5 条强大技巧，使用 AI 生成更好的代码

Source: Dev.to

这并不是另一篇 “如何提示 AI” 的文章。
它关注的是 鲜为人知的习惯，这些习惯能显著提升你从 LLM 获得的 代码质量。

Tip 1 — 立即表达不满意

如果生成的代码不是你期待的，要明确且及时地说明。

为什么有效

LLM 会在对话中进行 自我调整。当你表达不满时，会促使模型：

• 重新审视假设
• 采用更严格的推理
• 探索替代方案

往往 第二次的答案要比第一次更有深度。不要满足于“差不多对了”的代码——要坚持反馈。

Tip 2 — 再次提问（即使代码已经很好）

即使方案可用，也可以这样做：

“改进这段代码。”

你会惊讶于 AI 经常会：

• 简化逻辑
• 改进命名
• 提升性能
• 降低边缘情况的风险

与 AI 的迭代就像拥有一个 随时待命的资深审阅者。

Tip 3 — 给出全局视角（真实上下文很重要）

当 AI 理解你的架构时，表现会 显著提升。

不要写：

“写一个实现 X 的方法”

而应该写：

“这属于服务层。我们使用分层架构：
控制器 → 服务 → 仓储。这个逻辑应该放在哪一层？”

这样 AI 能够：

• 正确划分职责
• 防止业务逻辑泄漏到技术层
• 生成符合你设计的代码

真正的强力技巧

与其手动描述系统，不如使用 AI Prompt Builder 注入 真实项目上下文。例如，像 CppDepend 的 AI Prompt Builder 这样的工具可以利用以下信息生成可靠、上下文感知的提示：

• 组件之间的依赖关系
• 层级违规情况
• 代码度量（复杂度、规模、耦合度…）
• 类型关系与调用图

这些上下文可以直接加入提示，使 AI 不再猜测，而是理解你的系统结构。AI 成为一个 具备架构感知的助手，基于真实项目数据工作。

Tip 4 — 暂停并自行重构

在生成了多个 AI 驱动的方法后，停下来。AI 只会进行 局部 优化，而非 全局。你仍需：

• 重组类结构
• 合并重复的逻辑
• 提取共享抽象
• 清理设计不一致

AI 加速了编码，但 你仍是架构师。

Tip 5 — 让 AI 批评自己的代码

这是最被低估的技巧之一。代码生成后，询问：

• “这段代码有哪些弱点？”
• “在生产环境中可能会出现哪些问题？”
• “缺少了哪些边缘情况？”

此时 AI 会转换角色：创作者 → 审阅者。这常常会揭示：

• 隐蔽的 bug
• 性能风险
• 缺失的校验
• 并发问题
• 安全漏洞

你基本上获得了一个 免费的设计评审。

Final Thought

AI 并不会取代工程判断，它 放大 了判断。
最佳工作流大致如下：

生成器 → 改进者 → 批评者 → 助手 …而 你仍是架构师。