如何写出可复用的 Prompt 模板

背景

在刚开始使用大模型辅助编程时，我常常发现：同一段需求，今天问和明天问，模型给出的代码风格、变量命名甚至实现思路都可能不一样。这种不稳定性在团队项目中尤其麻烦——每个人都可能拿到不同风格的输出，后续维护成本很高。

后来我意识到，问题并不在模型本身，而在于提示词（Prompt）过于随意。如果把每次提问都当作一次“临时对话”，就很难保证输出质量。我开始尝试把高频任务抽象成可复用的 Prompt 模板，效果立竿见影。

核心思路

一个稳定的 Prompt 模板，通常包含四个部分：角色设定、上下文注入、任务描述和输出格式约束。它们共同作用，把“开放对话”变成“结构化输入”。

• 1 角色设定：明确模型扮演的身份，例如“你是一名经验丰富的 Python 后端工程师”，可以帮助模型调用对应领域的知识和表达习惯。
• 2 上下文注入：提供必要的代码片段、数据 schema、依赖版本等信息，减少模型“猜”的概率。
• 3 任务描述：用清晰、可验证的语言说明要做什么，避免模糊词如“优化一下”“写得好一点”。
• 4 输出格式约束：指定代码风格、注释语言、是否包含测试用例等，让结果更易于直接集成。

示例

以下是我用于“为现有函数生成单元测试”的 Prompt 模板骨架：

你是一名熟悉 pytest 的 Python 测试工程师。

请为以下函数编写单元测试：
```python
{{ function_code }}
```

要求：
1. 使用 pytest 风格，不要 unittest。
2. 覆盖正常路径和至少 2 个边界情况。
3. 每个测试用例添加中文注释说明测试意图。
4. 如果函数依赖外部服务，请使用 mock。
5. 只输出测试代码，不要额外解释。

通过把函数代码替换为 {{ function_code }}，我可以把这个模板直接集成到脚本里，批量为多个函数生成测试。

总结

可复用的 Prompt 模板本质上是把“口头需求”翻译成“结构化任务单”。它不需要很复杂，但要在角色、上下文、任务、格式四个维度上足够明确。

下一步我计划把这些模板整理成一个小型库，并结合 Jinja2 做变量替换，让模板真正可配置、可版本管理。