如果你正在阅读这篇内容,你可能已经对 LLM 的一些用例和局限性有所了解。你提供给模型的提示和上下文越充分,得到的结果通常也会越好。 Devin Desktop 也是如此。想要充分发挥这个工具的作用,并获得尽可能高质量的代码来加快你的工作流程,就需要掌握一些编写更有效提示的最佳实践。Documentation Index
Fetch the complete documentation index at: https://docs.devin.ai/llms.txt
Use this file to discover all available pages before exploring further.
高质量提示的构成要素
- 明确的目标或预期结果
- 你希望模型产出什么?
- 你是希望模型给出一个套餐?编写新代码?还是进行重构?
- 完成任务所需的全部相关上下文
- 你是否正确使用了 @-Mentions,以确保已包含合适的上下文?
- 是否存在某些客户特有的上下文,Devin Desktop 可能无法理解?
- 必要的约束条件
- 是否有必须使用的特定框架、库或语言?
- 是否有空间或时间复杂度方面的约束?
- 是否有需要考虑的安全问题?
示例
- 不佳:为 Order Book 对象的所有测试场景编写单元测试。
-
良好:使用
@class:unit-testing-module为@func:src-order-book-add编写单元测试,验证价格高于或低于止损线时抛出的异常
- 不佳:重构 rawDataTransform。
-
良好:重构
@func:rawDataTransform,把 while 循环改写为 for 循环,并使其输出与@func:otherDataTransformer保持相同的数据结构
- 不佳:为 Contact Form 创建一个新的 Button。
-
良好:为
@class:ContactForm创建一个新的 Button 组件,并遵循@repo:frontend-components中规定显示“Continue”的样式指南
