一分钟读论文：《ChatGPT 提示模式：提升代码质量、重构、需求获取和软件设计》

范德堡大学的论文《ChatGPT Prompt Patterns for Improving Code Quality, Refactoring, Requirements Elicitation, and Software Design》 整理了 13 种可复用的提示模式，帮助开发者用 ChatGPT 自动化常见的软件工程任务，涵盖需求获取、系统设计、代码质量和重构四大领域。

核心发现

• 提示模式就像设计模式：可以像经典软件设计模式一样被复用和适配
• 覆盖全生命周期：从需求 → 设计 → 编码 → 重构的完整流程
• 所有模式都在 ChatGPT 上验证过，也适用于其他大语言模型

13 种提示模式分类

1️⃣ 需求获取（Requirements Elicitation）

• 需求模拟器（Requirements Simulator）：让 LLM 模拟需求，探索完整性
• 规格歧义消除（Specification Disambiguation）：识别模糊的需求
• 变更请求模拟（Change Request Simulation）：评估需求变更的影响

2️⃣ 系统设计与模拟（System Design & Simulation）

• API 生成器（API Generator）：自动生成 API 设计
• API 模拟器（API Simulator）：模拟 API 行为
• 少样本示例生成器（Few-shot Example Generator）：创建训练示例
• 领域特定语言创建（DSL Creation）：设计 DSL
• 架构可能性探索（Architectural Possibilities）：探索不同架构方案

3️⃣ 代码质量（Code Quality）

• 代码聚类（Code Clustering）：将代码按功能分组
• 中间抽象（Intermediate Abstraction）：在高层和低层代码间建立桥梁
• 原则性代码（Principled Code）：确保代码遵循设计原则
• 隐藏假设识别（Hidden Assumptions）：发现代码中的隐含假设

4️⃣ 重构（Refactoring）

• 伪代码重构（Pseudo-code Refactoring）：用高层指令控制重构
• 数据驱动重构（Data-guided Refactoring）：基于数据格式变更重构

提示模式的通用结构

好的提示通常包含这些元素：

1. 会话范围声明：如 “从现在起”、”扮演 X 角色”
2. 明确的任务描述：具体要做什么
3. 输出格式要求：期望的结果格式
4. 约束条件：需要遵守的规则

实用示例

自动生成依赖文件：

“从现在起，你生成的任何代码如果跨多个文件，自动生成一个 Python 脚本来创建这些文件。”

识别代码假设：

“列出这段代码做的所有假设，以及在当前结构下改变每个假设的难度。”

伪代码重构：

1. 重构这段代码
2. 让输入/输出/存储数据格式变为 X
3. 提供 X 的 1-2 个示例