AI 写正则表达式进阶指南：高手常用的 5 个做法

这篇写给已经会用 AI 写正则表达式、希望再进一步的读者。理解原理是关键：正则表达式语法紧凑、难以记忆，但规律本身往往可以用日常语言说清楚；AI 能把描述和示例翻译成表达式，并帮你检查边界情况。

写正则的关键在于反例。告诉 AI 什么应该匹配很容易，但真正决定正则质量的是“什么不应该匹配”。一个只用正例测试过的正则，常常会匹配到意想不到的内容。每次写正则时，花一分钟想几个容易误匹配的反例，能避免大部分问题。

技巧 1：把 AI 给出的正则粘贴到在线测试工具中

把 AI 给出的正则粘贴到在线测试工具中，直观查看匹配结果。做到这一点，结果的稳定性会明显提高。

要求 AI 提供“非贪婪”和“贪婪”两种写法，理解差异。做到这一点，结果的稳定性会明显提高。

批量替换前先备份文件。这能帮你更快定位问题出在哪个环节。

把常用的正则整理成个人笔记，附上例子。做到这一点，结果的稳定性会明显提高。

遇到匹配错误，把错误的例子补充给 AI，让它修正。适合在任务较复杂或要反复使用时采用。

举个虚构的例子：一位运维需要从几千行日志中找出所有超时请求的接口路径。他给 AI 看了几行日志样例，说明要提取“耗时超过 1000ms 的请求路径”。AI 给出正则并说明数值比较最好在提取后用脚本处理。他按建议先用正则提取路径和耗时，再筛选，几分钟就得到了结果。

正则写得太复杂怎么办？ 可以拆成几步处理，或改用其他方法，可读性比简洁更重要。

下面的模板综合了以上技巧，可以按运维工程师等不同场景替换内容：

请解释并测试这个正则表达式：
[粘贴正则]
1. 逐段拆解，说明每部分匹配什么
2. 用一句话总结它的整体作用
3. 构造 5 个应该匹配和 5 个不应该匹配的测试用例
4. 指出潜在问题：过度匹配、遗漏情况、性能风险（如回溯过多）
5. 如有更简洁或更安全的写法，给出替代方案

AI 命令行助手：AI 命令行助手是用自然语言描述你想在终端完成的操作，让 AI 给出对应的命令和参数说明，例如批量重命名文件、查找大文件、统计日志、管理进程。
信息抽取：信息抽取是让 AI 从非结构化的文字中找出特定信息，例如从合同中提取金额和期限，从聊天记录中提取待办事项，从简历中提取工作经历。

一个简单的标准：同类任务需要的修改轮次是否减少，结果是否更稳定。如果答案是肯定的，说明你的 AI 写正则已经进阶；如果没有，回到基础步骤检查哪里写得不够具体。