPU/内存，如果相关]
- 并发量：[如果是服务端代码]
优化约束：
- 可读性优先/性能优先
- 是否可以引入新依赖
- 是否可以改变数据结构
请提供：
1. 性能瓶颈分析
2. 优化方案（按效果排序）
3. 每个方案的代码实现
4. 优化前后的时间/空间复杂度对比
通用使用技巧
最后分享几个跨场景的通用技巧。
第一，给AI足够的上下文。很多人给的信息太少，AI只能猜，结果自然不好。宁可多写几行背景信息，也别让AI猜你的意图。
第二，分步骤来。复杂的任务不要一个Prompt全塞进去，拆成几个步骤效果更好。先让AI做方案设计，确认之后再让它写代码。
第三，迭代优化。第一次的结果不满意很正常，把不满意的地方具体说出来让AI修改。比起重新写一个Prompt，在已有结果上迭代效率更高。
第四，建立自己的模板库。今天分享的是通用模板，你应该根据自己的技术栈和工作场景来定制专属的模板。用多了之后会越来越顺手。
这些模板你们觉得好用吗？你有没有自己积累的好用Prompt模板？欢迎在评论区分享，咱们一起完善这个模板库，让AI编程更高效。