Claude Code、Codex 与所有 AI 编程工具的核心用法一致：通过精准的自然语言描述，让 AI 生成符合预期的代码。模糊需求会导致代码偏差、无法运行，规范需求必须包含 5 大核心要素：功能细节、编程语言、输入输出规则、格式要求、异常处理。

正反示例对比：

• ❌ 模糊需求：“用 Python 写一个登录功能”（无边界、无细节，AI 无法判定逻辑与场景）
• ✅ 精准需求：“用 Python 写一个控制台版用户登录功能，固定账号密码（admin/123456），验证成功提示‘登录成功’，失败提示‘用户名或密码错误’，最多允许 3 次尝试，处理空输入、非预期字符输入异常”

3.1 五大核心要素落地解析

为避免零基础用户对术语理解模糊，对五大要素做通俗化解释并明确核心关注点，让需求描述的核心要点更易落地：

1. 功能细节：明确「做什么 + 适用场景」，避免模糊表述，例：“批量处理文件”→“批量遍历指定文件夹的 CSV 文件，提取第 1/3 列数据并去重”
2. 编程语言：明确具体开发语言 / 技术栈，若有版本要求需同步注明，例：“Python3.8+”“JavaScript（ES6）”“React18+TS”
3. 输入输出规则：明确「输入来源（控制台 / 文件 / 参数 / 接口）+ 输出形式（控制台打印 / 文件保存 / JSON 返回 / 页面渲染）」，例：“输入为控制台手动输入的学生姓名，输出为控制台打印该学生的成绩信息”
4. 格式要求：明确代码的编写规范、输出格式，例：“符合 PEP8 规范”“代码带详细注释”“输出为 Markdown 格式的报告”“模块化编写”
5. 异常处理：明确需要处理的具体异常场景，而非笼统的 “处理异常”，例：“处理非数字输入 / 文件不存在 / 路径错误 / 空值入参异常”

3.2 高频场景精准需求描述模板

为让零基础用户实现 “照搬修改即可用”，针对 AI 编程入门阶段 3 类高频场景，制定标准化需求描述模板，覆盖控制台程序、自动化脚本、简单功能函数：

3.2.1 模板 1：控制台交互程序（计算器 / 登录 / 成绩管理 / 猜谜游戏）

通用模板：用「编程语言」写一个控制台版「功能名称」，实现「核心功能 1 + 核心功能 2」，输入为「控制台手动输入的内容」，输出为「控制台打印的指定格式结果」，处理「具体异常 1 + 具体异常 2」，限制「额外规则（如最多尝试次数 / 输入值范围）」。

实战示例：用 Python 写一个控制台版商品库存查询程序，实现库存查询 / 库存修改，输入为控制台手动输入的商品编号，输出为控制台打印 “商品名 + 当前库存 + 修改结果”，处理非数字编号输入 / 商品编号不存在异常，限制库存修改值为正整数。

3.2.2 模板 2：自动化脚本（文件处理 / 数据清洗 / 批量重命名）

通用模板：用「编程语言」写一个「功能名称」脚本，实现「核心操作（遍历 / 读取 / 修改 / 导出 / 重命名）」，处理「目标文件类型 / 文件夹路径」，输出为「保存至指定路径 + 指定文件格式」，处理「文件不存在 / 路径错误 / 空文件 / 无目标文件」异常，要求「代码带基础注释，可直接运行」。

实战示例：用 Python 写一个 TXT 文件合并脚本，实现遍历指定文件夹下的所有 TXT 文件，按文件名排序合并为一个新文件，输出为保存至原文件夹的 “all_merged.txt”，处理文件夹不存在 / 无 TXT 文件 / 文件读取失败异常，要求代码带基础注释，可直接运行。

3.2.3 模板 3：简单功能函数（计算 / 数据处理 / 格式转换）

通用模板：用「编程语言」写一个「函数名」函数，实现「核心计算 / 处理逻辑」，入参为「参数 1（类型）+ 参数 2（类型）」，返回值为「指定类型结果」，处理「入参类型错误 / 入参范围异常 / 空值入参」，要求「函数带文档字符串（说明功能 / 入参 / 返回值），添加详细注释」。

实战示例：用 JavaScript 写一个 calcAverage 函数，实现计算数组中所有数字的平均值，入参为数字类型数组，返回值为保留 2 位小数的浮点数，处理非数组入参 / 数组为空 / 数组含非数字元素的异常，要求函数带文档字符串，添加详细注释。

3.3 需求描述的 3 个进阶小技巧

贴合 AI 的语言理解逻辑，在五大要素基础上做简单优化，即可大幅提升 AI 输出代码的精准度，新手易掌握、易落地：

1. 分点描述，短句为主：用数字序号拆分核心需求，避免冗长复杂的长句（AI 对分点内容的解析精度更高），例：用①②③拆分多个核心功能；
2. 明确禁用要求：通过 “禁止 XX” 排除无关需求，减少 AI 输出偏差，例：“禁止使用第三方库”“禁止硬编码文件路径 / 密钥”“禁止修改原有业务逻辑”；
3. 限定代码风格 / 体量：根据需求明确代码编写要求，例：“轻量化编写，无冗余代码”“模块化编写，按功能拆分函数”“符合团队 PEP8 编码规范”。

3.4 新手常见易错点提醒

直击零基础用户写需求时的高频问题，提前避坑，减少因需求描述问题导致的 AI 输出偏差：

1. 遗漏具体异常场景：只说 “处理异常”，AI 大概率会忽略异常处理逻辑，代码易崩溃；
2. 模糊技术栈 / 版本要求：如 “写一个前端登录页”，未说明 React/Vue/ 原生 JS，AI 生成的代码不符合预期；
3. 未限定输入输出形式：如 “处理数据”，未说明输入来源和输出形式，AI 可能仅打印结果，无实际业务价值；
4. 口语化表述过多：如 “写个能算东西的 Python 程序”，无明确功能和边界，AI 生成内容杂乱无章；
5. 需求过于复杂：入门阶段避免一次提出多个无关的复杂需求，建议拆分需求，分步实现。