有效代码复审prompt需结构化：明确审查目标、提供业务与依赖上下文、要求分层分析执行路径及缺陷触发条件，并附正反例锚定质量。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
让 AI 帮你复审代码，关键不是“扔一段代码问有没有 bug”，而是给它清晰、结构化、带上下文的指令。真正有效的 Prompt，要引导 AI 像有经验的工程师一样思考：关注边界、假设、数据流、异常路径和隐式依赖。
明确审查目标和范围
不要泛泛说“检查这段代码”，要定义清楚你想查什么。比如：
- 重点检查空指针、越界访问、资源泄漏等高危问题
- 只关注函数逻辑正确性，忽略风格或命名规范
- 假设输入来自不可信来源，检查是否做了充分校验
- 验证并发场景下是否存在竞态条件（如用了共享变量但没加锁）
提供必要上下文信息
AI 没有项目背景，单看函数很难发现“违反业务规则”的 bug。你需要补充：
- 该函数的用途和调用场景（例如：“这是用户登录后生成 JWT 的入口，token 有效期为 24 小时”）
- 关键依赖的行为（例如：“validateEmail() 只检查格式，不联网验证；getUserById() 在用户不存在时返回 null，不抛异常”）
- 已知约束（例如：“userId 是正整数，但前端可能传负数或字符串”）
要求分层输出，强制结构化思考
直接让 AI “指出问题”容易漏掉深层原因。改用分步指令：
- 先列出所有可能的执行路径（含异常分支）
- 对每条路径，检查输入校验、状态变更、错误处理是否完备
- 标出疑似缺陷，并说明触发条件 + 影响（如：“当传入 null username 且 skipValidation=true 时，会 NPE 并跳过日志记录”）
- 给出最小修改建议（优先用原框架惯用方式，比如 Spring 项目优先建议 @NotNull 而非手写 if）
用具体例子锚定预期质量
在 Prompt 末尾附一个微型正例+反例，帮 AI 理解你要的深度。例如：
✅ 好反馈：“第12行：当 config.timeoutMs = 0 时，HttpClient 会无限等待。应显式拒绝 0 值，或转换为默认超时（如 30000）。”
❌ 弱反馈：
“这里可能有问题。”
