第 1 章：提示词基础
提示词基础讲座
并非所有提示词都同样有效。一些常见的模式会导致次优结果。模糊的请求缺乏 Cline采取有意义行动所需的特异性。
模糊的问题陈述使得故障排除几乎不可能。有些提示词没有提供关于什么应该工作、实际发生了什么或问题可能在哪里发生的任何信息。
这里的关键洞察是：Cline的有效性与你的沟通的清晰度和特异性成正比。
基本提示词技巧
零样本提示词：利用现有知识
零样本（Zero-shot）提示词意味着要求 Cline执行任务时，除了请求本身之外，不提供任何示例或额外上下文。
当你向 Cline 提示时
"为我的电商公司写一个React应用"
你完全依赖于底层语言模型的训练数据。
这种方法之所以奏效，是因为现代语言模型已经接受了大量代码和文档的训练。它们知道React是什么，理解常见的电商模式，并能将这些知识合成为可工作的代码。
零样本提示词很简单——你描述你想要什么，Cline就会交付。它对于成熟的模式和常见的开发任务特别有效。然而，结果的质量严重依赖于你的具体要求与模型在训练期间学到的模式有多吻合。
零样本提示词的一个重要特性是它对模型能力的依赖性。一个能力更强的模型通常会产生更好的零样本结果，因为它从更多样化、更高质量的训练数据中学习了。
另一个特性是它对于高度特异性或不寻常要求的不可预测性。如果你的电商应用需要集成专有支付系统或遵循非常规设计模式，零样本提示词可能无法捕捉这些细微差别。
单样本提示词：通过示例学习
单样本（One-shot）提示词涉及向 Cline 提供一个你希望如何完成某事的单一示例，然后要求进行类似的工作。
例如：
"为加法写一个辅助函数
`function add(a, b) { return a + b; }`
现在为除法写一个辅助函数。"
这个技巧很强大，因为它建立了一个模式。你不再仅仅依赖模型的训练，而是提供了一个具体的模板，展示了你的编码风格、命名规范、错误处理方法和结构偏好。
有趣的是，在使用 Cline 时，显式的单样本提示词通常是不必要的。Cline 会自动探索你的代码库，并使用现有代码作为隐式示例。如果你要求 Cline "为用户资料添加一个新的API端点"，它会检查你现有的端点，以了解你的路由模式、身份验证中间件、响应格式和错误处理规范。
这种自动上下文收集本质上提供了少样本提示词（多示例）的好处，而无需你在提示词中手动整理示例。
思维链提示词：分解复杂任务
思维链（Chain-of-thought）提示词涉及明确概述你希望 Cline 在处理复杂问题时遵循的步骤。
与其说"修复这个bug"，不如写：
"这个函数抛出了空指针异常。
首先，检查构建日志以确认是否有任何编译警告。
然后，检查终端输出中的运行时错误。
接下来，检查源代码及其依赖项中可能为空或未定义的变量。
最后，在审查相关文档后实现修复。"
这种技巧在调试、重构和需要按顺序执行多步骤过程的其他任务中大放异彩。通过提供逻辑上的进展，你帮助 Cline 系统地处理问题，而不是直接跳到可能错过重要诊断步骤的解决方案。
思维链提示词的一个关键特性是它使 Cline 的推理过程更加透明和可预测。你可以跟随每一步，并在过程偏离轨道时进行干预。
另一个特性是它对于解决方案不明显且复杂的问题的有效性。通过将问题分解成更小、更易于管理的块，你增加了每个步骤都能被正确处理的可能性。
实际应用
理解这些提示词技巧有助于你预测 Cline 将如何解释和响应你的请求。当你需要遵循常见模式的简单事物时，零样本提示词高效且有效。当你有特定的风格要求或不寻常的限制时，提供示例（无论是显式的还是通过确保你的代码库包含良好模式）可以提高一致性。当你处理复杂、多方面的问题时，思维链提示词有助于确保没有重要内容被遗漏。
最有效的 Cline 用户会培养出一种直觉，知道哪种技巧适合哪种情况。他们编写的提示词为 Cline 提供了适量的上下文——既不会少到导致结果过于通用，也不会多到让基本要求淹没在细节中。
这项技能需要通过实践来培养。首先，关注哪些提示词能产生你想要的结果，哪些需要多轮澄清。随着时间的推移，你将培养出一种清晰高效地传达意图的能力。
准备好将这些概念付诸实践了吗？
尝试在你的当前项目中尝试不同的提示词方法。注意你的提示词的特异性和结构如何影响 Cline 响应的质量和相关性。
