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,全部在 ChatGPT 上验证过,覆盖需求获取、系统设计、代码质量与重构四大领域,让提示编写像设计模式一样可复用,也为其他大语言模型提供了同样的适用性。
像设计模式一样复用提示
提示模式的思路来自经典软件设计模式:把行之有效的提问方式命名、记录、标准化,让开发者可以像复用设计模式一样复用和适配提示,而不是每次从零摸索。所有模式均经过实际对话验证,非专家也能借助它们写出结构完整的提示。论文按软件工程生命周期把 13 种模式分为四类,从需求到设计、编码再到重构形成完整链条。同一模式换个项目、换个语言稍作调整即可再次使用,这是它区别于零散提示技巧的核心价值。
四类模式的覆盖范围
需求获取包含三种模式:需求模拟器让模型模拟用户提出需求,检验需求文档的完整性;规格歧义消除专门识别需求描述中的模糊表述;变更请求模拟则用来评估需求变更对现有系统的影响。系统设计与模拟有四种:API 生成器自动产出 API 设计,API 模拟器模拟 API 行为,少样本示例生成器批量创建训练示例,领域特定语言创建辅助设计 DSL,架构可能性探索则对比不同架构方案的取舍。代码质量包含代码聚类(按功能给代码分组)、中间抽象(在高层与低层代码之间建立桥梁)、原则性代码(检查代码是否遵循设计原则)与隐藏假设识别(发现代码中的隐含前提)四种。重构有两种:伪代码重构用高层指令控制重构方向,数据驱动重构围绕数据格式变更展开改造。
通用结构与落地示例
论文归纳出好提示的通用结构,通常包含四个元素:会话范围声明(如”从现在起”“扮演 X 角色”)、明确的任务描述、期望的输出格式要求、以及需要遵守的约束条件。四条示例展示了模式的落地方式: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——先让模型重构代码,再要求把输入、输出、存储数据格式改为 X,并提供 X 的一两个示例。这些模式的价值不在于某次对话的效果,而在于沉淀为团队可共享、可迭代的资产;把重复出现的提问固化成模式,提示工程才从个人手感变成工程实践。同类话题可参阅站内《Many-Shot 提示何时失效》。
一分钟读论文:《Scratch Copilot:用 AI 支持青少年创意编程》