VibeCoding提示词工程与模板库

def prompt_design_principles():
    """提示词设计原则"""
    principles = {
        "明确性": "指令要清晰、具体，避免模糊表述",
        "完整性": "提供足够的背景信息和约束条件",
        "结构化": "使用标题、列表等结构组织内容",
        "可验证性": "要求 AI 提供可验证的输出",
        "迭代优化": "根据反馈不断优化提示词"
    }
    return principles

def project_init_prompt():
    """项目初始化提示词"""
    prompt = """
    # 项目初始化指令
    
    请基于以下信息，完成项目的初始化工作：
    
    ## 项目信息
    - 项目名称：[项目名称]
    - 项目描述：[项目描述]
    - 技术栈：[前端技术栈] + [后端技术栈] + [数据库]
    - 项目路径：[项目路径]
    
    ## 初始化要求
    1. 创建项目目录结构
    2. 初始化 Git 仓库
    3. 创建基础配置文件
    4. 设置开发环境
    5. 提供启动指南
    
    ## 输出要求
    - 列出创建的所有文件
    - 说明每个文件的作用
    - 提供完整的项目结构
    """
    return prompt

def requirements_analysis_prompt():
    """需求分析提示词"""
    prompt = """
    # 需求分析指令
    
    请分析以下需求文档，并输出结构化的需求分析报告：
    
    ## 原始需求
    [粘贴需求文档内容]
    
    ## 分析要求
    1. **需求理解**：用一句话概括核心目标
    2. **功能识别**：列出所有功能点，按优先级排序
    3. **技术难点**：识别技术难点和风险点
    4. **约束条件**：列出技术、时间、资源等约束
    5. **用户画像**：描述目标用户特征
    
    ## 输出格式
    请使用 Markdown 格式输出，包含以下章节：
    - 需求概述
    - 功能清单（表格形式，包含名称、描述、优先级）
    - 技术难点分析
    - 约束条件
    - 用户画像
    """
    return prompt

def architecture_design_prompt():
    """技术架构设计提示词"""
    prompt = """
    # 技术架构设计指令
    
    请基于以下需求，设计完整的技术架构方案：
    
    ## 需求背景
    [简要描述项目背景和目标]
    
    ## 功能需求
    [列出核心功能]
    
    ## 技术约束
    - 前端框架：[框架名称]
    - 后端框架：[框架名称]
    - 数据库：[数据库名称]
    - 其他要求：[性能、安全、扩展性等]
    
    ## 设计要求
    1. **架构风格**：选择合适的架构风格（如分层架构、微服务等）
    2. **模块划分**：划分系统模块，说明职责
    3. **技术选型**：详细说明技术选型及理由
    4. **关键设计**：
       - 数据库设计（ER 图描述）
       - API 设计（RESTful 规范）
       - 安全设计（认证、授权、防护）
       - 性能设计（缓存、异步处理）
    5. **部署方案**：描述部署架构
    
    ## 输出格式
    请使用 Markdown 格式输出，包含架构图描述和详细设计文档。
    """
    return prompt

def code_generation_prompt():
    """代码生成提示词"""
    prompt = """
    # 代码生成指令
    
    请基于以下设计文档，生成完整的项目代码：
    
    ## 设计文档
    - 架构设计：[架构设计文档内容]
    - 数据库设计：[数据库设计文档内容]
    - API 设计：[API 设计文档内容]
    
    ## 技术栈
    - 前端：[前端技术栈]
    - 后端：[后端技术栈]
    - 数据库：[数据库名称]
    
    ## 代码要求
    1. **代码结构**：清晰的目录结构和模块划分
    2. **代码质量**：符合编码规范，注释完整
    3. **错误处理**：完善的异常处理和错误反馈
    4. **安全性**：防止 SQL 注入、XSS 等安全问题
    5. **可测试性**：代码易于测试，包含单元测试
    
    ## 输出要求
    - 按模块逐步输出代码
    - 每个文件注明存放路径
    - 提供配置文件和启动指南
    - 包含必要的测试代码
    """
    return prompt

def risk_engine_prompt():
    """智能风控决策引擎提示词"""
    prompt = """
    # 智能风控决策引擎平台开发
    
    ## 技术栈要求
    - 前端：Vue 3 + Element Plus + Pinia + Vite
    - 后端：FastAPI + SQLAlchemy(async) + MySQL + Redis
    - 采用分层架构（路由/服务/仓储/模型）
    - 前后端分离，RESTful API，JWT 认证
    
    ## 阶段 1：需求文档确认
    列出功能清单与优先级：
    
    | 优先级 | 功能模块 | 描述 |
    |-------|---------|------|
    | P0 | 登录权限 | 用户登录、JWT 认证、权限控制 |
    | P0 | 用户角色管理 | 角色定义、权限分配、用户管理 |
    | P1 | 黑白名单管理 | 名单配置、规则匹配、实时生效 |
    | P1 | 风控特征管理 | 特征定义、计算规则、版本管理 |
    | P2 | 可视化规则配置 | 规则编辑器、条件组合、优先级 |
    | P2 | 拖拽式决策流编排 | 流程设计、节点配置、条件分支 |
    | P2 | 评分卡模型 | 评分规则、权重配置、结果计算 |
    | P3 | 实时决策 API | 风险评估接口、决策结果返回 |
    | P3 | 大盘报表 | 数据可视化、趋势分析、统计汇总 |
    | P3 | 决策日志追溯 | 操作记录、决策详情、审计追踪 |
    | P4 | 模拟请求测试 | 测试工具、参数配置、结果对比 |
    
    明确 MVP 范围（P0-P1）与后续扩展项（P2-P4）。
    
    ## 阶段 2：技术栈与架构设计
    输出完整的技术架构设计文档，包含：
    - 系统架构图（前端、后端、数据库、缓存）
    - 模块划分（认证、规则、决策、报表等）
    - 关键技术选型理由
    - API 设计规范
    - 安全设计方案
    
    ## 阶段 3：数据库表结构设计
    按模块设计表结构，输出：
    
    | 表名 | 用途 | 核心字段 |
    |------|------|---------|
    | users | 用户信息 | id, username, password_hash, role_id |
    | roles | 角色信息 | id, name, permissions |
    | black_white_lists | 黑白名单 | id, type, value, description, status |
    | risk_features | 风控特征 | id, name, formula, version |
    | rules | 规则定义 | id, name, conditions, action, priority |
    | decision_flows | 决策流 | id, name, nodes, edges |
    | score_cards | 评分卡 | id, name, factors, weights |
    | decision_logs | 决策日志 | id, request_id, result, details, created_at |
    
    输出完整的 SQLAlchemy 模型代码预览。
    
    ## 阶段 4：技术方案与核心难点
    详细说明以下技术方案：
    
    1. **决策流编排实现**：
       - 前端：使用 vue-flow 实现拖拽式流程设计
       - 后端：解析 DAG（有向无环图）执行决策流程
       - 支持的节点类型：开始、结束、条件判断、规则执行、评分计算、API 调用
    
    2. **评分卡模型计算**：
       - 权重配置：支持手动配置各因子权重
       - 计算逻辑：加权求和，支持非线性变换
       - 阈值划分：根据分数划分风险等级
    
    3. **规则引擎**：
       - 表达式解析：支持常见运算符和函数
       - 规则组合：AND/OR 条件组合
       - 优先级处理：按优先级顺序执行
    
    4. **实时决策 API 高并发设计**：
       - 请求缓存：Redis 缓存高频请求
       - 异步处理：复杂计算异步执行
       - 负载均衡：支持水平扩展
    
    ## 输出要求
    - 每阶段生成独立 Markdown 文件
    - 需确认后才能进入下一阶段
    - 所有文档和后续代码均输出到项目目录：[项目路径]
    """
    return prompt

def plan_evaluation_prompt():
    """计划评估提示词"""
    prompt = """
    # AICoding 计划评估专家
    
    ## 角色定义
    你是资深 AICoding 评审专家，专精于代码生成方案的逻辑审查与技术可行性评估。
    
    ## 核心能力
    - 精准解读需求文档，提取关键功能点与技术约束
    - 系统性评估 AICoding 提出的修改计划
    - 识别修改计划中的逻辑漏洞、冗余步骤、过度设计及潜在技术隐患
    - 给出可落地的优化建议
    
    ## 思考逻辑
    1. 解析需求文档，锚定核心目标与硬性约束
    2. 逐条审视修改计划与需求的对应关系
    3. 检验技术路径是否最优、步骤是否可执行
    4. 判定是否存在遗漏、偏差或风险
    5. 形成结构化评估结论
    
    ## 行为准则
    - 始终以需求文档为唯一评估基准
    - 只输出与技术评估直接相关的内容
    - 遇到需求文档表述模糊时，明确指出模糊点
    - 建议务必具体，禁用笼统表述
    
    ## 输出规范
    采用以下固定结构输出：
    
    ### 需求理解
    用一句话概括需求文档核心目标
    
    ### 评估意见
    
    **合理部分**：
    - [列出计划中合理的部分]
    
    **需调整部分**：
    - [列出需要调整的部分及原因]
    
    **不合理部分**：
    - [列出不合理的部分及原因]
    
    ### 优化建议
    - [建议1：具体可落地的优化方案]
    - [建议2：具体可落地的优化方案]
    - [建议3：具体可落地的优化方案]
    
    ### 关键风险提示
    [如有性能、安全、可维护性等风险，单独列出]
    
    ## 待评估计划
    [粘贴需要评估的计划内容]
    """
    return prompt

def plan_execution_prompt():
    """计划执行提示词"""
    prompt = """
    # AICoding 计划执行指令
    
    ## 核心指令
    请仔细阅读当前目录 `/docs` 路径的以下文档：
    - phase1-requirements.md（需求分析文档）
    - phase2-architecture.md（技术架构设计文档）
    - phase3-database.md（数据库设计文档）
    - phase4-technical-solution.md（技术方案文档）
    
    ## 执行要求
    根据这些文档，生成完整的项目代码，包括：
    
    ### 后端实现
    - API 路由定义（FastAPI 路由）
    - 服务层实现（业务逻辑）
    - 数据访问层（SQLAlchemy 模型）
    - 认证授权（JWT）
    - 异常处理
    - 日志记录
    
    ### 数据库相关
    - SQLAlchemy 模型定义
    - 数据库迁移脚本（Alembic）
    - 初始数据填充
    
    ### 前端实现（如果有）
    - 页面组件（Vue 3 + Element Plus）
    - 状态管理（Pinia）
    - API 请求封装
    - 路由配置
    
    ### 配置文件
    - .env 文件（环境变量）
    - requirements.txt（后端依赖）
    - package.json（前端依赖）
    - Dockerfile（Docker 配置）
    - docker-compose.yml（容器编排）
    
    ## 输出方式
    - 按模块或文件结构逐步生成
    - 每个文件内容完整输出
    - 说明文件应该存放的路径
    - 提供文件之间的依赖关系说明
    
    ## 代码质量要求
    - 符合编码规范（PEP 8 等）
    - 注释完整清晰
    - 错误处理完善
    - 安全考虑周全
    - 可测试性良好
    
    ## 验证要求
    - 提供启动指南
    - 提供测试方法
    - 确保代码可运行
    """
    return prompt

def role_setting():
    """角色设定技巧"""
    roles = {
        "专业专家": "你是一名资深的[领域]专家，拥有[年限]年经验...",
        "严谨工程师": "你是一名严谨的软件工程师，注重代码质量和安全性...",
        "创意设计师": "你是一名富有创意的设计师，擅长用户体验设计...",
        "耐心导师": "你是一名耐心的导师，善于用简单易懂的语言解释复杂概念..."
    }
    return roles

def structured_output():
    """结构化输出技巧"""
    formats = {
        "JSON": "请以 JSON 格式输出，包含以下字段：...",
        "表格": "请以表格形式输出，包含以下列：...",
        "列表": "请按以下格式输出：\n1. ...\n2. ...",
        "代码块": "请以代码块形式输出，包含注释..."
    }
    return formats

def constraint_setting():
    """约束条件设定"""
    constraints = {
        "技术约束": "必须使用[技术栈]，不能使用[禁用技术]",
        "时间约束": "代码执行时间不能超过[时间]秒",
        "长度约束": "输出不超过[字数]字",
        "风格约束": "使用[正式/轻松/专业]风格",
        "安全约束": "注意防止[安全风险]"
    }
    return constraints

def example_guidance():
    """示例引导技巧"""
    examples = {
        "输入输出示例": """
        输入：[示例输入]
        输出：[示例输出]
        
        请按照以上格式输出。
        """,
        "错误示例对比": """
        ❌ 错误示例：[错误输出]
        ✅ 正确示例：[正确输出]
        
        请避免错误示例中的问题，按照正确示例输出。
        """
    }
    return examples

class PromptTemplateManager:
    """提示词模板管理器"""
    
    def __init__(self):
        self.templates = {}
    
    def add_template(self, category, name, template):
        """添加模板"""
        if category not in self.templates:
            self.templates[category] = {}
        
        self.templates[category][name] = template
    
    def get_template(self, category, name):
        """获取模板"""
        return self.templates.get(category, {}).get(name)
    
    def list_templates(self, category=None):
        """列出模板"""
        if category:
            return self.templates.get(category, {})
        return self.templates
    
    def generate_prompt(self, category, name, **kwargs):
        """生成填充后的提示词"""
        template = self.get_template(category, name)
        if template:
            return template.format(**kwargs)
        return None

# 初始化模板管理器
manager = PromptTemplateManager()

# 添加模板
manager.add_template("项目开发", "需求分析", requirements_analysis_prompt())
manager.add_template("项目开发", "架构设计", architecture_design_prompt())
manager.add_template("项目开发", "代码生成", code_generation_prompt())

# 使用模板
prompt = manager.generate_prompt(
    "项目开发", 
    "需求分析", 
    project_name="智能风控系统",
    description="企业级风控决策引擎"
)

def prompt_writing_workflow():
    """提示词编写流程"""
    steps = [
        "明确目标：确定要让 AI 完成什么任务",
        "分析需求：理解任务的输入输出要求",
        "设计结构：规划提示词的组织结构",
        "编写初稿：撰写第一版提示词",
        "测试验证：使用示例测试提示词效果",
        "优化迭代：根据反馈优化提示词",
        "文档记录：记录提示词的使用方法和效果"
    ]
    return steps

def prompt_performance_optimization():
    """提示词性能优化"""
    tips = {
        "精简提示词": "去除冗余内容，只保留必要信息",
        "分层提示": "复杂任务拆分为多个简单提示",
        "缓存复用": "重复使用的提示词片段缓存起来",
        "动态生成": "根据任务类型动态生成提示词",
        "版本管理": "对提示词进行版本控制"
    }
    return tips