AI 编程助手提示词模板库

适用背景：电力行业 · Java Web 后端开发 · AI 大模型转型目标：日常编码提效 50%+，系统学习大模型开发，完成技术栈升级

目录

• 零、提示词工程黄金法则

• 一、日常编码提效（Java 后端）

  • 1.1 Spring Boot 接口开发

  • 1.2 MyBatis 数据层

  • 1.3 实体转换与校验

  • 1.4 异常处理与日志

  • 1.5 配置类与中间件集成

  • 1.6 定时任务与调度

• 二、代码质量保障

  • 2.1 单元测试

  • 2.2 代码审查与优化建议

  • 2.3 Bug 诊断与修复

  • 2.4 重构与性能优化

• 三、电力行业专属场景

  • 3.1 电力数据模型设计

  • 3.2 实时/时序数据处理

  • 3.3 电力报表与统计

  • 3.4 安全合规与审计

• 四、AI/大模型学习路径

  • 4.1 Python 快速上手

  • 4.2 PyTorch 基础

  • 4.3 LangChain & RAG 开发

  • 4.4 Agent 智能体开发

  • 4.5 模型微调与部署

• 五、提示词自我迭代优化法

零、提示词工程黄金法则

在开始使用模板之前，先掌握核心方法论。每条模板都基于这个框架设计。

CRISP 黄金框架

┌──────────┐ ┌──────────┐ ┌──────────────┐ ┌──────────┐ ┌──────────┐ │ Context │ → │ Role │ → │ Instruction │ → │ Style │ → │ Polishing│ │ 背景 │ │ 角色 │ │ 指令 │ │ 风格 │ │ 打磨 │ └──────────┘ └──────────┘ └──────────────┘ └──────────┘ └──────────┘

三个必杀技

1. XML标签结构化：用<context><task><output>等标签分隔信息，大幅提升理解准确度

2. Few-Shot 示例：给1-2个输入→输出的例子，让AI精确理解你想要的格式

3. Chain-of-Thought：加一句"请先分析需求，再给出方案，最后生成代码"，强制AI分步思考

一、日常编码提效（Java 后端）

1.1 Spring Boot 接口开发

模板 1-A：标准 CRUD 接口

<context> 技术栈：Spring Boot 2.7 + MyBatis-Plus 3.5 + MySQL 8.0 项目：电力调度管理系统 命名规范：阿里巴巴Java开发手册 包结构：com.powergrid.{模块}.{controller|service|mapper|entity} </context> ​ <role> 你是一位资深Java后端开发，擅长Spring Boot微服务架构，代码风格整洁、健壮。 </role> ​ <task> 为以下业务实体生成完整的RESTful API接口层： ​ 【业务实体】{填写实体名称，如：变电站 Substation} 【核心字段】{列出字段，如：stationId, stationName, voltageLevel, location, status, createTime} 【需要接口】 1. 分页查询（支持多条件模糊搜索） 2. 根据ID查询详情 3. 新增 4. 批量更新状态 5. 逻辑删除 ​ 【额外要求】 - Controller 使用 @RestController + @RequestMapping - 统一返回格式 Result<T> {code, message, data} - 参数校验使用 @Valid + JSR303注解 - 分页参数封装为 PageQuery 对象 - 操作日志使用自定义 @Log 注解 </task> ​ <output> 请按以下顺序生成： 1. Entity 实体类 2. DTO（CreateDTO、UpdateDTO、QueryDTO） 3. Mapper 接口 4. Service 接口 + ServiceImpl 5. Controller </output> ​ <style> - 每个方法加一行中文注释说明用途 - 敏感操作（删除、批量更新）加 @Transactional - 查询方法加 @DS("slave") 读写分离注解 </style>

模板 1-B：文件上传/导出接口

<context> Spring Boot 2.7，需要实现Excel文件导入导出功能，使用EasyExcel 3.x </context> ​ <task> 为电力设备台账管理生成Excel导入导出接口： ​ 【导入场景】批量导入设备信息（设备编号、设备名称、所属变电站、型号、生产日期、投运日期） 【导出场景】按条件导出设备列表为Excel ​ 【要求】 1. 导入时做数据校验（必填项、日期格式、唯一性） 2. 校验失败返回详细错误列表（哪一行哪个字段什么问题） 3. 导出支持按变电站筛选 + 按日期范围筛选 4. 导入导出都需要记录操作日志 5. 大文件（>10MB）做流式处理，避免OOM </task> ​ <output> 请生成完整的Controller + Service代码 </output>

1.2 MyBatis 数据层

模板 2-A：复杂查询 SQL

<context> MySQL 8.0 + MyBatis-Plus 3.5 电力行业数据特点：数据量大、多表关联、时间范围查询频繁 </context> ​ <task> 生成以下查询的MyBatis XML SQL： ​ 【查询需求】查询某条输电线路上过去30天内所有跳闸记录，并关联显示： - 线路名称、电压等级、所属区域 - 跳闸时间、跳闸类型（瞬时/永久）、重合闸是否成功 - 当次跳闸时的负荷电流、故障相别 - 关联的检修工单号（如有） ​ 【涉及表】 - transmission_line（输电线路） - trip_record（跳闸记录） - maintenance_order（检修工单） ​ 【性能要求】 - 涉及表均超百万级数据，必须走索引 - 时间字段 trip_record.create_time 上有索引 idx_create_time - 禁止 SELECT * - 大数据量时优先使用 EXISTS 替代 IN 子查询 </task> ​ <output> 生成完整的 <select> XML片段，包含参数映射和结果映射 </output> ​ <style> - 表名、字段名使用反引号 - 条件查询使用 <where> + <if> 动态标签 - 大表驱动小表，LEFT JOIN顺序正确 </style>

模板 2-B：批量操作与性能

<context> MyBatis-Plus 3.5，需要批量插入/更新大量数据 </context> ​ <task> 【场景】每天凌晨从SCADA系统同步10万+条遥测数据到业务库 ​ 【要求】 1. 使用 MyBatis-Plus 的 saveBatch 方法，设置合理的 batchSize 2. 如果数据已存在（同一设备同一时间点），则更新遥测值 3. 使用 ON DUPLICATE KEY UPDATE 或 INSERT IGNORE 策略 4. 考虑使用临时表 + INSERT INTO SELECT 优化大批量场景 </task> ​ <output> 生成完整的Mapper接口和Service实现代码，包含性能优化措施 </output>

1.3 实体转换与校验

模板 3-A：DTO/VO/BO 转换

<context> 项目中大量 Entity ↔ DTO ↔ VO 转换，使用 MapStruct 减少手写代码 </context> ​ <task> 为以下实体生成MapStruct转换器： ​ 【实体】Substation（变电站） 【DTO】SubstationCreateDTO、SubstationUpdateDTO、SubstationQueryDTO 【VO】SubstationVO（返回前端，含关联的线路数量统计） ​ 【要求】 - 使用 MapStruct 1.5.x - 字段名不一致的用 @Mapping 指定 - 日期格式化：Entity存 LocalDateTime，VO输出 "yyyy-MM-dd HH:mm:ss" - 枚举转换：status (0-停运, 1-运行, 2-检修) ↔ "停运"/"运行"/"检修" </task>

1.4 异常处理与日志

模板 4-A：全局异常处理

<context> Spring Boot 需要统一的异常处理体系，避免try-catch遍地 </context> ​ <task> 设计并生成全局异常处理体系： ​ 【需要处理的异常类型】 1. 参数校验异常 MethodArgumentNotValidException → 400 2. 业务异常 BusinessException（自定义）→ 根据业务错误码 3. 权限异常 AccessDeniedException → 403 4. 资源不存在 ResourceNotFoundException → 404 5. 系统未知异常 Exception → 500（打印完整堆栈但不暴露给前端） ​ 【要求】 - 使用 @RestControllerAdvice - 统一返回 Result<T> 格式 - 错误信息对用户友好，不暴露内部细节 - 500错误记录完整堆栈到日志，但不返回给前端 - 包含 traceId 用于全链路追踪 </task> ​ <output> 生成完整的异常处理代码 + 自定义异常类 + 错误码枚举 </output>

1.5 配置类与中间件集成

模板 5-A：Redis 缓存配置

<context> Spring Boot 2.7 集成 Redis，用于缓存电力设备基础数据和实时状态 </context> ​ <task> 生成 Redis 配置和通用缓存工具类： ​ 【使用场景】 1. 设备基础信息缓存（key: device:{id}, TTL: 1小时） 2. 实时状态缓存（key: device:{id}:status, TTL: 30秒） 3. 变电站列表缓存（key: substation:list, TTL: 10分钟） 4. 分布式锁（设备操作互斥） ​ 【要求】 - 使用 Spring Cache + Redis - 自定义 KeyGenerator，key格式：{模块}:{业务}:{参数} - 使用 Jackson2JsonRedisSerializer 序列化 - 分布式锁用 Redisson，加看门狗自动续期 - 防止缓存击穿（空值缓存）、缓存穿透（布隆过滤器）、缓存雪崩（随机TTL） </task> <output>生成配置类 + 缓存注解使用示例 + 分布式锁工具类</output>

1.6 定时任务与调度

模板 6-A：Spring Task + 分布式定时任务

<context> 电力行业大量定时任务：数据同步、报表生成、状态检查、告警推送 Spring Boot + XXL-JOB 分布式调度 </context> ​ <task> 为以下场景生成定时任务代码： ​ 【场景1】每小时从SCADA系统同步一次遥测数据快照 【场景2】每天8:00生成昨日电力负荷报表并发送邮件 【场景3】每5分钟检查所有在线设备心跳，超时设备标记离线并推送告警 【场景4】每月1日凌晨归档上月数据到历史表 ​ 【要求】 - 使用 XXL-JOB 注解 @XxlJob - 每个任务有独立的日志记录（开始时间、结束时间、处理条数、异常信息） - 考虑任务幂等性 - 长时间任务设置超时时间 - 任务失败发送企业微信告警 </task> <output>生成4个定时任务的完整代码</output>

二、代码质量保障

2.1 单元测试

模板 7-A：Service 层单元测试

<context> JUnit 5 + Mockito + Spring Boot Test 测试数据库操作使用 H2 内存数据库 </context> ​ <task> 为以下Service方法生成完整的单元测试： ​ 【被测类】SubstationService 【被测方法】 1. createSubstation(CreateDTO dto) - 新增变电站 2. findById(Long id) - 查询详情 3. batchUpdateStatus(List<Long> ids, Integer status) - 批量更新状态 ​ 【测试要求】 - 正常场景：至少1个happy path - 边界场景：空参数、null值、超长字符串 - 异常场景：重复名称、不存在的ID - Mock外部依赖（Redis缓存、MQ消息发送） - 使用 @Nested 组织测试类结构 - 覆盖率目标：行覆盖 > 80% </task> <output>生成完整的测试类，包含所有场景的测试方法</output>

2.2 代码审查与优化建议

模板 8-A：全面代码审查

<role>你是一位代码审查专家，严格但务实</role> ​ <task> 请审查以下代码，从以下几个维度给出改进建议： ​ 【审查维度】 1. 正确性：逻辑是否正确，是否有边界条件遗漏 2. 安全性：SQL注入、XSS、权限校验、敏感信息泄露 3. 性能：N+1查询、不必要的大对象创建、锁粒度 4. 可维护性：命名、注释、方法长度、圈复杂度 5. 规范性：是否遵循阿里巴巴Java开发手册 6. 异常处理：是否合理捕获和处理异常 ​ 【代码】 ```java {粘贴待审查的代码}

<output> 请用表格展示问题清单：

然后给出修复后的完整代码。 </output>

​ --- ​ ### 2.3 Bug 诊断与修复 ​ #### 模板 9-A：异常堆栈分析 ​ ```markdown <context> Spring Boot 生产环境偶发异常，需要快速定位根因 </context> ​ <task> 分析以下异常堆栈，给出根因诊断和修复方案： ​ 【异常信息】

{粘贴完整堆栈，包含Caused by链}

​ 【附加信息】 - JDK版本： - Spring Boot版本： - 最近一次上线变更： - 是否可复现： ​ 【要求】 1. 逐层分析 Caused by 链，找到根因 2. 解释为什么会触发这个异常 3. 给出至少2种修复方案，并比较优劣 4. 给出预防同类问题的建议 </task>

2.4 重构与性能优化

模板 10-A：慢接口优化

<context> 某查询接口响应时间从100ms增长到8s，需要定位瓶颈并优化 </context> ​ <task> 以下是接口的完整调用链代码，请分析性能瓶颈并给出优化方案： ​ 【当前代码】 ```java {粘贴完整接口代码，包括Controller → Service → Mapper → SQL}

【性能数据】

• 数据量：主表约500万行，关联表约2000万行

• 数据库：MySQL 8.0, 16C64G

• 并发量：高峰期100 QPS

【要求】

1. 逐段分析代码，标记潜在性能问题点

2. 检查SQL执行计划问题（是否走索引、是否全表扫描）

3. 给出优化方案，按实施成本从低到高排列

4. 输出优化后的完整代码 </task>

​ --- ​ ## 三、电力行业专属场景 ​ ### 3.1 电力数据模型设计 ​ #### 模板 11-A：电力设备数据模型 ​ ```markdown <context> 电力行业特有的数据模型设计，遵循IEC 61970/61968（CIM）标准 MySQL数据库，UTF-8编码 </context> ​ <role>你是一位电力行业数据架构师，精通IEC CIM标准和电网业务</role> ​ <task> 设计以下电力业务域的数据模型： ​ 【业务域】{选择：变电站管理 / 输电线路管理 / 配电网管理 / 调度运行 / 电能计量} ​ 【要求】 1. 列出该域的核心实体及关系（ER图用文字描述） 2. 每个实体的核心字段（字段名、类型、长度、是否必填、注释） 3. 索引设计（主键、唯一索引、普通索引、联合索引） 4. 分区策略建议（如按时间分区） 5. 数据归档策略（热数据/温数据/冷数据分离） ​ 【输出格式】 用DDL格式输出建表语句，每个表带完整COMMENT注释 </task> ​ <style> - 字段名使用下划线命名（snake_case） - 每个字段带中文COMMENT - 枚举字段用 COMMENT 标明可选值 - 时间字段统一使用 datetime 类型 </style>

3.2 实时/时序数据处理

模板 12-A：时序数据存储与查询

<context> 电力系统大量时序数据：遥测（电压、电流、功率）、遥信（开关状态）、SOE事件 需要高效存储和查询 </context> ​ <task> 设计一个遥测数据存储和查询方案： ​ 【数据特征】 - 测点数量：10万个 - 采集频率：每15秒一次 - 每日数据量：约5.76亿条 - 查询场景：按设备+时间范围查询、按时间段聚合统计 ​ 【要求】 1. 推荐存储方案（MySQL分区 / TDengine / InfluxDB / ClickHouse），对比优劣 2. 给出选型后的表结构设计 3. 生成数据写入的批量代码 4. 生成典型查询的代码（设备24小时趋势、最大值/最小值/平均值聚合） 5. 数据保留策略（原始数据保留多久、聚合数据保留多久） </task>

3.3 电力报表与统计

模板 13-A：复杂统计报表

<context> 电力行业典型报表：运行日报、月报、年报、线损统计、可靠性统计 </context> ​ <task> 生成"配电网供电可靠性统计月报"的完整后端代码： ​ 【统计指标】 1. 供电可靠率 RS-1 = (1 - 用户平均停电时间/统计期间时间) × 100% 2. 用户平均停电次数 AITC 3. 用户平均停电时间 AIHC 4. 按区域（城区/农村）分别统计 5. 按停电原因分类统计（计划停电/故障停电/临时停电） ​ 【数据来源表】 - outage_record（停电记录表） - customer_info（用户信息表） - area_dict（区域字典表） ​ 【要求】 1. 生成完整的SQL查询 2. 考虑跨月停电的处理（停电开始于上月，结束于本月） 3. 报表包含环比和同比数据 4. 生成Excel导出功能 </task> <output>生成Service + Mapper + SQL + 导出Controller</output>

3.4 安全合规与审计

模板 14-A：操作审计日志

<context> 电力行业安全合规要求：所有敏感操作必须记录审计日志，符合等保2.0 </context> ​ <task> 设计并实现操作审计日志系统： ​ 【需要审计的操作】 1. 用户登录/注销 2. 设备控制指令下发（遥控） 3. 参数修改（保护定值修改） 4. 数据导出 5. 权限变更 ​ 【日志字段要求】 - 操作人（账号+IP） - 操作时间（精确到毫秒） - 操作类型 - 操作对象（设备ID/名称） - 操作前值 / 操作后值 - 操作结果（成功/失败+失败原因） ​ 【技术实现】 - 使用AOP + 自定义注解 @AuditLog 实现切面 - 异步写入（不阻塞主流程） - 日志表按月分区 </task> <output>生成注解定义 + AOP切面 + 异步写入Service</output>

四、AI/大模型学习路径

从 Java 后端转型大模型开发，建议路径：Python基础 → PyTorch → LangChain → RAG → Agent → 微调部署

4.1 Python 快速上手

模板 15-A：Java程序员视角的Python速成

<context> 你是有3年以上Java开发经验的程序员，现在要快速上手Python用于AI开发。 你已熟悉：面向对象、设计模式、数据库操作、HTTP协议、Linux基本操作 </context> ​ <role> 你是一位精通Java和Python的双栈开发导师，擅长用Java类比的方式讲解Python概念 </role> ​ <task> 请用"Java对比Python"的方式，帮我快速搞懂以下Python核心概念： ​ 【学习清单】 1. 数据类型：list/tuple/dict/set ↔ Java的List/不可变List/Map/Set 2. 函数：lambda、装饰器 ↔ Java的lambda、注解 3. 类与继承：__init__、self、多继承 ↔ Java的构造器、this、接口 4. 包管理：pip、venv、requirements.txt ↔ Maven、pom.xml 5. 异步编程：async/await ↔ CompletableFuture ​ 【输出要求】 每个概念用一张对比表 + 一个对照代码示例 </task> ​ <output_format> | 概念 | Java | Python | 关键区别 | |------|------|--------|----------| | ... | ```java ...``` | ```python ...``` | ... | </output_format>

模板 15-B：数据处理常用代码生成

<task> 用 Python 生成以下数据处理代码： ​ 【场景】从数据库导出100万条遥测数据CSV文件，进行数据清洗和统计分析 ​ 【处理步骤】 1. pandas 读取CSV（处理大文件分块读取） 2. 缺失值处理（填充/删除） 3. 异常值检测（3σ原则或IQR方法） 4. 按小时聚合统计（均值、最大值、最小值） 5. 结果写入MySQL数据库 6. 用matplotlib生成趋势图 ​ 【要求】 - 使用 pandas + sqlalchemy + matplotlib - 大文件分块处理，内存控制在500MB以内 - 代码带完整注释 </task>

4.2 PyTorch 基础

模板 16-A：PyTorch 入门实战

<role>你是一位PyTorch教学专家，擅长用工程化视角讲解深度学习</role> ​ <task> 帮我完成第一个PyTorch实战项目：电力负荷预测 ​ 【项目描述】 - 输入：过去7天每15分钟的负荷数据（672个时间步） - 输出：未来24小时每小时的负荷预测（24个时间步） - 数据集：提供CSV格式的历史负荷数据 ​ 【学习目标】 1. 理解 Tensor、Dataset、DataLoader 的概念 2. 搭建一个简单的 LSTM 模型 3. 训练过程的代码（损失函数、优化器、训练循环） 4. 模型保存和加载 5. 使用训练好的模型做推理预测 ​ 【要求】 - 每一步加详细的中文注释，解释"为什么这么做" - 训练循环中加入 loss 曲线可视化代码 - 预测结果与实际值对比的可视化 </task> ​ <output> 生成完整的 .py 文件，可以直接运行 </output>

4.3 LangChain & RAG 开发

模板 17-A：RAG 知识库系统

<context> 目标：搭建一个电力运维知识库问答系统（RAG） 技术栈：LangChain + ChromaDB + 通义千问API </context> ​ <task> 帮我生成一个完整的RAG系统代码： ​ 【功能需求】 1. 文档加载：支持PDF（电力设备手册）、Word（运维规程）格式 2. 文档切分：按语义切分，chunk_size=500，overlap=50 3. 向量化：使用 text-embedding-v3 模型，存入 ChromaDB 4. 检索：相似度检索 top_k=5，支持MMR去重 5. 问答：将检索到的上下文 + 用户问题 组装prompt，调用大模型生成回答 6. 引用溯源：回答中标注信息来源文档和页码 ​ 【代码结构】 - config.py：配置（API Key、模型名称、数据库路径） - loader.py：文档加载模块 - splitter.py：文档切分模块 - vectorstore.py：向量化存储模块 - retriever.py：检索模块 - chain.py：问答链模块 - app.py：FastAPI接口 ​ 【要求】 - 每个模块独立，可单独测试 - 带完整的requirements.txt - 异常处理和日志记录 </task> ​ <output> 生成完整项目代码，附目录结构说明 </output>

4.4 Agent 智能体开发

模板 18-A：LangGraph Agent

<context> 使用 LangGraph 构建一个电力运维Agent，能自主调用工具完成任务 </context> ​ <task> 设计并生成一个电力运维智能Agent： ​ 【Agent能力】 1. 查询设备信息（调用MySQL查询工具） 2. 读取设备手册（调用RAG检索工具） 3. 生成日报（调用报表生成工具） 4. 发送告警（调用企业微信通知工具） ​ 【Agent流程】

用户输入 → 意图识别 → 规划步骤 → 调用工具 → 整合结果 → 生成回复 ↖ 如果工具调用失败，重试或降级处理

​ 【技术实现】 - LangGraph 定义状态图（StateGraph） - 每个工具作为独立的 Node - 条件边实现路由逻辑 - 使用 checkpointer 实现对话记忆 ​ 【要求】 - 生成完整代码，包含所有工具函数 - 使用TypedDict定义状态 - 添加人工确认节点（敏感操作需确认） </task>

4.5 模型微调与部署

模板 19-A：LoRA 微调

<context> 需要基于开源模型（如 Qwen2.5-7B），使用电力行业数据做领域微调 </context> ​ <task> 生成 LoRA 微调的完整代码： ​ 【微调场景】 - 基座模型：Qwen2.5-7B-Instruct - 训练数据：电力行业对话数据（JSONL格式，约5000条） - 微调方法：LoRA（低秩适配） - 框架：LLaMA-Factory / transformers + peft ​ 【数据格式】 ```json { "instruction": "请解释什么是变压器差动保护", "input": "", "output": "变压器差动保护是..." }

【要求】

1. 环境配置和依赖安装

2. 数据预处理（格式转换、tokenization）

3. LoRA配置（r=8, alpha=16, target_modules=[q_proj, v_proj]）

4. 训练代码（含学习率、batch_size、epoch等参数说明）

5. 模型合并（LoRA权重合并回基座模型）

6. 推理测试代码

7. 显存估算（需要多少显存，如何优化）

【输出】 完整的训练脚本 + 配置文件 + 使用说明 </task>

​ --- ​ ## 五、提示词自我迭代优化法 ​ ### 5.1 如果你的提示词效果不好 ​ 按顺序检查这5个问题： ​ | 检查点 | 症状 | 修复方法 | |--------|------|----------| | **背景缺失** | AI生成的代码用了错误的技术栈 | 明确列出框架版本、数据库类型、包结构 | | **角色模糊** | 代码风格不统一、质量参差不齐 | 指定明确的角色和代码规范 | | **指令笼统** | 输出不完整、漏了关键部分 | 把任务拆成具体步骤，编号列出 | | **格式不清** | 输出格式不是你想要的 | 给一个样例，或指定"请用XML标签分隔各部分" | | **缺少约束** | 代码能跑但有安全隐患或性能问题 | 明确列出禁止事项（如"不要用SELECT *"） | ​ ### 5.2 提示词迭代模板 ​ ```markdown <task> 请优化以下提示词，使其更精准有效： ​ 【原始提示词】 {粘贴你的原始提示词} ​ 【我遇到的问题】 {描述AI输出哪里不符合预期} ​ 【我希望的改进方向】 {描述你期望的输出是什么样的} ​ 【优化要求】 1. 保持原有意图不变 2. 增加CRISP框架要素 3. 输出优化后的提示词 4. 解释你做了哪些改进以及为什么 </task>

附录：快速参考卡片

常用 XML 标签速查

根据任务类型选择模板

日常CRUD开发 → 模板 1-A, 1-B 数据层优化 → 模板 2-A, 2-B 代码质量 → 模板 7-A, 8-A, 9-A, 10-A 电力行业专属 → 模板 11-A ~ 14-A AI学习转型 → 模板 15-A ~ 19-A 提示词本身 → 第五章 迭代优化法

使用建议：将本文件收藏到浏览器书签或导入笔记工具，每日开发时直接复制模板、填空替换，即可获得高质量AI输出。建议从你最常用的3个模板开始，每天用，一周形成肌肉记忆。