这篇文章给你什么
下面是一条可直接复制给 AI 的提示词(Prompts)。它会让 AI 产出一个“在线配置互转与校验工作台”:支持 JSON / YAML / TOML 相互转换、格式化、差异对比、JSON Schema 校验、批量校验与报告导出,并给出完整项目代码、文件结构、运行命令、部署说明,以及测试用例或 QA 检查清单。
适用场景
适合用于:团队配置规范化(把历史 YAML/TOML 统一成 JSON 或反向)、CI 预检查(提交前校验 Schema)、排查线上配置错误(定位到行列与路径)、迁移与对齐(不同环境的配置差异对比)、批量处理(一次上传多个配置并生成校验报告)。
使用方式
复制下方灰色块里的 Prompt,粘贴给你常用的代码生成型 AI(如能生成完整工程的模型/工具)。按提示把“技术栈、端口、部署目标”按需改一下即可。
AI 提示词 (Prompts)
你是资深全栈工程师 + 测试工程师 + DevOps。请为我生成一个可部署的“在线配置互转与 Schema 校验工作台”项目,要求输出:
- 1) 完整项目源码(按文件树分文件给出),2) 运行命令,3) Docker 部署说明,4) 单元测试/端到端测试(至少其一),5) QA checklist。
核心功能:
A. 输入区支持 JSON / YAML / TOML 三种格式,自动识别或手动选择;提供格式化、美化、压缩、去注释(YAML/TOML 允许)、排序(JSON key 排序可选)。
B. 互转:JSONYAML、JSONTOML、YAMLTOML(必要时经由中间 AST)。
C. 校验:
- JSON Schema 校验(Draft 2020-12 或 2019-09 均可),支持用户粘贴 Schema 或上传 Schema 文件;
- 校验错误要给出:错误消息、JSON Pointer 路径、定位到原文本的行/列(尽可能准确),并高亮。
D. 批量模式:允许上传一个 zip(或多文件)包含多份配置,逐个校验并导出结果:
- 导出 JSON 报告 + 可下载的 HTML 报告;
- 报告包含每个文件的通过/失败、错误明细、耗时、统计汇总。
E. 差异对比:左右两份配置(可不同格式),转换到规范化 JSON 后做结构 diff(忽略 key 顺序),展示差异摘要与展开视图。
F. 安全与隐私:默认所有处理在浏览器本地完成(纯前端模式优先);如果必须要后端(用于 zip 解压或报告导出),后端仅做无状态处理,不落盘,添加明确提示。
技术约束与实现建议:
- 优先选择“前端本地化处理”方案:React + Type + Vite(或 Next.js 纯前端模式),UI 用轻量组件库;
- JSON/YAML/TOML 解析可用成熟库;Schema 校验建议使用 Ajv;
- 行列定位:请实现从解析错误或 pointer 到文本位置的映射策略(至少对 JSON 可靠,对 YAML/TOML 给出尽力定位);
- 提供可复制的示例输入与一键填充;
- 需要有明确的错误边界与提示(避免页面崩溃)。
交付物(必须逐条满足):
1) 项目文件树(tree 形式)。
2) 每个关键文件的完整代码内容(不要只给片段)。
3) 本地运行命令:安装依赖、启动、构建。
4) Dockerfile + 生产部署说明(包含端口、环境变量、反向代理示例,如 Nginx 配置片段)。
5) 测试:至少提供一组可运行的测试(例如 Vitest/Jest)覆盖:格式识别、互转正确性、Schema 校验错误输出结构;并给出如何运行测试。
6) QA checklist:包含功能、边界条件、性能(大文件/多文件)、安全(XSS/输入注入)、浏览器兼容性检查项。
交互细节(请实现):
- 顶部选择:输入格式、输出格式、是否排序 key、是否保留注释(能做到就做,做不到要说明限制)。
- 按钮:格式化、互转、校验、对比、批量校验、导出报告、复制输出。
- 展示区:输出文本、错误列表、diff 视图、批量报告表格。
请在最后给出:
- 关键依赖列表及原因
- 你做出的取舍(例如 YAML 行列定位限制)
- 下一步可扩展点(例如支持 HCL/INI)
参数可替换建议
如果你更偏后端渲染或需要公司内网部署,可以把 Prompt 里的技术栈替换成:Vue3 + TS 或 Svelte;或者改成 Node.js + Express 提供一个轻量 API(注意保持无状态、不落盘)。
验收清单(发布前自检)
你可以用下面的检查点快速验证 AI 生成的项目是否“真的能跑起来”。
- 能在本地一条命令启动(或按文档两三条命令启动),打开页面可用。
- JSON/YAML/TOML 任意一种输入都能识别并正确转换到另外两种。
- Schema 校验能输出结构化错误(含路径/指针),并能定位到文本位置或给出可理解的提示。
- 批量模式能对多文件给出汇总与明细,并能导出报告。
- 测试可运行且有断言(不是空壳)。
- 部署说明包含构建产物与 Docker 运行方式。
常见坑与修复方向
如果 AI 生成的工具在一些边界场景失败,通常可以从这些方向修复:解析器对 BOM/换行符处理、YAML 锚点/引用、TOML 日期与数组类型、Schema 版本不匹配、diff 逻辑没做规范化(忽略顺序)、大文件导致的渲染卡顿(需要 worker 或分块处理)。