让大模型生成可维护代码：约束式 Prompt 工程的设计与验证
一、代码生成的隐性成本
用 LLM 写代码很快，改起来也很快。
生成的代码往往"能跑"，但经不起维护。
变量名随意、缺少异常处理、逻辑全挤在一个函数里。
这类代码上线后，技术债以惊人的速度累积。
生成十分钟的代码，可能要花一小时理解和重构。
问题不在模型能力，而在我们如何"提要求"。
本文探讨用约束式 Prompt，把可维护性写进生成契约里。
让模型从第一步就产出接近生产标准的代码。
二、约束式 Prompt 的作用机制
普通 Prompt 只描述"做什么"。
约束式 Prompt 额外描述"怎么写"与"不做什么"。
模型在生成时，会把约束当作硬条件逐条满足。
约束越结构化，输出越稳定可复现。
这本质是把团队规范编译成模型能理解的指令。
下面是约束注入与校验的闭环：
flowchart TD A[需求描述] --> B[拼接约束模板] B --> C[大模型生成代码] C --> D[静态检查器校验] D --> E{全部通过?} E -->|否| F[返回违规项作反馈] F --> C E -->|是| G[输出合规代码] style B fill:#e1f5fe style D fill:#fff3e0 style G fill:#e8f5e9关键在"反馈环"：校验不通过时，把具体违规回灌给模型。
这比一次性要求更有效，因为模型能针对错误修正。
三、生产级 Prompt 与校验实现
下面是一段可复用的约束模板。
你是一名资深后端工程师，请实现以下需求： {requirement} 硬性约束（必须全部满足）： 1. 单函数不超过 50 行，超过则拆分。 2. 所有网络与 IO 调用必须设置超时。 3. 禁止裸 except，必须记录上下文日志。 4. 使用参数化查询，禁止字符串拼接 SQL。 5. 公开函数提供类型注解与 docstring。 6. 先写单元测试再写实现（TDD 顺序）。 仅输出代码与必要注释，不要解释。光有 Prompt 不够，需用检查器兜底。
下面用 AST 统计函数行数，拦截超长函数：
import ast from pathlib import Path def check_function_length(path: Path, limit: int = 50) -> list[str]: """用 AST 扫描超长函数，作为生成代码的守门员""" violations: list[str] = [] tree = ast.parse(path.read_text(encoding="utf-8")) for node in ast.walk(tree): if isinstance(node, (ast.FunctionDef, ast.AsyncFunctionDef)): start = node.lineno end = getattr(node, "end_lineno", start) length = end - start + 1 if length > limit: violations.append(f"{node.name} 行数 {length} 超过 {limit}") return violations if __name__ == "__main__": bad = check_function_length(Path("generated.py")) if bad: # 将违规列表回灌模型，触发二次生成 print("需重构:", bad)把违规项拼回 Prompt 的"反馈"段，模型通常能一次修好。
这形成了"生成—校验—修复"的自动闭环。
四、边界分析与架构权衡
约束式 Prompt 有收益，也有代价。
约束越多，遵循率越低。超过 8 条硬约束后，模型容易顾此失彼。
建议只保留"有后果"的约束，风格类交给 formatter。
校验器必须可机器判定。模糊约束如"代码要优雅"无法自动检查。
可量化的约束（行数、类型注解、SQL 参数化）才能落地。
反馈环的轮次成本。每轮校验加生成都消耗 token 与延迟。
建议最多两轮修正，仍不通过则交由人工，避免无限循环。
领域知识依赖。复杂业务需要把领域规则写进约束。
这要求维护一套"约束知识库"，随项目演进更新。
约束模板的维护成本需要正视。随着项目演进，规范会变，模板也要同步更新，否则模型依据过时约束生成代码。建议把约束模板纳入版本库，和规范文档同源管理，变更时一起评审。另一个常见误区是盲目追求零人工：对于核心模块，模型生成的代码仍应由人做最终架构确认，约束只解决"格式与基础安全"，解决不了"设计对错"。此外，约束模板应定期用历史缺陷回测，删掉从未命中过的条目，保持简洁。模板越精炼，模型遵循率越高，反馈环也越干净。
五、总结
让 LLM 生成可维护代码，关键在把规范变成可执行的约束。
机制上用结构化 Prompt 描述"怎么写"，用 AST 校验兜底。
工程上形成"生成—校验—反馈"的闭环。
落地路线：抽取高优先级硬约束成模板；接 AST/linters 做机器校验；把违规回灌模型二次生成；最后把约束库纳入版本管理。代码生成的价值，不在快，而在可维护。
