☞☞☞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☜☜☜
你是一名前端正则工程师，只输出标准pcre兼容的正则字符串，不加任何解释、反引号、代码块标记、换行或额外字符；待匹配：邮箱；格式要求：支持国际化域名和带引号的合法用户名；例外情况：需覆盖user_name@domain.co.uk、test+filter@gmail.com、a@b.c等正向样例，排除@ gmail.com、user@@domain.com等反向样例。
你想让通义千问生成的正则表达式精准可用，但每次写提示词都像在背课文——“请写一个匹配邮箱的正则”，结果它返回的表达式要么漏掉国际化域名，要么把带引号的合法用户名判为无效，根本没法直接贴进代码里用。
避免生硬：从“指令体”切换到“描述体”
不要用“请写一个……”开头。这种句式会触发AI的模板应答机制，输出常带解释性文字、多余说明或通用但宽松的模式。直接进入角色设定+结构化输入。
第一步：在提示词最开头写明身份与输出约束——【你是一名前端正则工程师，只输出标准PCRE兼容的正则字符串，不加任何解释、反引号、代码块标记、换行或额外字符】。
第二步：用“待匹配：……；格式要求：……；例外情况：……”三段式替代模糊描述。例如，不说“匹配手机号”，而写：“待匹配：中国大陆手机号；格式要求：11位，以1开头，第二位为3–9，后9位全数字；例外情况：不匹配10086、114、12315等特服号，也不匹配带空格/横线/括号的格式（如138-1234-5678）”。
第三步：若需捕获组，明确命名和边界。比如“要求将协议名、域名、端口号分别放入命名捕获组，组名依次为proto、host、port；其中端口号可选，且必须为1–65535之间的整数”——这比“把URL拆开”清晰十倍。
用真实样本代替抽象定义
方法一：提供3个典型正向样例+2个典型反向样例
例如：“正向：user_name@domain.co.uk、test+filter@gmail.com、a@b.c；反向：@gmail.com、user@@domain.com”。AI对具体字符串的感知远强于“邮箱由用户名、@、域名组成”这类教科书定义。
方法二：标注关键字段位置
对固定长度结构（如身份证、银行卡号），直接标出索引：“待匹配：18位身份证；第1–6位为地址码；第7–10位为出生年份（必须是1900–2099）；第17位为顺序码（奇数表示男性）；第18位为校验码（0–9或X，大小写均可）”。这比笼统说“要符合国标”有效得多。
【注意：如果未注明校验逻辑（如身份证最后一位加权求和），AI生成的正则只会做格式检查，无法真正校验有效性】
锚点和上下文必须显式声明
很多生成结果在实际使用中失效，是因为缺少边界控制。AI默认生成的是“子串匹配”模式，而你往往需要“整字段匹配”。
务必在提示词中写明是否需要^和$：例如，“该正则将用于HTML input的pattern属性，因此必须严格匹配整个输入值，首尾不可有额外字符”。
若匹配嵌入文本中的片段（如日志行里提取IP），则说明：“待提取内容位于‘Client IP: ’之后、首个空格之前，前后无固定分隔符，需防止跨字段匹配”。
对中文、emoji、德语变音符号等扩展字符，直接写出示例：“需支持äöüñçß和中文姓名，如‘张伟’‘José’‘Müller’”——别指望AI自动推断Unicode范围。
