把 Cursor 的烂输出变成好代码，这 10 个 Prompt 改造让我省了 80% 改稿时间

作为编程讲师，我深知 AI 代码助手（如 Cursor）能大幅提升效率，但它们的输出经常是“烂代码”——缺乏注释、结构混乱、甚至逻辑错误。经过大量实践，我总结出 10 个 Promt 改造技巧，让 Cursor 从“乱写”变成“专业写手”。本文将从基础概念讲到高级用法，带你一步步掌握这些技巧。## 1. 基础概念：为什么 Cursor 输出“烂”？Cursor 基于大语言模型（LLM），输出质量高度依赖 Prompt 的清晰度。默认的简单 Prompt（如“写一个函数”）会导致：- 缺乏上下文：不知道你的代码风格、变量命名习惯。- 忽略边界条件：不检查输入有效性、错误处理。- 注释不足：生成代码后需要大量手动修改。示例对比：- 烂 Prompt：写一个排序函数- 好 Prompt：用 Python 写一个冒泡排序函数，要求：参数列表为整数列表，返回值是排序后的新列表，包含类型注解和 docstring，函数名使用 snake_case## 2. 中级技巧：10 个 Prompt 改造模板### ## 2.1 明确输入输出格式问题：Cursor 常假设输入类型错误，比如把字符串当列表。Prompt 模板：python# 要求：写一个函数，输入是整数列表（list[int]），输出是排序后的整数列表（list[int]）。# 请包含类型注解和 docstring，并在 docstring 中说明输入限制。def sort_list(numbers: list[int]) -> list[int]: """ 对整数列表进行升序排序 参数: numbers: 整数列表，元素必须为 int 类型 返回: 排序后的新列表 """ return sorted(numbers)# 测试用例assert sort_list([3, 1, 2]) == [1, 2, 3]assert sort_list([]) == []### ## 2.2 指定错误处理策略问题：Cursor 不处理异常，导致生产环境崩溃。Prompt 改造：python# 要求：写一个文件读取函数，处理 FileNotFoundError 和 PermissionError。# 如果文件不存在，返回空字符串；如果权限不足，打印错误日志并返回 None。def read_file_safe(filepath: str) -> str | None: """ 安全读取文件内容 参数: filepath: 文件路径 返回: 文件内容字符串，或 None（权限错误时） """ try: with open(filepath, 'r', encoding='utf-8') as f: return f.read() except FileNotFoundError: return "" except PermissionError as e: print(f"权限错误：{e}") return None### ## 2.3 要求代码风格一致性Prompt 模板：代码风格：使用 Google Python Style Guide，变量名用 snake_case，函数名用动词开头，类名用 PascalCase。### ## 2.4 添加单元测试问题：Cursor 不生成测试代码。Prompt 改造：python# 要求：写一个计算器函数，支持加减乘除。请包含 unittest 测试用例，覆盖正常和异常情况。def calculator(a: float, b: float, op: str) -> float: """简单计算器""" if op == '+': return a + b elif op == '-': return a - b elif op == '*': return a * b elif op == '/': if b == 0: raise ValueError("除数不能为0") return a / b else: raise ValueError(f"不支持的操作符：{op}")# 单元测试import unittestclass TestCalculator(unittest.TestCase): def test_add(self): self.assertEqual(calculator(1, 2, '+'), 3) def test_divide_by_zero(self): with self.assertRaises(ValueError): calculator(1, 0, '/') def test_invalid_op(self): with self.assertRaises(ValueError): calculator(1, 2, '^')if __name__ == '__main__': unittest.main()### ## 2.5 指定性能要求Prompt 模板：要求时间复杂度 O(n)，空间复杂度 O(1)。请使用原地算法。### ## 2.6 要求代码可读性Prompt 模板：代码必须包含详细注释，每行代码不超过 80 字符，使用空行分隔逻辑块。### ## 2.7 指定版本和库问题：Cursor 可能使用过时的库。Prompt 模板：使用 Python 3.11 语法，使用标准库（如 json, csv），避免第三方依赖。### ## 2.8 要求文档字符串Prompt 模板：每个公共函数必须包含 Google 风格的 docstring，包含 Args, Returns, Raises 部分。### ## 2.9 要求日志记录Prompt 模板：使用 logging 模块记录关键步骤，日志级别为 INFO 或 WARNING。### ## 2.10 要求模块化设计Prompt 模板：将代码拆分为多个函数，每个函数只做一件事，函数名体现其职责。## 3. 高级用法：组合多个 Prompt 技巧### ## 3.1 实战：构建一个数据分析工具python# 要求：写一个函数，读取 CSV 文件并计算某列的平均值。# 1. 处理文件不存在、列名不存在等错误# 2. 使用 pandas 库（假设已安装）# 3. 输出结果保留两位小数# 4. 包含日志记录和单元测试import pandas as pdimport loggingfrom typing import Unionlogging.basicConfig(level=logging.INFO)def calculate_column_average(filepath: str, column_name: str) -> Union[float, None]: """ 计算 CSV 文件中指定列的平均值 Args: filepath: CSV 文件路径 column_name: 列名 Returns: 平均值（保留两位小数），若出错返回 None Raises: FileNotFoundError: 文件不存在 ValueError: 列不存在或数据非数值 """ try: logging.info(f"开始读取文件：{filepath}") df = pd.read_csv(filepath) if column_name not in df.columns: raise ValueError(f"列 '{column_name}' 不存在") if not pd.api.types.is_numeric_dtype(df[column_name]): raise ValueError(f"列 '{column_name}' 不是数值类型") avg = df[column_name].mean() logging.info(f"计算平均值成功：{avg:.2f}") return round(avg, 2) except FileNotFoundError: logging.error(f"文件未找到：{filepath}") return None except ValueError as e: logging.error(str(e)) return None except Exception as e: logging.error(f"未知错误：{e}") return None# 单元测试import unittestimport tempfileimport osclass TestCalculateAverage(unittest.TestCase): def setUp(self): # 创建临时 CSV 文件 self.test_file = tempfile.NamedTemporaryFile(mode='w', delete=False, suffix='.csv') self.test_file.write("name,score\nAlice,85\nBob,90\nCharlie,78") self.test_file.close() def test_normal_case(self): result = calculate_column_average(self.test_file.name, "score") self.assertAlmostEqual(result, 84.33, places=2) def test_missing_column(self): result = calculate_column_average(self.test_file.name, "grade") self.assertIsNone(result) def test_file_not_found(self): result = calculate_column_average("nonexistent.csv", "score") self.assertIsNone(result) def tearDown(self): os.unlink(self.test_file.name)if __name__ == '__main__': unittest.main()## 4. 总结通过这 10 个 Prompt 改造技巧，我成功将 Cursor 的输出质量提升了 80% 以上。核心原则是：1. 明确需求：指定输入输出、错误处理、性能要求。2. 规范风格：要求注释、类型注解、命名规范。3. 测试驱动：强制生成单元测试。4. 模块化：拆分函数，提高可维护性。记住：好的 Prompt 就像好的教练，不仅要告诉 AI “做什么”，还要教它“如何做”。现在就去试试这些技巧，你会发现 Cursor 从“烂输出”变成“好代码”只需一个精心设计的 Prompt！