AI Coding入门指南

新闻

作者：微信文章

🌟 写在前面

Claude 3.7 Sonnet 的发布到如今4+，AI Coding 正在掀起一场开发革命！🔥 还有很多朋友不知从何下手？别担心，这篇文章将带你全面入门。

说是 AI Coding，实际上涵盖了整个软件开发生命周期。跟随这篇文章，Let's Dive In! 💪

---

📊 开发生命周期全覆盖



💡 相关选型

  参考：AI Coding工具选型对比推荐

一句话总结： Claude Code > Cursor > 其他

---

🎯 实战场景详解

1️⃣ 文本&代码可视化场景 📈

🔧 步骤一：选择可视化输出类型

支持多种格式：

HTML - 网页展示Markdown - 文档格式PlantUML - ⭐ 强烈推荐！

为什么推荐 PlantUML？ ✅ 灵活度高，支持类型强大
✅ 样式精美，专业感强
✅ 各类 IDE 都支持插件


💬 步骤二：提示词模板

1. 帮我将以下业务描述转换为 plantuml 语法图例
2. 业务描述如下：
[你的业务描述]
🛠️ 实操演示

对话生成 PlantUML 编码

💻 预览：IDE 安装 PlantUML 插件🌐 在线预览https://www.plantuml.com/plantuml/uml/SyfFKj2rKt3CoKnELR1Io4ZDoSa70000

最终效果：






🎨 更多应用场景

以上为 text2uml，同类场景还包括：

code2uml - 代码转图表sql2uml - 数据库设计可视化

通过可视化大幅降低沟通成本！💡

您还可以绘制：

🏗️ 架构图📋 各类流程图🔄 UML 类图📊 数据模型图html+运行数据生成 运营报告网页

---

2️⃣ PRD 到代码的完整链路 🔄

🗃️ 场景1：PRD 识别表结构

提示词参考：
识别我提供的所有 PRD 需求图片 + [文字描述]，帮我创建出所需要的表结构。数据库：MySQL 5.7要求： - 表名、表注释规范 - 字段类型合理 - 命名设计规范 - 提供专业建表语句[如有建表规范]  - 引入对应建表规范




📋 场景2：PRD 生成详细设计文档

操作步骤：

📤 引入相关 PRD 图片或文字描述🎯 使用对应创建详设提示词

参考提示词：
识别我提供的 PRD 图片，帮我识别可能存在的接口，梳理出 markdown 格式的详细设计。详细设计模板：# [需求名称] - 详细设计## 1. 接口名称#### 1. 接口地址### 2. 接口入参及说明### 3. 接口逻辑设计### 4. 接口出参及说明




💻 场景3：建表语句+业务描述生成后端代码

提示词：
【建表语句】基于这个表结构设计 + [业务描述]，帮我写出后端代码。我的技术栈是：SpringBoot + MyBatis🚀 更多可能性

大型项目：使用 Claude Code小功能模块：Cursor Auto 模式

💡 重要提示：AI Coding 生成质量差异在功能迭代中更明显，而非从0到1的新项目。

功能迭代提示词：
1. 参考 [已有模块代码文件夹路径]2. 结合我的新需求 PRD 图片 [图片路径] 及文字描述：[对应描述] 3. 给出实现方案规划，由我分步确认执行3️⃣ 后端开发进阶场景 🛠️

🔍 Code Review 场景

提示词：
@[代码路径]帮我分析这个优惠券抽奖方案的优劣性
⚡ 性能优化：自动插入日志

背景场景： 某个海报生成接口耗时过长，需要定位优化。对关键流程加入耗时统计，但逐行分析效率太低。

AI 应用价值：

🔍 分析接口关键流程⏱️ 使用 StopWatch 高效添加耗时记录📊 统一输出接口耗时，便于分析📈 AI 助手分析耗时日志

流程分析示例：

获取企业信息构造 H5 URL 地址H5 URL 地址生成二维码加载背景图背景图+二维码整合为海报图海报图转字节OSS 上传接口

有了这些信息，接口优化就有了明确目标！🎯
🎭 联调前的数据 Mock

痛点： 联调前下游接口不通时，手动 mock 数据费时费力，多场景时工作量成倍增加。

AI 解决方案： 将下游接口协议、入返参信息提供给 AI，自动创建各类场景的 mock 数据。

提示词示例：
[接口相关信息]queryEntOrders 是我的下游接口，目前暂未联调根据以上信息帮我创建一个方法，先 mock 订单列表。需要包括：- 已还车、已取车订单- 有框架协议ID、无框架协议的订单 - 预计取车时间、实际取车时间在活动期间及不在期间的订单- 企业ID在指定列表及不在列表的订单- 订单属性尽量丰富，模拟真实数据


类似场景还包括自动编写单元测试、覆盖边界场景、各类校验场景等。

---

4️⃣ 数据库优化场景 🗄️

📊 索引策略 Review

通过 Mapper 文件 Review 查询效率

直接将 Mapper 文件交给 AI 进行分析，获取索引优化建议。

提示词示例：
分析这个 Mapper，帮我给出需要添加的关键索引及对应的语句


根据 AI 给出的建议，可以检查索引覆盖程度，决定是否添加。这种方式可以在联调及提测前进行性能优化，实测效果理想。
⚡ SQL 针对性性能优化

提示词模板：
SQL 优化建议给定：- SELECT ... 语句- SHOW CREATE TABLE ...- SHOW INDEX FROM table ...  - EXPLAIN SELECT ...根据以上信息，帮我制定优化方案。
通过提供完整的 SQL 上下文信息，AI 可以分析查询执行计划、表结构和现有索引，从而给出更精准的优化建议，包括索引调整、查询重写和表结构优化等方面的建议。

---

5️⃣ 开发效率神器 🔧

🌐 Curl 转 JS：信息获取利器

开发同学对浏览器 F12 都不陌生，通过该方式获取请求信息后，可以将该信息通过 AI 来转为对应 JavaScript、TypeScript、Python、Java 各类方式请求，高效复用请求及 🐛 。适用于各类 Agent 的代码块，实现插件自由。

提示词示例：
用 TypeScript 帮我发起以下请求：1. 要求不使用三方库2. 用最基础的 fetch 获取，Cookie 注释3. 不能使用 DOMParser 解析数据4. 写上对应的 main 方法测试5. 请求如下：[curl]6. 返回的数据是一个 HTML 字符串，我需要获取新闻列表封装为对象数组   包含属性：标题，链接，图片地址，摘要信息   新闻列表源码如下：[html]    目标容器在：<divclass="mytarget">中间包含内容</div>二：我已经成功获取了新闻对象数组，接下来我想用对象里的 link 去请求文章详情，给我填充正文字段。不要使用 DOMParser，请求参考：[]返回源码为：[]正文内容在：[]



AI生产力指南：5个高效技巧+6大工具助你快人一步🎉 总结

AI Coding 不仅仅是代码生成，而是覆盖整个开发生命周期的效率革命！从需求分析到性能优化，从数据库设计到接口联调，AI 都能成为你的得力助手。

关键要点：

✅ 选择合适的工具和场景
✅ 掌握有效的提示词技巧
✅ 循序渐进，从简单场景开始
✅ 结合实际项目，持续实践

现在就开始你的 AI Coding 之旅吧！🚀

近期推荐：(文章封面图源)

Nano Banana&Gemini 2.5 Flash Image， 轻松实现文字P图

可参考往期： 动嘴改图新玩法：谷歌Gemini不只是文生图！

---

如果这篇文章对你有帮助，别忘了点赞分享哦！有问题欢迎留言讨论~ 💬