找代码bug有啥好用的AI提示词？

找代码 bug 这事儿，靠 AI 提示词确实能省下大量抓耳挠腮的时间，但前提是**你得把“问法”从“帮我看看哪错了”升级成“帮我用调试者的思维做一次系统性排查”**。真正好用的提示词，核心不在于让 AI 猜，而在于给它“上下文、约束、输出格式”这三件套。下面我直接给你一套从入门到进阶的提示词模板，并解释为什么它们有效。

一、先搞懂：为什么你问 AI 找 bug，它总在瞎猜？

很多人用 ChatGPT 或 Claude 查错，上来就甩一段代码说“有 bug，帮我找”。AI 只能基于有限的上下文去“猜”，结果经常是给你指出一些风格问题，或者给出一个看似合理但根本不适用于你场景的修改。真正高赞的提示词，核心逻辑是 “模拟结对编程”——你得像一个清醒的开发者那样，告诉 AI：我在做什么、预期是什么、实际发生了什么、我已经排除了哪些可能。这样 AI 才能从“复读机”变成“调试搭档”。

二、万能基础模板：适用于任何 AI 编程助手（ChatGPT、Claude、Gemini）

这个模板是我日常用得最多的，覆盖了 80% 的常见 bug 场景。你可以直接复制修改：

角色设定：你是一位有 10 年经验的高级后端工程师，擅长代码审查和逻辑推理。

上下文：我正在使用 [语言/框架，如 Python 3.11 + FastAPI] 开发一个 [功能描述，如用户登录接口]。我期望它实现 [具体预期，如：输入正确密码时返回 200 和 token，输入错误时返回 401]。

问题现象：实际运行时，当输入错误密码时，接口返回了 500 错误，日志显示 [贴出关键报错堆栈或信息]。

我的排查过程：我已经检查过数据库连接正常，密码加密方式用的是 bcrypt，但怀疑是异常处理逻辑漏掉了特定类型的错误。

你的任务：请基于以上信息，分三步回答：
1. 列出最可能导致该现象的三个原因，按可能性从高到低排序。
2. 针对原因 1，给出具体的代码层面修复建议（用代码块展示）。
3. 提出一个能快速定位该问题的调试日志语句（用 print 或 logger）。

这样问，AI 的回答质量会立刻提升一个档次。因为它有了 角色、背景、现象、约束条件，给出的答案会更有针对性，而不是泛泛而谈。

三、针对特定场景的“高精度”提示词

除了通用模板，不同 bug 类型需要不同的“提问姿势”。下面是我实战中总结的几个高赞变体：

1. 逻辑错误（代码不报错，但结果不对）

• 无效问法：“我的排序算法有问题，帮我看看。”
• 高赞问法：“我写了一个快速排序，但输入 [3,1,4,1,5] 时输出是 [1,1,3,5,4]，预期是 [1,1,3,4,5]。请用 单步追踪法，把第一次递归调用时左右指针的移动过程用表格列出来，指出哪一步的交换条件写反了。”

这里的技巧是 “用具体输入输出” + “要求 AI 模拟执行”。让 AI 当“人肉 debugger”，它反而比直接看代码更容易发现边界条件错误。

2. 异步/并发问题（偶发 bug，很难复现）

• 高赞问法：“这是一个 Node.js 的 Promise.all 并发请求代码，偶发性地出现 `ECONNRESET` 错误。请帮我分析：1) 是否可能存在未捕获的 rejection？2) 如果我想用 `Promise.allSettled` 替换，需要注意什么？3) 请给出一个能稳定复现该问题的压力测试脚本思路。”

对于这种玄学 bug，核心是让 AI 帮你 拓宽思路，而不是直接给答案。让它列出“可能导致偶发性的 5 个原因”，往往能给你新的排查方向。

3. 性能瓶颈（代码能跑，但慢得离谱）

• 高赞问法：“这段 Python 代码处理 10 万条数据需要 3 分钟，我怀疑是循环里用了 `+` 拼接字符串。请用 大 O 复杂度分析这段代码，并指出最耗时的三行代码，给出改用 `join()` 或列表推导式的重构方案，并预估性能提升比例。”

记住：性能问题一定要给数据量级，AI 才能算出复杂度瓶颈。

四、不得不提的专用 AI 调试工具（比通用提示词更省心）

如果你觉得写提示词还是麻烦，现在有一些专门为“找 bug”设计的 AI 工具，它们内置了代码分析引擎，不需要你费心组织语言。我实际体验过几款，挑两个有代表性的：

如果你用 JetBrains 系 IDE 或 VS Code，Cursor 的体验最接近“AI 结对编程”。它官网是 cursor.com，下载后直接把报错信息拖给它就行，几乎不需要提示词技巧。但如果你已经在用 ChatGPT 或 Claude，那么我上面给的模板完全够用，不必额外付费。

五、进阶技巧：让 AI 帮你写“找 bug 的测试用例”

最高级的用法不是让 AI 直接找 bug，而是让它帮你写一个能暴露 bug 的单元测试。这个思路能根治问题：

提示词：请针对以下函数 [贴代码]，编写 5 个 pytest 测试用例。要求：
- 包含 1 个正常输入用例、2 个边界值用例（如空列表、极大值）、1 个异常输入用例（如 None）、1 个性能用例（输入 10^6 数据量，断言时间小于 1 秒）。
- 每个测试用例后，用注释说明该用例是为了防御哪类 bug。

当你把 AI 生成的测试跑起来，那个红叉叉会精准地告诉你 bug 在哪一行。这比来回对话效率高得多。

六、避坑指南：这 3 种提示词越问越蠢

1. “这段代码有 bug 吗？”——AI 大概率会说“看起来没问题”。因为没有“预期行为”对比，它无法判断。
2. “帮我优化一下”——这会让 AI 去改代码风格，而不是找 bug。除非你明确说“优化逻辑，修复潜在错误”。
3. 不贴报错日志——只贴代码不贴错误堆栈，AI 只能靠猜。如果日志太长，可以只贴最后 20 行，并注明“这是完整堆栈的最后部分”。

七、一个完整的实战案例（从提问到解决）

最后分享一个我最近真实遇到的案例。当时用 Python 写一个爬虫，偶尔出现 `KeyError`，但找不到原因。一开始我是这样问的：

“为什么我的爬虫会报 KeyError？”——AI 给了一堆泛泛的解释，没用。

然后我改成：

“我在解析 JSON 数据时用 `data[‘results’][0][‘name’]`，但偶尔抛出 KeyError: ‘name’。我已经确认 `results` 列表非空。请分析：1) 是否可能某些条目缺少 `name` 字段？2) 如果我想用 `.get()` 方法安全取值，并给缺失值一个默认值 `’unknown’`，代码应该怎么写？3) 如何用 `try-except` 记录下具体是哪一个条目出了问题？”

这次 AI 直接给出了一段用 `.get()` 加默认值，并配合 `logger.exception()` 的代码。问题立刻解决。核心差别就是：我告诉它“我已经排除了列表为空”，并给出了具体的异常信息。

相关问题

1. 如何让 AI 帮我写更规范的单元测试？
让 AI 生成测试用例时，明确要求它使用 `pytest.fixture` 来准备测试数据，并断言异常类型。例如：“请为这个函数生成 3 个 fixture，覆盖正常、越界、空值场景。”

2. 有没有能自动修复 bug 的 AI 工具？
GitHub Copilot 的 “Chat” 功能可以针对选中代码提出修复建议，但需要你确认。真正全自动修复的工具目前还不成熟，但 GitHub Copilot 和 Cursor 的“Apply”功能最接近。

3. 如何用 AI 排查内存泄漏这类隐性 bug？
不要直接问“怎么修”，而是问“能否用 Python 的 `tracemalloc` 模块写一个检测脚本，找出内存增长最快的代码路径”。AI 会给你一个可运行的监控脚本。

4. 提示词太长会不会影响 AI 效果？
不会。只要信息是结构化的（用列表或分段），AI 反而更欢迎。但避免重复贴同一段代码，浪费 token 且干扰判断。

5. 有没有专门针对 SQL 语句查错的提示词？
有。重点在于提供表结构和索引信息。例如：“我有 `users` 表（id, email, created_at），这个查询 `SELECT * FROM users WHERE email LIKE ‘%@gmail.com’` 很慢，请分析是否因为无法使用索引，并给出改写方案。”