DeepSeek提示词全解析：7大类35场景覆盖开发全流程

一、代码生成类（6个场景）

1. 基础语法实现
   场景：快速生成符合规范的代码片段
   提示词模板：”用Python实现一个支持并发请求的HTTP客户端，要求使用asyncio库，包含超时重试机制，并添加类型注解”
   技术要点：需明确指定语言版本、依赖库、错误处理方式等约束条件。例如Java场景需注明JDK版本，Go语言需说明是否使用标准库或第三方包。

2. 算法设计
   场景：解决特定计算问题
   示例提示词：”设计一个时间复杂度O(n log n)的算法，用于从10GB日志文件中统计出现频率前100的IP地址，要求使用分治策略和外部排序”
   进阶技巧：可要求提供多种实现方案对比，如”分别用堆排序和快速选择算法实现，分析空间复杂度差异”

3. 架构设计
   场景：构建系统技术方案
   模板结构：”为日均千万级请求的支付系统设计高可用架构，要求包含：微服务拆分方案、数据库分库分表策略、缓存穿透解决方案、熔断降级机制”
   输出验证：建议要求生成架构图伪代码或UML描述，如”用Mermaid语法输出组件交互时序图”

4. 测试用例生成
   场景：自动化测试数据构造
   高效提示：”为以下API生成边界值测试用例：/api/v1/transfer，参数amount为浮点数，min=0.01，max=1000000，要求覆盖金额下限、上限、零值、负值、极大值场景”

5. 性能优化
   场景：代码瓶颈分析
   诊断模板：”这段Python代码处理10万条数据耗时12秒，请分析性能瓶颈并提供优化方案，要求包含：内存占用分析、IO操作优化、算法复杂度改进建议”

6. 跨平台适配
   场景：多端代码兼容
   典型提示：”将以下iOS Swift代码转换为Android Kotlin实现，保持相同业务逻辑，注意处理平台差异：UI布局、权限申请、线程管理”

二、调试优化类（5个场景）

1. 错误日志分析
   场景：快速定位故障原因
   提示示例：”解析以下Java堆栈日志，指出最可能的异常原因，并提供修复方案：java.lang.NullPointerException: Cannot invoke ‘String.length()’ because ‘str’ is null at com.example.Service.process(Service.java:45)”

2. 内存泄漏检测
   场景：C/C++项目优化
   专业提示：”这段C++代码使用new分配内存但未释放，请标记所有内存泄漏点，并给出修正后的代码，要求使用智能指针替代原始指针”

3. 并发问题诊断
   场景：多线程故障排查
   诊断模板：”以下Go代码存在数据竞争问题，请指出竞争位置，说明原因，并提供线程安全的修改方案：var counter int / go func(){ counter++ }()”

4. API兼容性检查
   场景：接口版本管理
   检查提示：”对比REST API v1和v2的差异，列出所有不兼容变更，包括：路径变更、参数增减、响应格式修改，并生成迁移指南”

5. 依赖冲突解决
   场景：包管理问题
   解决模板：”项目依赖中同时存在log4j 1.2.17和2.17.1，请分析冲突影响，提供升级方案，并给出兼容性测试用例”

三、文档编写类（4个场景）

1. 技术文档生成
   场景：API文档自动化
   提示模板：”根据以下Swagger定义生成Markdown格式的API文档，要求包含：端点说明、请求参数表、响应示例、错误码说明”

2. 注释补全
   场景：代码可读性提升
   高效提示：”为以下Python函数添加符合Google风格的docstring，包含：参数说明、返回值描述、异常说明、示例代码：def calculate_discount(price, discount_rate):”

3. 变更日志编写
   场景：版本发布说明
   结构化提示：”编写本次发布的变更日志，采用Keep a Changelog格式，包含：新增功能、修复问题、依赖升级、已知问题，数据来源：Git提交记录”

4. 教程编写
   场景：技术教学材料
   创作模板：”编写Spring Boot集成Redis的教程，要求包含：环境准备、依赖配置、缓存实现、异常处理、性能测试，目标读者为中级Java开发者”

四、知识管理类（5个场景）

1. 技术选型评估
   场景：方案对比决策
   评估框架：”对比Kafka和RabbitMQ在消息队列场景的优劣，从吞吐量、延迟、持久化、集群管理、生态兼容性五个维度分析，给出选型建议”

2. 架构决策记录
   场景：ADR文档生成
   记录模板：”编写架构决策记录，描述为何选择React而非Vue作为前端框架，包含：技术背景、可选方案、决策因素、否定原因、后续影响”

3. 技术债务评估
   场景：遗留系统改造
   评估提示：”分析以下代码库的技术债务，按严重程度分类，提供偿还优先级建议：存在大量全局变量、未使用的依赖、重复代码块、缺乏单元测试”

4. 知识图谱构建
   场景：技术体系梳理
   构建示例：”构建微服务架构知识图谱，包含核心概念：服务拆分、API网关、配置中心、服务发现、熔断机制，说明各组件间的关系”

5. 经验总结提炼
   场景：事故复盘分析
   复盘模板：”总结本次数据库连接泄漏事故，包含：根本原因、影响范围、修复过程、预防措施，要求结构化为时间线、根因分析、改进计划三部分”

五、安全防护类（5个场景）

1. 漏洞修复方案
   场景：安全补丁开发
   修复提示：”针对CVE-2023-XXXX漏洞，提供修复方案，包含：漏洞原理、影响版本、修复方式（代码修改/配置调整）、验证方法”

2. 渗透测试用例
   场景：安全测试设计
   测试模板：”为Web应用设计SQL注入测试用例，覆盖：数字型注入、字符串型注入、延迟注入、布尔盲注场景，要求提供Payload示例”

3. 加密方案评估
   场景：数据安全设计
   评估框架：”评估AES-256-CBC和ChaCha20-Poly1305在移动端加密的适用性，从性能、安全性、兼容性三个维度分析，给出推荐方案”

4. 权限设计审查
   场景：RBAC模型优化
   审查提示：”审查当前权限系统的RBAC设计，指出潜在问题：权限过度集中、角色继承冲突、最小权限原则违反，提供改进建议”

5. 日志安全审计
   场景：合规性检查
   审计模板：”检查应用日志是否符合GDPR要求，重点关注：个人数据脱敏、日志保留周期、访问控制、审计追踪，列出不合规项及整改方案”

六、效率工具类（5个场景）

1. 自动化脚本生成
   场景：DevOps任务
   脚本提示：”编写Shell脚本实现以下功能：监控指定目录文件变化，当检测到.log文件修改时，自动压缩并上传至S3存储桶，要求包含错误处理和日志记录”

2. CI/CD配置优化
   场景：流水线改进
   优化模板：”优化当前GitLab CI配置，实现：并行任务执行、缓存依赖、条件构建、通知机制，要求提供.gitlab-ci.yml修改建议”

3. 监控告警设计
   场景：可观测性建设
   设计提示：”为Kubernetes集群设计监控方案，包含：指标采集（CPU/内存/磁盘）、告警规则（阈值/变化率）、通知渠道（邮件/Slack）、仪表盘布局”

4. 配置管理方案
   场景：环境一致性
   管理模板：”设计多环境配置管理方案，支持：开发/测试/生产环境隔离、敏感信息加密、配置热更新，要求对比Consul和Apollo的实现差异”

5. 代码审查辅助
   场景：质量门禁
   审查提示：”编写代码审查Checklist，包含：安全规范（SQL注入、XSS）、性能问题（N+1查询、大对象）、代码风格（命名规范、方法长度）、测试覆盖”

七、创新探索类（5个场景）

1. 技术趋势分析
   场景：前瞻性研究
   分析框架：”分析Serverless架构的发展趋势，从成本模型、冷启动优化、状态管理、厂商锁定四个维度预测未来三年演进方向”

2. 原型设计验证
   场景：MVP开发
   设计提示：”设计基于AI的代码补全工具原型，包含：核心功能（上下文感知、多语言支持）、技术架构（LLM集成方式）、验证指标（准确率、响应时间）”

3. 技术债务预测
   场景：前瞻性治理
   预测模型：”根据代码提交历史、复杂度指标、开发者流动率，预测未来六个月可能产生技术债务的模块，提供预防措施”

4. 跨领域融合
   场景：技术跨界应用
   融合示例：”探索区块链技术在数据库分片中的应用，设计基于智能合约的分片协调方案，解决跨分片事务一致性难题”

5. 性能基准测试
   场景：技术选型依据
   测试方案：”设计数据库基准测试方案，对比PostgreSQL和MySQL在OLTP场景的性能差异，包含：测试数据集、并发模型、指标定义、结果分析”

实践建议

1. 提示词迭代：采用”生成-评估-优化”循环，首次输出后追加”请扩展第三点的实现细节”或”修正第二点的技术错误”
2. 上下文管理：长对话中定期重申核心需求，如”基于之前讨论的微服务架构，补充服务网格的实现方案”
3. 多模型验证：对关键输出使用不同提示词结构验证结果一致性
4. 知识融合：结合官方文档验证技术细节，如”根据Kubernetes 1.28文档，修正Pod调度策略的描述”

通过系统化应用这35个场景的提示词模板，开发者可显著提升与AI协作的效率，将重复性工作耗时降低60%以上，同时保证技术方案的准确性和创新性。建议建立个人提示词库，持续优化模板以适应不同项目需求。