AI Coding 省流指南
1. 核心大招：强制“增量输出”（Diff-Only） 这是节省 输出 Token 最有效的手段。默认情况下，大模型喜欢把整份代码文件重新写一遍，即便它只改了一行。 笨办法：“帮我修改这个文件的 bug。”（模型直接吐出 500 行代码） 妙招：在 Prompt 中明确限制输出格式。 Prompt 模板： “请只输出修改过的代码片段。未修改的部分请用 // ... 保持不变 ... 或 # ... existing code ... 代替。如果可以，请直接以 Git Diff 的格式提供修改方案。” 2. 输入“骨架”而非全量代码（Skeleton Prompting） 当你需要让模型理解你的项目结构或某个工具类时，不要直接把几千行的源文件贴过去。 妙招：只给模型提供类型定义（Types/Interfaces）、函数签名（Function Signatures） 或 骨架代码。 例如（TS/JS）： // 不要贴整个实现，只给这个： interface UserService { getUser(id: string): Promise<User>; updateProfile(id: string, data: Partial<User>): Promise<boolean>; } 模型只需要知道“有什么方法可用”以及“入参和出参是什么”，并不需要知道你内部复杂的 SQL 是怎么写的。 3. 巧用 XML 标签（对 Claude 尤为有效） Claude 对 XML 标签（如 <code_>）有着极强的敏感度。用 XML 标签包裹代码和指令，不仅能提高准确率，还能减少解释性废话。 <system_instruction> 你是一个极简主义的编程助手。请直接输出代码，不要解释，不要说“好的，我为你准备了以下代码”。 </system_instruction> <source_code> // 贴入你的核心代码 </source_code> <task> 重构上面的代码，提高运行效率。 </task> 省流原理：明确的结构让模型不需要在 Prompt 里猜测“哪里是代码，哪里是要求”，从而大大减少了模型的推理和多余的客套话（“Certainly! Here is…” 也是要算 Token 的）。 ...