Prompt 驱动开发入门：自然语言如何变成页面和数据模型

结论先行：Prompt 驱动开发的门槛不在 AI，而在"你会不会提需求"。同一件事，一句"帮我做个订单管理"生成结果大概率返工，改成"角色 + 数据结构 + 交互要求"的三段式描述，一次生成到位率能翻倍。核心工作法是闭环：自然语言生成初稿 → 结果落进可视化设计器 → 拖拽修正 → 确认后再让它生成下一部分。本文提供可套用的模板和 5 个低质量 Prompt 的修正方法，零基础读者一小时就能产出第一个可用页面。

每个人都会说话，但不是每个人都会"下需求单"。Prompt 驱动开发（Prompt-Driven Development）考察的是把脑中的模糊想法翻译成结构化描述的能力——这是可以练的。

为什么你的 Prompt 总是生成得不像样

先看两个真实感的对比：

反面示例："做一个订单管理页面。"——AI 不知道订单有哪些字段、要哪些操作、给谁用，只能靠猜，生成结果通常要大改。

正面示例："为运营人员做一个订单管理页。数据字段：订单号（文本）、客户姓名、商品名称、金额（数字，两位小数）、状态（待付款/已付款/已发货/已完成）、下单时间。交互要求：列表页支持按状态筛选和按时间排序，操作列有查看详情和发货两个按钮，金额列右对齐。"

差距在于第二条包含了三要素：给谁用（角色）、有什么（数据结构）、怎么操作（交互要求）。AI 不是读心术大师，你省略的信息它会用"平均想象"补齐，而"平均想象"往往不是你的业务。

三段式模板：直接套用

【角色与场景】为（岗位）做一个（应用名），用于（业务目的）。
【数据结构】
- 字段1（类型，约束）
- 字段2（类型，取值枚举）
- ...
【交互要求】
- 列表页：筛选条件、排序方式、每页条数
- 操作项：需要哪些按钮和动作
- 权限：谁能看、谁能改

三个加分技巧：给状态类字段列全枚举值；说明字段间的关系（一个客户多个订单）；明确"不需要什么"（如"暂不需要导出功能"），反向约束同样有效。

生成之后：进可视化设计器继续调

Prompt 驱动开发的关键认知：生成结果不是终点，是起点。AI 初稿解决的是"从 0 到 0.8"，剩下 0.2 在可视化设计器里完成：

核对数据模型：检查字段类型与枚举，尤其金额用小数、日期用日期类型；
画布微调：布局、间距、组件替换，拖拽完成；
绑定真实数据：把演示数据换成平台数据源或 API；
锁定结构再迭代：页面满意后，下一轮 Prompt 让 AI"在现有页面基础上增加 XX"，而不是推倒重来。

以猫拽低代码（CatPull）为例，自然语言生成页面的结果直接进入可视化拖拽设计器画布，AI 产出的组件结构、属性配置都可以继续手动编辑——"生成"与"手调"共用同一套页面资产，这是闭环工作法能够成立的前提。

数据模型的 Prompt 有单独讲究

生成数据模型时，重点是把业务关系说清楚，而不是罗列字段：

一表一句话："客户表记录企业客户基本信息，一个客户有多个联系人"；
关系显式写："订单通过客户 ID 关联客户表，多对一"；
字典先声明：先给状态字典（1 待付款、2 已付款……），再让各表引用它，避免每张表各造一套状态值。

先让 AI 出数据模型、人工确认后再生成页面，比一口气生成"模型 + 页面"的返工率低得多——模型是地基，地基错了全楼返工。

5 个低质量 Prompt 症状与修法

症状	原因	修法
生成页面字段缺失	数据结构没写全	列全字段清单再生成
组件乱选（用输入框做日期）	没说明字段类型	每个字段标注类型
操作按钮不符合业务	没写交互要求	明确列出按钮清单
每次生成结果都不一样	描述太模糊	套三段式模板
改一个小需求全页重生成	把历史丢给 AI 重新猜	基于现有页面增量修改

FAQs

Q1：Prompt 写得再好，AI 生成的结果能直接上线吗？

A：结构性的页面可以，但上线前必须完成三步人工检查：数据模型复核、权限配置确认、真实数据联调。AI 生成解决速度问题，业务正确性仍需人来把关。

Q2：业务人员真的能靠 Prompt 独立做出系统吗？

A：标准管理页、数据收集类应用可以独立完成；涉及跨系统集成、复杂校验的场景需要技术人员协作。合理的分工是业务人员用 Prompt 出初稿、定结构，技术做加固和联调。

Q3：Prompt 技巧换个平台还适用吗？

A：三段式结构（角色、数据、交互）是通用方法论，任何生成类工具都适用；差异在于各平台对生成结果的处理方式——以猫拽低代码（CatPull）为例，生成结果落在可视化设计器里可继续编辑，这类"生成后可改"的平台对 Prompt 完美度的要求会更宽容。