Prompt 编写的四个黄金原则：让 AI 从「随机消耗」到「精确收敛」
Ralph Loop（AI 的无限迭代循环）是所有 AI 使用者的噩梦。
你给 AI 一个任务，它开始工作。你等待结果。它一直在迭代，一直在改，一直在消耗你的配额。但它从来没有「完成」。
为什么？
因为你的 Prompt 没有「明确的完成标准」。
AI 不知道自己在朝什么方向努力，就会在随机方向上消耗所有的迭代配额。
问题：Ralph Loop 的本质
什么是 Ralph Loop？
Ralph Loop 是 AI 在执行任务时陷入的一种状态：
- 它在不断地改代码
- 它在不断地尝试新的方法
- 它在不断地优化细节
- 但它从来没有停下来
这不是 AI 「笨」。
这是 AI 「不知道什么时候该停」。
根本原因：
AI 的优化目标是「更好地完成任务」。
但如果你没有定义「什么是完成任务」：
- AI 会无限地优化细节
- AI 会不断地尝试更好的方案
- AI 会永远找不到「完成」的状态
原则 1：明确的完成标准
模糊的完成标准是 Ralph Loop 最大的杀手。
Bad Example
帮我优化这个函数AI 会做什么：
- 优化性能
- 优化可读性
- 优化代码结构
- 优化命名
- 优化注释
- ...
它永远不会停。
Good Example
优化这个函数，满足以下标准时停止：
1. 函数执行时间 < 100ms（基于 1000 次调用测试）
2. 代码行数 ≤ 20 行
3. 圈复杂度 ≤ 5
4. 所有现有测试通过
5. 新增测试覆盖率 ≥ 90%
完成标准：
- [ ] 执行时间达标
- [ ] 代码行数达标
- [ ] 圈复杂度达标
- [ ] 测试全部通过
- [ ] 测试覆盖率达标
当所有checkbox都被勾选时，停止工作并报告结果。AI 会做什么：
- 测量当前执行时间
- 优化代码
- 再次测量
- 达到 < 100ms → 停止优化性能
- 检查代码行数
- 重构到 ≤ 20 行 → 停止重构
- 运行所有测试
- 全部通过 → 停止修改
- 报告：任务完成
完成标准的四个维度
维度 1：性能指标
执行时间 < 100ms
内存占用 < 50MB
并发支持 ≥ 1000 users维度 2：代码质量
代码行数 ≤ 20
圈复杂度 ≤ 5
测试覆盖率 ≥ 90%维度 3：功能完整性
功能 A：✅ 已实现
功能 B：✅ 已实现
功能 C：✅ 已实现维度 4：验收标准
场景 1：输入 X → 输出 Y
场景 2：输入 Z → 输出 W
场景 3：边界情况 → 正确处理原则 2：阶段性目标
不要在一个 prompt 里塞入整个项目。
拆成阶段，让 AI 逐个攻克。
Bad Example
帮我开发一个完整的电商系统，包括用户管理、商品管理、订单管理、支付集成、库存管理、物流跟踪...AI 会做什么：
- 陷入混乱
- 不知道从哪里开始
- 每个功能都做了一点，但没有一个完成的
- 最终报告：任务太复杂，无法完成
Good Example
【阶段 1：用户管理】
任务：
- 实现用户注册
- 实现用户登录
- 实现密码重置
完成标准：
- [ ] 注册功能：邮箱 + 密码 → 验证通过
- [ ] 登录功能：正确凭证 → token 返回
- [ ] 重置功能：邮箱验证 → 密码更新
完成阶段 1 后，等待我的下一步指令。
【阶段 2：商品管理】
任务：
- 实现商品列表
- 实现商品详情
- 实现商品搜索
完成标准：
- [ ] 列表功能：分页返回 20 条商品
- [ ] 详情功能：ID → 商品详情
- [ ] 搜索功能：关键词 → 匹配商品
完成阶段 2 后，等待我的下一步指令。
【阶段 3：订单管理】
...AI 会做什么：
- 聚焦阶段 1
- 完成阶段 1 的所有功能
- 验证完成标准
- 报告：阶段 1 完成
- 等待下一步指令
阶段拆分的三个层次
层次 1：功能模块级
阶段 1：用户管理
阶段 2：商品管理
阶段 3：订单管理
阶段 4：支付集成层次 2：任务级
阶段 1.1：用户注册
阶段 1.2：用户登录
阶段 1.3：密码重置层次 3：步骤级
步骤 1.1.1：设计注册表单
步骤 1.1.2：实现邮箱验证
步骤 1.1.3：实现密码加密
步骤 1.1.4：实现数据库存储
步骤 1.1.5：测试注册流程原则 3：内建自我纠正
不要假设 AI 一次就能写对。
在 prompt 中嵌入 TDD 循环。
Bad Example
帮我写一个排序算法AI 会做什么：
- 写一个快速排序
- 可能有小 bug
- 可能边界情况没处理
- 直接报告完成
你会得到：
- 看起来对的代码
- 运行后可能出错
Good Example
帮我写一个排序算法，必须按照以下 TDD 循环执行：
【Red - 写失败测试】
1. 先写测试用例，覆盖以下场景：
- 正常数组：[3, 1, 2] → [1, 2, 3]
- 空数组：[] → []
- 单元素：[5] → [5]
- 重复元素：[2, 2, 1] → [1, 2, 2]
- 负数：[-1, 3, -2] → [-2, -1, 3]
2. 运行测试，确保全部失败（因为还没实现）
【Green - 最小实现】
3. 实现排序算法，让测试通过
4. 运行测试，确保全部通过
【Refactor - 重构】
5. 检查代码质量：
- 是否有重复代码？
- 命名是否清晰？
- 是否有优化空间？
6. 重构代码
7. 再次运行测试，确保仍然通过
完成标准：
- [ ] 所有测试场景覆盖
- [ ] Red 步骤：测试失败
- [ ] Green 步骤：测试通过
- [ ] Refactor 步骤：代码优化
- [ ] 最终测试全部通过
报告每个步骤的结果。AI 会做什么：
- 写测试
- 运行测试 → 失败
- 报告：Red 完成
- 实现算法
- 运行测试 → 通过
- 报告：Green 完成
- 检查代码质量
- 重构
- 运行测试 → 仍然通过
- 报告：Refactor 完成，任务完成
TDD 循环的价值
对于 AI：
- 强制 AI 先思考测试场景
- 避免「写代码再补测试」的遗漏
- 确保代码质量
对于你：
- 看到完整的测试覆盖
- 知道代码经过了验证
- 有信心代码是正确的
原则 4：逃生舱
不是所有任务都能完成。
如果 AI 卡住了，它应该留下有用的信息而不是沉默地消耗配额。
Bad Example
帮我优化这个遗留系统的性能AI 可能会做什么：
- 尝试优化
- 遇到困难
- 继续尝试
- 遇到更多困难
- 一直消耗配额
- 最终：配额耗尽，没有输出
你会得到：
- 时间浪费了
- 配额浪费了
- 不知道问题在哪里
- 无法继续工作
Good Example
帮我优化这个遗留系统的性能。
【逃生舱规则】
如果遇到以下情况，必须立即停止并报告：
1. 无法找到性能瓶颈
2. 优化后性能没有改善
3. 改动风险超过收益
4. 缺少关键信息（文档、测试、监控）
【停止并报告的内容】
1. 停止原因（对应上面的 1-4）
2. 已完成的步骤
3. 遇到的具体问题
4. 建议的下一步行动
5. 需要的额外信息
【任务执行】
现在开始性能优化...
如果卡住超过 3 次迭代，触发逃生舱。AI 卡住时会做什么：
- 尝试优化
- 遇到困难
- 再尝试
- 还是卡住
- 触发逃生舱
- 报告：
【逃生舱触发】
停止原因：2. 优化后性能没有改善
已完成的步骤：
1. 分析性能瓶颈 → 发现数据库查询是瓶颈
2. 添加索引 → 性能提升 10%
3. 优化查询语句 → 性能没有进一步改善
遇到的具体问题：
- 数据库结构无法修改
- 查询已经是最优的
- 缓存策略受业务限制
建议的下一步行动：
1. 考虑读写分离
2. 考虑分库分表
3. 需要架构级别的调整
需要的额外信息：
- 业务能否接受最终一致性？
- 是否有预算增加硬件？
- 历史数据归档策略？你会得到：
- 知道 AI 在哪里卡住了
- 知道已经做了什么
- 知道问题在哪里
- 可以继续推进，而不是重新开始
四个原则的综合应用
场景：开发一个用户登录功能
Bad Prompt
帮我做用户登录AI 可能的行为：
- 开始写代码
- 不断添加功能
- 不断优化细节
- 永远不停止
Good Prompt
【任务：用户登录功能】
【阶段 1：基础登录】
任务：
- 实现邮箱 + 密码登录
- 实现密码加密存储
- 实现基础错误处理
完成标准：
- [ ] 正确邮箱 + 密码 → 登录成功
- [ ] 错误邮箱或密码 → 返回错误
- [ ] 密码使用 bcrypt 加密
- [ ] 单元测试覆盖率 ≥ 90%
【TDD 循环】
按以下步骤执行：
1. Red：写测试（正常、错误、边界）
2. Green：实现功能
3. Refactor：优化代码
【逃生舱】
如果遇到：
1. 无法集成 bcrypt 库
2. 数据库连接问题
3. 测试环境配置失败
立即停止并报告：
- 停止原因
- 已完成的步骤
- 具体问题
- 建议的下一步
完成阶段 1 后，等待我的指令再开始阶段 2。AI 的行为：
- 清晰知道要做什么
- 知道什么时候算完成
- 知道遇到困难怎么报告
- 完成后等待下一步
写在最后：从「模糊指令」到「精确契约」
传统 Prompt 的风格：
帮我做 X这是「模糊指令」。
AI 不知道：
- 什么时候算完成
- 遇到问题怎么办
- 如何评估自己的工作
最佳实践 Prompt 的风格：
任务：X
完成标准：A、B、C
执行步骤：1、2、3
逃生舱：如果卡住，报告 Y这是「精确契约」。
AI 知道：
- 朝什么方向努力
- 什么时候停下来
- 遇到困难怎么报告
四个原则的总结
| 原则 | 核心价值 | Bad | Good | |-----|---------|-----|------|" | 1. 明确的完成标准 | 知道什么时候停 | "优化这个函数" | "优化到 < 100ms，≤ 20 行，测试通过时停止" | | 2. 阶段性目标 | 避免任务过大 | "做整个系统" | "阶段 1：用户管理 → 阶段 2：商品管理" | | 3. 内建自我纠正 | 确保质量 | "写算法" | "Red → Green → Refactor 循环" | | 4. 逃生舱 | 避免卡死 | "优化遗留系统" | "卡住时报告：原因、已完成、问题、建议" |
Ralph Loop 不是 AI 的错。
是我们的 Prompt 没有给 AI 足够的引导。
模糊的完成标准 → AI 随机消耗配额明确的完成标准 → AI 精确收敛
一次性大任务 → AI 陷入混乱阶段性小任务 → AI 逐个攻克
假设一次写对 → 充满 bug 的代码内建 TDD 循环 → 可验证的代码
卡住时沉默 → 配额浪费卡住时报告 → 可继续推进
好的 Prompt 不是「更长的描述」。
好的 Prompt 是「更精确的契约」。
它告诉 AI：要做什么、什么时候停、怎么验证、遇到问题怎么办。
这就是从「模糊指令」到「精确契约」的转变。