---

一、课程导览：为什么复盘比学习更重要

经过前16节课的学习，你已经掌握了Prompt设计、优化策略、多轮对话、行业定制和工具组合等技能。但真正的高手，不只学得快，更懂得从自己的实践中提炼规律。

复盘的核心价值：

• 固化成功经验：把偶然的好结果变成可复现的方法论
• 暴露隐性盲点：那些“我以为没问题”但实际存在偏差的细节
• 提升决策速度：下次遇到类似场景，10秒内就能判断用哪种Prompt策略

本课将深度复盘4个典型技术场景：

1. 代码生成与调试
2. 技术问题排查
3. 技术文档撰写
4. 技术文章创作

每个案例都包含：原始需求 → 初始Prompt → 输出问题分析 → 优化思路 → 优化后Prompt → 最终效果 → 经验提炼。

建议：读案例时，不要只看“正确答案”，而是代入自己的思考——如果是我，第一次会怎么写Prompt？哪里会踩坑？

---

二、复盘案例1：代码生成与调试

2.1 场景回顾

需求：编写一个Python脚本，读取Excel文件中的销售数据，进行清洗（去除无效行、格式标准化），统计各产品类别的总销售额和平均销售额，最后生成一个新的Excel报表。

技术背景：使用pandas库，数据量约5万行，列包括：订单ID、产品类别、销售额、销售日期、区域。

2.2 原始Prompt及输出

初始Prompt（用户第一版）：

“写一个Python处理Excel的工具，能读取、清洗、统计数据，导出为新的Excel。”

AI输出（节选）：

import pandas as pd

def process_excel(input_file, output_file):
    df = pd.read_excel(input_file)
    # 清洗数据
    df.dropna(inplace=True)
    # 统计
    result = df.groupby('产品类别').sum()
    result.to_excel(output_file)

用户困惑：

• 只删除了空行，但“销售额”列存在负数、零值，未处理
• “产品类别”列有大小写不一致（“电子产品” vs “电子产 品”带空格），统计时会分成不同组
• 没有按照“总销售额”和“平均销售额”分别输出
• 缺少异常处理（文件不存在、空文件）

2.3 问题诊断（对照第13课偏差分类）

偏差类型	具体表现
指令模糊	“清洗”过于宽泛，AI默认只做了dropna
上下文不足	未说明数据特征（负数、空格、大小写问题）
格式未明确	未指定输出报表的具体列和结构
质量期望缺失	没要求异常处理和日志

2.4 优化后的Prompt

基于问题分析，重新设计Prompt，融合了场景约束+业务规则+格式示例：

【Python数据处理脚本生成】

请编写一个Python脚本，使用pandas库处理Excel销售数据。

## 输入文件
- 路径：`sales.xlsx`
- 包含列：订单ID(文本)、产品类别(文本)、销售额(数值，单位元)、销售日期(日期)、区域(文本)

## 数据处理要求
1. **读取**：使用`pd.read_excel()`，如果文件不存在则抛出友好提示
2. **清洗规则**（按顺序执行）：
   - 删除“订单ID”为空的行
   - 删除“销售额”为空或≤0的行
   - 删除“产品类别”为空的行
   - 将“产品类别”列统一转为字符串，去除首尾空格，并将首字母大写（如“电子产品”、“电子 产品”→“电子产品”）
   - 将“销售额”列格式化为两位小数（保留原有数值，仅输出时控制）
3. **统计要求**：
   - 按“产品类别”分组
   - 计算每个类别的“总销售额”和“平均销售额”
   - 统计每个类别的“订单数量”
4. **输出**：
   - 生成一个新的Excel文件`sales_report.xlsx`
   - 包含两个sheet：
     - `清洗后数据`：清洗后的原始数据（保留所有列）
     - `统计报表`：包含“产品类别”、“总销售额”、“平均销售额”、“订单数量”四列
5. **异常处理**：
   - 如果输入文件为空或缺少必要列，打印错误信息并退出
   - 如果清洗后没有剩余数据，输出警告

## 代码要求
- 包含详细注释（说明每个步骤的目的）
- 使用`if __name__ == "__main__":`封装主逻辑
- 添加`try-except`捕获`FileNotFoundError`和`KeyError`

## 输出格式
直接输出完整的`.py`文件代码，可复制运行。

2.5 优化后的输出效果

AI生成了约120行代码，关键部分展示：

"""
Excel销售数据处理工具
功能：清洗原始销售数据，生成按产品类别汇总的统计报表
"""
import pandas as pd
import sys

def clean_data(df: pd.DataFrame) -> pd.DataFrame:
    """
    清洗数据：删除无效行、标准化类别名称
    """
    original_count = len(df)
    
    # 1. 删除订单ID为空的行
    df = df.dropna(subset=['订单ID'])
    
    # 2. 删除销售额为空或<=0的行
    df = df.dropna(subset=['销售额'])
    df = df[df['销售额'] > 0]
    
    # 3. 删除产品类别为空的行
    df = df.dropna(subset=['产品类别'])
    
    # 4. 标准化产品类别：去空格、首字母大写
    df['产品类别'] = df['产品类别'].astype(str).str.strip().str.capitalize()
    
    # 可选：记录清洗掉的记录数
    removed = original_count - len(df)
    print(f"清洗完成，移除了 {removed} 条无效记录，剩余 {len(df)} 条")
    
    return df

def generate_report(df: pd.DataFrame) -> pd.DataFrame:
    """
    按产品类别分组汇总
    """
    report = df.groupby('产品类别').agg(
        总销售额=('销售额', 'sum'),
        平均销售额=('销售额', 'mean'),
        订单数量=('订单ID', 'count')
    ).reset_index()
    
    # 格式化销售额保留两位小数
    report['总销售额'] = report['总销售额'].round(2)
    report['平均销售额'] = report['平均销售额'].round(2)
    
    return report

def main(input_file='sales.xlsx', output_file='sales_report.xlsx'):
    try:
        # 读取数据
        df = pd.read_excel(input_file)
        print(f"成功读取 {input_file}，共 {len(df)} 行")
        
        # 检查必要列
        required_cols = ['订单ID', '产品类别', '销售额']
        if not all(col in df.columns for col in required_cols):
            raise KeyError(f"缺少必要列，需要包含：{required_cols}")
        
        # 清洗
        cleaned_df = clean_data(df)
        if len(cleaned_df) == 0:
            print("警告：清洗后无有效数据，将生成空报表")
        
        # 统计
        report_df = generate_report(cleaned_df)
        
        # 输出到Excel（两个sheet）
        with pd.ExcelWriter(output_file) as writer:
            cleaned_df.to_excel(writer, sheet_name='清洗后数据', index=False)
            report_df.to_excel(writer, sheet_name='统计报表', index=False)
        
        print(f"报表已生成：{output_file}")
        
    except FileNotFoundError:
        print(f"错误：文件 {input_file} 不存在，请检查路径")
        sys.exit(1)
    except KeyError as e:
        print(f"错误：{e}")
        sys.exit(1)
    except Exception as e:
        print(f"未知错误：{e}")
        sys.exit(1)

if __name__ == "__main__":
    # 可自定义输入输出文件名
    main()

2.6 复盘总结

维度	初始Prompt	优化后Prompt	经验提炼
指令具体性	“清洗”→ AI理解为你dropna	列出5条明确规则（删除空行、过滤负数、去空格、大小写统一等）	规则要可计算：不要用“清洗”这类抽象动词，要给出“如果……则……”的条件
输出格式	未指定	明确两个sheet的结构和列名	给出输出模板：用表格或文字描述期望的最终结果
健壮性	未提及	异常处理、空数据警告	边界优先：写Prompt时先想“什么情况下会出bug”
代码质量	无要求	注释、主函数封装、类型提示（可加）	附带上团队规范：比如“函数必须带docstring”

可复用经验：

• ✅ 数据处理类Prompt，必须包含数据样例（哪怕只写列名和类型）和业务规则序列
• ✅ 使用“按顺序执行”这样的词汇，减少AI自由发挥
• ✅ 要求输出同时保留中间结果和最终报表，方便人工验证

---

三、复盘案例2：技术问题排查

3.1 场景回顾

问题现象：Spring Boot应用（版本2.7.5）部署在Kubernetes集群中，运行一段时间后（约6-8小时），部分Pod会突然出现“Connection reset by peer”异常，重启后恢复正常。无明显的CPU/内存峰值。数据库连接池使用HikariCP，数据库为MySQL 8.0。

3.2 原始排查Prompt与AI回答

用户Prompt：

“Spring Boot应用出现连接重置错误，是什么原因？”

AI初步回答（节选）：

• 可能是网络不稳定
• 检查MySQL的wait_timeout参数
• 增加重试配置

问题：回答太泛化，没有针对K8s环境和长运行时间给出针对性排查。

3.3 多轮对话优化过程

第2轮（补充上下文）：

环境补充：
- 运行在K8s中，副本数3，使用Service负载均衡
- 数据库连接池：HikariCP，配置maximumPoolSize=20，idleTimeout=600000，maxLifetime=1800000
- MySQL的wait_timeout=28800秒（8小时）
- 错误出现时间间隔大约6-8小时，所有Pod几乎同时出现？

请分析可能的根因，并给出验证方法。

AI回答：指出maxLifetime（30分钟）远小于MySQL的wait_timeout（8小时），按理不会出现服务端主动断开。但K8s的Service闲置连接超时或网络策略可能导致长连接被中间设备重置。建议检查K8s Service的spec.sessionAffinity和externalTrafficPolicy。

第3轮（要求具体诊断步骤）：

请给出在K8s环境中的具体诊断命令和 Spring Boot 配置调整方案，以确认是“连接池连接被服务端或中间设备关闭”问题。要求输出kubectl抓包命令、应用端日志分析SQL、以及HikariCP的keepalive配置。

最终AI给出可操作方案：

# application.yml 新增 keepalive 检测
spring:
  datasource:
    hikari:
      keepalive-time: 300000  # 5分钟发送一次心跳，避免连接被中间设备关闭
      validation-timeout: 5000
      connection-test-query: SELECT 1

以及排查命令：

# 监控Pod中的连接状态
kubectl exec -it <pod> -- netstat -an | grep :3306

# 临时增加MySQL日志记录闲置断开
SET GLOBAL log_warnings = 2;
# 然后观察错误日志

3.4 复盘总结

排查阶段	问题点	优化方法
首次提问	信息太少，AI只能给通用原因	遵循“5W1H”提供上下文：环境、频率、配置、现象
第二轮	AI给出了可能原因但没有验证步骤	要求“给出诊断命令+配置修改方案”
第三轮	需要区分“服务端断开” vs “中间设备断开”	要求提供两种情况的区分证据（如抓包对比）

可复用经验：

• ✅ 问题排查Prompt黄金结构：现象描述 + 环境清单 + 已尝试过的操作 + 期望的排查方向（如“请分析日志”或“给出抓包命令”）
• ✅ 要求AI提供验证假设的方法，而不是直接给结论
• ✅ 涉及超时/断连类问题，主动问连接池配置、负载均衡器闲置超时、容器网络策略

---

四、复盘案例3：技术文档撰写

4.1 场景回顾

需求：为团队新开发的“短信验证码发送接口”撰写技术文档，供前端和移动端开发同事调用。接口已上线，但文档缺失。

接口规范（手写草稿）：

• URL: POST /api/v1/sms/send
• 参数: phone（手机号）、scene（场景，可选，默认login）
• 响应: 成功 {code:0, message:"发送成功"}, 失败 {code:xxxx, message:"原因"}
• 限制: 同一手机号60秒内只能发1次，每天最多10次

4.2 初始Prompt及问题

Prompt：

“写一个发送短信验证码的接口文档，给前端用。”

AI输出：

• 只写了请求参数表、一个成功示例。
• 没有错误码枚举，没有调用注意事项，没有curl示例。
• 语言较口语化：“你得传手机号，然后就能收到短信了。”

问题诊断：

• 受众指定了“前端”，但没有对专业度做要求（导致口语化）
• 没有提供结构模板
• 没有要求表格格式和错误码清单

4.3 优化后Prompt

参考第11课模板，结合具体接口信息：

【接口文档撰写 - 生产级】

请为以下短信验证码发送接口撰写完整的API文档。

## 接口基本信息
- 接口名称：发送登录/注册验证码
- 请求路径：POST /api/v1/sms/send
- 框架：Spring Boot 2.7
- 认证：无需JWT（公开接口）

## 请求参数
| 参数名 | 类型 | 必填 | 说明 | 示例 |
|--------|------|------|------|------|
| phone | String | 是 | 11位中国大陆手机号 | 13812345678 |
| scene | String | 否 | 场景：login/register/reset_pwd，默认login | login |

## 响应格式
统一使用 `Result<T>` 结构：
```json
{
  "code": 0,      // 0表示成功，其他为失败
  "message": "string",
  "data": null
}

业务规则

1. 验证码为6位随机数字，有效期5分钟，存储在Redis（key: sms:code:{phone}）
2. 同一手机号60秒内只能发送一次，每天上限10次
3. 同一手机号发送新验证码时，旧验证码立即失效

错误码定义

错误码	含义	前端处理建议
10001	手机号格式错误	提示用户重新输入
10010	发送太频繁，请等待X秒	显示倒计时
10011	今日次数已达上限	提示次日再试
10020	短信网关异常	提示稍后重试或联系客服

文档结构要求（按顺序）

1. 接口描述（一句话功能+适用场景）
2. 请求URL + Method
3. 请求参数（表格）
4. 响应参数（表格，分别列出code/message/data含义）
5. 请求示例（curl命令，带注释）
6. 响应示例（成功 + 失败至少2个）
7. 错误码说明（表格）
8. 注意事项（防刷机制、有效期、幂等性说明）

格式要求

• 使用Markdown，标题用##和###
• 代码块标注语言（bash, json）
• 表格左对齐
• 专业术语统一

请直接输出完整文档。

### 4.4 优化后输出亮点

AI生成的文档涵盖了：
- 清晰的章节导航
- 带真实请求/响应数据的curl示例
- 补充了“调用后前端应做60秒倒计时”的前端建议
- 添加了“使用HTTPS防止抓包”的安全提示

**与初版对比提升**：

| 维度 | 初版 | 优化版 |
|------|------|--------|
| 结构完整性 | 缺失错误码、缺失示例 | 完全符合API文档规范 |
| 语言专业度 | “你得传手机号” | “phone为必填参数，需符合手机号正则验证” |
| 可用性 | 前端不知道如何处理错误 | 给出错误码及处理建议 |
| 安全性 | 未提及 | 补充了防刷和HTTPS提醒 |

### 4.5 可复用经验

- ✅ **给AI看一个“好文档的样子”**：在Prompt中粘贴一份你满意的接口文档结构作为模板（或者详细列出章节顺序）
- ✅ **明确受众的前置知识**：“给前端” 可进一步限制“假设前端会用axios，需要给出完整的请求代码示例”
- ✅ **业务规则单独成段**：不要混在参数表里，避免遗漏

---

## 五、复盘案例4：技术文章创作

### 5.1 场景回顾

**需求**：写一篇面向初级开发者的博客，主题为“使用Redis实现分布式限流”。要求包含原理、代码实现、压测对比和生产注意事项。

### 5.2 初始尝试（Prompt不足导致内容泛泛）

**初始Prompt**：
> “写一篇Redis实现分布式限流的技术博客，要深入浅出。”

**AI输出问题**：
- 开头大段介绍“什么是限流”，占30%篇幅
- 代码部分是伪代码，没有可运行的Java示例
- 没有压测数据，只说“性能很好”
- 结尾没有总结

### 5.3 使用多轮对话+分步Prompt优化（参考第14课）

**第1轮：框架搭建**
```markdown
请为一篇技术博客搭建详细框架，选题：Redis分布式限流（令牌桶算法）。要求结构：背景痛点→算法原理对比→代码实战→压测验证→生产建议→总结。每个章节下列出3-5个小节标题。

第2轮：核心代码填充

基于你的框架，请填充【代码实战】章节。要求：使用Java + Jedis + Lua脚本实现令牌桶。代码必须完整可运行，包含Lua脚本、获取令牌的方法、测试main方法。注释详细，并解释为什么用Lua。

第3轮：压测数据补充

请模拟一个压测场景：使用JMeter，5线程持续请求令牌桶（容量10，生成速率每秒5个）。请给出预期的拒绝率、平均延迟表格，以及如何解读数据。

第4轮：润色与升华

在文章末尾增加“拓展思考”部分，提出3个问题（如：集群模式下如何同步？如何动态调整速率？限流后的降级策略？）。同时全文中将核心观点加粗，优化语言流畅度。

5.4 最终文章效果

最终成文约3500字，包含：

• 开头：用一个“秒杀超卖”的痛点故事引入
• 原理：对比固定窗口、滑动窗口、令牌桶，配Mermaid流程图
• 代码：完整的Lua脚本+Java调用+单元测试
• 压测：表格对比不同QPS下的拒绝率
• 生产：监控指标、降级策略、Redis单点风险
• 结尾：3个拓展思考 + 推荐资料

5.5 复盘提炼

模块	初版问题	多轮对话优化
选题	泛泛而谈	提前确定聚焦“令牌桶算法”，不面面俱到
代码	伪代码，不可运行	要求完整可运行，带注释
数据	无数据支撑	要求给出压测模拟表格
结构	比例失调	搭建框架明确各章节篇幅占比

可复用经验：

• ✅ 技术博客不要一次性写完整Prompt，按“框架 → 代码 → 数据 → 润色”四轮进行
• ✅ 明确要求“不写什么”：如“跳过基础Redis安装步骤，假设读者已了解”
• ✅ 要求提供可复现的代码仓库链接或粘贴完整代码，不要截图

---

六、复盘总结：五大通用规律

从以上四个案例中，提炼出跨场景的Prompt设计共性原则：

规律1：输入输出样例是最高效的约束

无论是代码生成、文档还是排查问题，给AI一个“预期输出样例”（哪怕是表格草稿），比写100字描述更有效。

规律2：边界与异常要显式声明

不要默认AI会考虑“文件不存在”或“参数为空”。请在Prompt中用“如果……请……”句式明确列出边界行为。

规律3：多轮对话适用于所有复杂任务

不要奢求一次完美。第1轮出框架，第2轮填细节，第3轮修bug，第4轮润色。每轮只改1-2个点。

规律4：元指令（关于指令的指令）提升可控性

例如：“请先复述一遍我的需求，确认理解正确后再生成代码。”这一条可大幅减少理解偏差。

规律5：保存成功Prompt模板，持续迭代

为你的高频任务（写CRUD接口、生成测试用例、周报）建立专属Prompt模板，每次使用后根据输出质量微调。

---

七、实操任务：自我复盘

请选择你在前16课中完成过的任意一个实战案例（可以是课程作业，也可以是工作中的真实案例），按照以下模板进行复盘。

复盘模板

## 案例名称：________________

### 1. 原始需求描述
[一句话说清楚要做什么]

### 2. 初始Prompt（粘贴原版）

### 3. 输出结果分析
- 满意的地方：
- 不满意/偏差的地方：

### 4. 偏差原因归类（对照第13课）
- [ ] 指令模糊
- [ ] 上下文不足
- [ ] 格式未明确
- [ ] 冗余干扰
- [ ] 隐含假设错误

### 5. 优化后的Prompt（改进版）

### 6. 优化效果对比
| 维度 | 优化前 | 优化后 |
|------|--------|--------|
| 准确性 |  |  |
| 完整度 |  |  |
| 可用性 |  |  |

### 7. 可复用经验（1-2条）
- 

提交与讨论

完成自我复盘后，建议：

1. 将复盘笔记存入自己的“Prompt成长日志”
2. 与同事或学习小组交换复盘案例，互补盲点
3. 一个月后再次复盘同一案例，观察进步

---

八、课程收束：从“会写Prompt”到“会思考Prompt”

16课走来，我们经历了：

• 📘 基础篇：认清技术文档、Prompt核心设计
• 📗 实战篇：涵盖文档、文章、测试、代码生成
• 📙 进阶篇：优化策略、多轮对话、行业定制、工具组合
• 📕 复盘篇：深度拆解典型场景

现在，你已经拥有了一套完整的Prompt工程能力体系。但请记住：工具和技术都是为“解决问题”服务的。最好的Prompt，是能让你更专注于创造价值、而非机械调参。

最后一句话送给你：AI不会取代你，但会用AI的人会。而你，正在成为那个人。

---

🔗阅读Prompt系列相关课程

模块一：入门奠基（第1-4节课，建立Prompt核心认知，零基础可快速上手）
模块说明：聚焦Prompt基础理论，用技术领域通俗案例拆解核心概念，规避入门误区，帮助所有读者建立对Prompt技术的正确认知，明确其在技术领域的应用价值，为后续学习打下坚实基础。
模块二：核心技巧（第5-8节课，拆解Prompt设计方法论，可直接落地）
模块说明：聚焦Prompt设计的核心技巧，结合技术领域高频需求（代码、技术文章、问题解决），拆解每一个技巧的具体用法，配套实操案例，让读者掌握“精准设计Prompt”的核心能力，摆脱“凭感觉写指令”的困境。
模块三：场景实战（第9-12节课，聚焦技术高频场景，学完就能用）
模块说明：聚焦技术领域最常用的4个核心场景，每节课对应一个实战场景，配套具体的Prompt模板、实操步骤和案例拆解，让读者结合实际需求，动手实操，真正实现“学完就能用”，解决实际工作中的痛点。
模块四：进阶提升（13-16节课，针对有基础读者，突破能力瓶颈）
模块说明：针对有一定Prompt基础的读者（已掌握基础技巧、能完成简单场景实操），讲解高阶Prompt技巧，结合行业专属需求和AI工具，提升Prompt设计的深度和效率，实现“精准适配、高效落地”，突破能力瓶颈。
模块五：实战复盘（第17-20节课，巩固所学，形成个人方法论）
模块说明：通过案例复盘、常见问题解答、实战作业点评、专栏总结，帮助读者巩固前面所学的Prompt技巧，解决学习过程中的疑问，形成自己的Prompt设计思路，同时提供可直接复用的Prompt模板库，方便后续落地使用。

---

🌟 感谢您耐心阅读到这里！
💡 如果本文对您有所启发欢迎：
👍 点赞📌 收藏 📤 分享给更多需要的伙伴。
🗣️ 期待在评论区看到您的想法, 共同进步。
🔔 关注我，持续获取更多干货内容～
🤗 我们下篇文章见～