Salt la conținutul principal
Dacă citești asta, probabil înțelegi deja unele dintre cazurile de utilizare și limitările LLM-urilor. Cu cât oferi modelului un prompt și un context mai bune, cu atât rezultatul va fi mai bun. La fel și în Windsurf: există bune practici pentru a formula prompturi mai eficiente, astfel încât să valorifici la maximum instrumentul și să obții cel mai bun cod posibil, care să te ajute să-ți accelerezi fluxurile de lucru.
Pentru sarcini mai complexe care pot necesita să @-menționezi blocuri de cod specifice, folosește Chat în loc de Command.

​
Componentele unui prompt de înaltă calitate

  • Obiectiv sau rezultat clar
    • Ce îi ceri modelului AI să producă?
    • Îi ceri modelului un plan? Cod nou? O refactorizare?
  • Tot contextul relevant pentru a executa sarcina(le)
    • Ai folosit corect @-mentions pentru a te asigura că este inclus contextul potrivit?
    • Există vreun context specific clientului care ar putea fi neclar pentru Windsurf?
  • Constrângeri necesare
    • Există frameworkuri, biblioteci sau limbaje specifice care trebuie utilizate?
    • Există constrângeri privind complexitatea în spațiu sau timp?
    • Există considerente de securitate?

​
Exemple

Exemplul #1:
  • Slab: Scrie teste unitare pentru toate cazurile de test pentru un obiect Order Book.
  • Bine: Folosind @class:unit-testing-module, scrie teste unitare pentru @func:src-order-book-add, verificând excepțiile aruncate când pragul de stop loss este depășit sau sub nivel.
Exemplul #2:
  • Slab: Refactorizează rawDataTransform.
  • Bine: Refactorizează @func:rawDataTransform transformând bucla while într-o buclă for și folosind aceeași structură de date de ieșire ca @func:otherDataTransformer.
Exemplul #3:
  • Slab: Creează un nou Button pentru formularul de contact.
  • Bine: Creează un nou component Button pentru @class:ContactForm, folosind ghidul de stil din @repo:frontend-components, cu textul „Continue”.