m.4方法⏱ 约 5 分钟

给 AI 喂对的信息

它做得对不对,一半取决于你给了什么

🔎 最后验证 2026-05📚 来源:《AI编程实战三卷书》卷一🧰 Claude Code✅ 147 人学过👁 332 次阅读

为什么学这个

"垃圾进,垃圾出"是 AI 协作的铁律。你给的信息不对、不全、太杂,它做出来的东西也好不了。这一节教你怎么给 AI 喂对信息——这往往比"提示词写得多花哨"更决定成败。

💡 打个比方

让 AI 帮你做事,像让一位厨师照着你的要求做菜:你得给他对的食材和清晰的口味要求。给错食材(无关文件)、说不清口味(模糊需求)、或塞一冰箱乱七八糟的东西(信息过载),菜都做不好。

喂信息的三个原则:相关、充分、不过载
- 相关:只给和当前任务有关的文件/信息,别一股脑全塞(还记得上下文会被稀释吗)
- 充分:把它需要的关键信息给全——相关文件、报错原文、参考样例、约束
- 不过载:不是越多越好;无关信息会干扰判断
三类特别有用的"喂料":
- 相关文件:"参考 utils.js 的写法来实现"
- 真实样例:"返回格式照这个例子:｛城市, 温度, ...｝"(给一段示例)
- 反例:"不要写成这样:……(贴一段你不想要的)"

🔗 连一连

判断:这是好的'喂料'还是会帮倒忙?

先点左边一项,再点它对应的右边。

❓ 测验

关于'给 AI 喂信息',下面哪个说法对?

⚠️ 避坑缺了'反例',AI 常按你不想要的方式做

你只说"想要什么",它可能用一种你讨厌的方式实现(比如过度复杂、引入一堆库)。主动给反例——'不要写成这样',能省掉大量返工。很多人忽略反例的威力,其实它常比正例更能划清边界。

🤖 带着'对的料'提需求(模板)

任务:【你的需求】。相关文件:【贴上相关代码或说明在哪】。我想要的效果/格式:【给个样例】。请不要这样做:【给个反例或要避免的方式】。请基于这些信息来实现。

🔎 来源与核验· 1 条,点开核对

本节每个关键论断都对应一个可追溯的来源 —— 这是本课程"靠谱、不过时"的底线。

「向 AI 提供相关、充分而不过载的信息(含样例与反例)显著影响产出质量」

拿一个和你现有代码相关的任务(比如"给这个函数加个缓存")。

你会看到:喂对信息的那次,质量明显高——它不再瞎猜你的项目结构和意图。"喂对信息"比"提示词写得花哨"更决定成败;垃圾进,垃圾出。

✅ 小结

你会喂对信息了。把'喂料'和'提示结构'结合,就能进一步提升一次成功率。下一节是提示工程的进阶招法。

下一节 → 提示工程进阶

都看到这了，打个赏呗！