程序员一定要收藏的100条GPT编程辅助相关指令，无际AI分享

GPT模型可以帮助我们做很多事，除了写作等，在编程代码方面表现也十分优秀，它既可以查找代码中的错误，也可以快速生成简单的编码程序，可以辅助程序员在几分钟内完成任务，今天【无际Ai】给大家分享100条代码提示词，让大家更快更准的让GPT帮我们提供编程辅助，记得收藏哦！

生成代码：

1. 创建一个用于解析[file format]并提取[information]的[language]脚本，需满足以下要求：[requirements list]。
2. 开发一个针对[domain]的[language]微服务，该微服务包括用于[operations list]的端点，并遵循[design pattern]。
3. 编写一个[language]函数，用于基于[condition]过滤[data structure]，该函数接受以下输入：[input variables]，预期输出为：[output description]。
4. 设计一个用[strategy or technique]解决[problem]的[language]算法。
5. 实现一个异步处理[task]的[language]函数，该函数接受以下输入：[input variables]，预期输出为：[output description]。

完成代码

1. 完成用于解析[file format]并提取[information]的[language]代码：[code snippet]。
2. 完成针对[use case]的[design pattern]在[language]中的实现：[code snippet]。
3. 填写缺失的[language]代码以实现以下函数的缓存机制：[code snippet]。
4. 完成将[data structure]转换为[output format]的[language]代码：[code snippet]。
5. 完成针对[problem]的多线程解决方案在[language]中的实现：[code snippet]。

错误检测提示

1. 在以下的[language]代码片段中定位任何逻辑错误：[code snippet]。
2. 在给定的[language]代码中识别潜在的性能问题：[code snippet]。
3. 在以下的[language]代码中找出任何资源泄露，并提出修复建议：[code snippet]。
4. 在给定的[language]代码中检查潜在的死锁问题：[code snippet]。
5. 审查以下的[language]代码，以识别潜在的SQL注入漏洞：[code snippet]。

代码审查

1. 分析给定的[language]代码以寻找代码异味（code smells），并提出改进建议：[code snippet]。
2. 检查以下的[language]代码是否遵循适当的日志和监控实践：[code snippet]。
3. 审查给定的[language]代码以识别潜在的可扩展性问题：[code snippet]。
4. 评估以下[language]代码的测试覆盖率：[code snippet]。
5. 评价给定的[language]代码与[platform or technology]的兼容性：[code snippet]。

自然语言处理

1. 对以下文本进行文本分类：[text sample]。
2. 生成以下视频字幕的摘要：[text sample]。
3. 分析以下产品评论的情感：[text sample]。
4. 识别以下社交媒体帖子中的关键短语：[text sample]。
5. 从以下结构化文本中提取信息：[text sample]。

API 文档生成

1. 为以下的[language]代码创建一个API文档模板：[code snippet]。
2. 为给定的[language] RESTful API生成用户指南：[code snippet]。
3. 记录以下[language]命令行工具的功能和使用方法：[code snippet]。
4. 为给定的[language]库或框架创建一个API参考文档：[code snippet]。
5. 使用示例代码为以下[language] API编写一个教程：[code snippet]。

查询优化

1. 优化以下GraphQL查询以提高性能：[GraphQL query]。
2. 分析给定的SQL查询以确定适当的索引：[SQL query]。
3. 为提高查询性能，对以下数据库模式提出改进建议：[schema description]。
4. 使用不同的NoSQL数据库（例如，MongoDB、Cassandra、Couchbase）比较给定NoSQL查询的性能：[NoSQL query]。

序列查询优化

1. 优化以下用于时间序列数据库（例如，InfluxDB、TimescaleDB）的数据库查询：[time-series query]。
2. 分析给定的时间序列查询以识别任何潜在的性能问题：[time-series query]。
3. 为以下时间序列数据库查询提出索引或分区策略：[time-series query]。
4. 使用不同的时间序列数据库（例如，InfluxDB、TimescaleDB、OpenTSDB）比较给定时间序列查询的性能：[time-series query]。

聊天机器人和对话式 AI

1. 设计一个用于处理[type of reservation]预订的聊天机器人的对话流程。
2. 创建一个聊天机器人交互，帮助用户根据他们的需求比较和选择[products or services]。
3. 开发一个提供有关[topic or domain]信息的聊天机器人的对话脚本。
4. 实现一个能够在[specific context or domain]中理解并响应用户意图的聊天机器人。
5. 设计一个能够根据用户偏好为[product or service]提供个性化推荐的聊天机器人。

用户界面设计

1. 生成一个用于可视化[data or metrics]的[web/mobile]仪表板的UI（用户界面）模型。
2. 建议改进[app or website]现有的用户界面以增强用户参与度。
3. 设计一个专注于可访问性和包容性的[web/mobile]应用的用户界面。
4. 创建一个用于促进用户在[specific use case]中协作的[web/mobile]应用的线框图。
5. 设计一个遵循[design system or style guide]并支持[theme or customization]的[web/mobile]应用的UI组件库。

自动测试提示

1. 编写一个针对给定的[language]代码的测试脚本，覆盖[functional or non-functional]测试：[code snippet]。
2. 为以下的[language]类或模块生成测试场景：[code snippet]。
3. 设计一个专注于[latency, throughput, or resource usage]的[web/mobile]应用的性能测试策略。
4. 创建一个用于验证其功能和稳定性的[language]库或框架的测试套件。
5. 开发一个覆盖关键用户工作流程的[web/mobile]应用的端到端测试策略。

代码重构

1. 建议重构以下的[language]代码以提高可测试性：[code snippet]。
2. 在给定的[language]代码中识别应用[architecture pattern]的机会：[code snippet]。
3. 优化以下的[language]代码以降低内存使用：[code snippet]。
4. 重构给定的[language]代码以改善其错误处理和韧性：[code snippet]。
5. 建议对给定的[language]代码进行更改，以遵循[SOLID或其他设计原则]：[code snippet]。

算法开发

1. 设计一个启发式算法以解决以下问题：[problem description]。
2. 提高给定机器学习算法在[specific use case]中的准确性：[algorithm or pseudocode]。
3. 开发一个流式算法，能够用于[specific task or operation]的实时处理[data or events]。
4. 提出一个基于机器学习或人工智能的解决方案，以提高以下算法的性能：[algorithm or pseudocode]。
5. 评估给定算法在[accuracy, performance, or resource usage]方面的权衡：[algorithm or pseudocode]。

代码翻译

1. 将使用[design pattern]的以下[source language]代码翻译为[target language]：[code snippet]。
2. 将给定的[source language]数据处理管道转换为[target language]：[code snippet]。
3. 将与[database or service]交互的以下[source language]代码迁移到具有类似数据库或服务的[target language]：[code snippet]。
4. 用具有等效性能特性的[target language]重写给定的[source language]数据结构实现：[code snippet]。
5. 在遵循[target language’s framework or library conventions]的情况下，将以下[source language]代码片段适应为[target language]：[code snippet]。
6. 将执行[specific task or operation]的给定[source language]方法翻译为[target language]：[code snippet]

个性化学习

1. 根据我偏好的学习风格（[visual/auditory/kinesthetic]），策划一个用于学习[programming language or technology]的资源列表。
2. 考虑到我的时间限制和学习目标，推荐一个成为[specific programming domain or technology]专家的学习路径。
3. 建议编码挑战或比赛，以帮助我提高在[programming language or technology]方面的技能。
4. 推荐专注于[programming language or technology]中的[specific topic or concept]的播客、视频或其他多媒体资源。
5. 根据以下[language]项目或仓库，识别我编码技能中需要改进的领域：[URL or project description]。

技术写作

1. 编写一个教程，解释如何将[library or service]与[programming language or technology]集成。
2. 创建一个逐步指导，在[cloud or platform]中部署和扩展[application or service]。
3. 草拟一个针对[programming language or technology]项目的README文件，其中包括贡献指南和项目路线图。
4. 编写一个清晰、简洁的解释，描述[programming concept or technique]及其在[industry or domain]中的应用。
5. 创建一个用于比较或评估[programming language or technology]中不同[tools, libraries, or frameworks]的指南。

需求分析

1. 解释以下项目需求，并建议一个技术栈或工具：[requirements description]。
2. 分析给定的项目需求，并提出一个带有里程碑和交付物的详细项目计划：[requirements description]。
3. 评估以下项目需求的可行性和潜在风险：[requirements description]。
4. 建议对给定的项目需求进行更改或改进，以提高[performance, maintainability, or user experience]：[requirements description]。
5. 将以下项目需求转换为用户故事或用例：[requirements description]。

网络和安全

1. 分析给定的网络架构或设计以识别潜在的安全漏洞：[architecture or design description]。
2. 编写一个安全的[language]函数或模块，用于执行[specific task or operation]，同时防止[security threat or vulnerability]。
3. 建议改进以下[language]代码或配置，以提高其网络性能或安全性：[code snippet]。
4. 设计一个用于[specific use case or application]的安全且高效的协议。
5. 评估与[external service or API]交互时给定的[language]代码或配置的安全性：[code snippet]。

数据可视化

1. 为以下数据集生成数据可视化：[dataset description or URL]。
2. 建议改进现有的数据可视化，以提高可读性和理解性：[visualization description or URL]。
3. 设计一个仪表板或数据可视化，突出显示给定数据集中的[key insights or patterns]：[dataset description or URL]。
4. 使用[language or library]创建一个数据可视化，允许用户与数据交互并探索[specific relationships or trends]。
5. 为[web/mobile]应用开发一个数据可视化策略，以用户友好的方式呈现[complex or large-scale]数据。

机器学习和人工智能

1. 建议一个机器学习算法或模型以解决以下问题：[problem description]。
2. 提高给定机器学习模型在[specific use case]中的性能：[model or code snippet]。
3. 为[domain]应用设计一个包括[数据预处理、特征提取、模型训练和评估]的机器学习流程。
4. 考虑[constraints or requirements]，提出一个用于[specific task or operation]的深度学习架构。

开发运营和部署

1. 编写一个[tool or script]，用于自动化地将[language or technology]应用部署到[cloud or platform]。
2. 建议改进[language or technology]项目现有的CI/CD流程：[pipeline description or URL]。
3. 为部署在[cloud or platform]上的[web/mobile]应用设计一个监控和报警策略。
4. 为[language or technology]应用创建一个Dockerfile或容器化策略。
5. 为在[cloud or platform]上处理[large-scale traffic or high-throughput]的[web/mobile]应用提出一个扩展策略。

以上内容由【无际Ai】整理发布，转载请注明出处。点关注，不迷路！未来将会持续更新AI人工智能方面的热点资讯和科普教程等内容！