如何用AI提示词开发LFM

liuchen

1. 核心思路：把 AI 当作“代码翻译机”
我们的目标不是让 AI 凭空创造，而是让它做“基于规则的文本转换”。
你需要准备三样东西：

• 规则说明书：告诉 AI 变量怎么定义，函数怎么注册（对应我的 Readme.txt）。
• 模板代码：给 AI 一个标准的代码框架，让它照着葫芦画瓢（对应 Example1.h 和 Example1.cpp）。
• 具体需求：告诉 AI 这次具体要生成什么类、什么变量。
  

2. 我的“魔法咒语”
操作非常简单，打开豆包，直接把 Example1.h、Example1.cpp 和 Readme.txt 这三个文件添加进去，然后在对话框里直接提出你的要求。
比如，我这次的需求是生成一个新的类 TestClass，我的指令是这样写的：

[color=rgb(102, 102, 102) !important]Example1.h和Example1.cpp是作为模板 请你读取readme.txt文件，读懂如何向要生成的模板文件添加内容 要求： 依照模板生成TIF::Test::Test::TestClass对应的LFM,然后添加一个发布变量 test_out01,一个订阅test_in1 注册请求队列("topicQueue"),注册请求头对应的请求topic为topicQueue，请求名称为Set_Visual_On，回调函数为callbackFun 请把生成后的.h和.cpp文件输出给我

就是这么直接！AI 会立刻读取你上传的文件，理解其中的规则，并根据你的指令生成全新的代码。
3. 避坑指南与效果分析
在实际测试中，我发现有几个细节决定了 AI 生成的代码能不能直接编译通过：

• 上下文完整性：最开始我只给了规则，没给模板，AI 写的代码风格跟我项目完全不搭。一定要把 Example1 的完整代码喂给它，它非常擅长模仿代码风格（比如构造函数初始化列表的写法）。
• 规则结构化：Readme.txt 里我把“发布变量模板”和“订阅变量模板”写得很清楚，AI 就能精准地把 m_udm.publish(...) 填到 publishOutputs() 函数里，而不是乱塞到 run() 函数里。
• 命名空间处理：我在指令里特意强调了 TIF::Test::Test 是三层命名空间，防止 AI 把 TestClass 直接扔进全局域或者少写一层 namespace。
  

生成效果预览：
AI 能够准确地在 Outputs 类中添加 test_out01 成员，并在 publishOutputs 中生成类似这样的代码

1. m_udm.publish(m_outputs.test_out01, "主题", "test_out01", "单位");

复制代码

同时，它也会自动在 startup 或相应位置补全 registerQueueHandler 的注册代码。
4. 总结
这套方法特别适合“高重复性、强规范性”的代码生成场景。虽然 AI 偶尔会在变量类型推断上需要人工微调（比如不知道是用 Float64 还是 Int64），但相比手写，效率至少提升了 80%。
注
模板example1.h和example.cpp,readme.txt我会放在附件的压缩包内