现代机器人工程已超越手动配置和繁琐的样板代码。随着先进大语言模型（LLMs）的兴起，机器人软件工程师现在能以前所未有的速度加速自主系统开发、优化仿真物理特性，并调试分布式节点架构。
以下提示经过严格测试和优化，适用于 ChatGPT、Gemini、Claude 和 DeepSeek。尽管每个模型都拥有独特的认知架构——DeepSeek 擅长 C++ 逻辑，Claude 擅长系统设计，ChatGPT 擅长快速迭代——但这 10 个提示为使用 ROS 2 和 Gazebo 的机器人软件工程师提供了一个通用且高效的基础。
1. 生成复杂的 URDF/Xacro 模型
副标题： 自动化创建运动链和物理属性。
模型推荐： 使用 ChatGPT 快速生成样板代码，或使用 Claude 保持清晰的 XML 层次结构。
提示词：
扮演一名高级机器人工程师。为名为“[机器人名称]”的 [差速驱动/4自由度机械臂] 创建一个 ROS 2 Xacro（URDF）文件。
要求：
1. 为惯性属性（圆柱体、长方体、球体）定义适当的宏，以确保 Gazebo 物理模拟的准确性。
2. 为每个连杆包含碰撞、视觉和惯性标签。
3. 使用特定的关节限制：[插入限制，例如，旋转关节为 -3.14 到 3.14]。
4. 为仿真添加 Gazebo 特定标签（摩擦、阻尼、颜色）。
5. 生成 ros2_control 集成所需的传动标签。
收益： 消除数小时繁琐的 XML 标签编写，并确保物理属性（惯性矩阵）在数学上有效，防止 Gazebo 中的仿真“爆炸”。
2. 设计生命周期管理节点（C++）
副标题： 实现状态管理节点以实现稳健的系统行为。
模型推荐： DeepSeek，因其在处理复杂的 C++ 继承和指针逻辑方面表现出色。
提示词：
编写一个名为“SensorDriver”的 ROS 2 C++ 生命周期节点，用于与 [激光雷达/摄像头] 交互。
该节点必须实现以下状态转换：
1. on_configure：加载参数并预留内存。
2. on_activate：启动传感器数据流和发布器。
3. on_deactivate：停止数据流但保持连接活跃。
4. on_cleanup：释放内存并重置。
5. on_shutdown：完全安全终止。
确保使用 `rclcpp::LifecycleNode` 继承进行适当的错误处理，并包含一个用于旋转节点的主函数。
收益： 立即提供一个生产级的管理节点模板，确保您的系统确定性地处理启动和关闭序列，无需手动编写状态机代码。
3. 创建复杂的 Python 启动文件
副标题： 使用条件逻辑编排多节点启动。
模型推荐： Claude，因其能够生成高度可读、符合 Python 风格的启动配置。
提示词：
为导航栈创建一个稳健的 ROS 2 Python 启动文件（`.launch.py`）。
要求：
1. 使用 `LaunchConfiguration` 允许动态参数，如 'use_sim_time'、'map_path' 和 'params_file'。
2. 包含一个条件 `OpaqueFunction`，用于在启动驱动程序前检查特定硬件接口是否已连接。
3. 将 `/cmd_vel` 话题重映射到 `/robot_base/cmd_vel`。
4. 包含一个 `robot_state_publisher` 的 `Node`，仅在 URDF 文件更改时重新读取。
5. 结构化文件，以便轻松将此启动文件包含到其他父启动文件中。
收益： 生成灵活、模块化的启动文件，处理复杂的运行时参数和条件，取代脆弱、硬编码的启动脚本。
4. 为不可靠网络调优 QoS 配置文件
副标题： 为 Wi-Fi 或有损环境优化 DDS 通信。
模型推荐： DeepSeek，因其在中间件配置和 RMW 实现方面的技术准确性。
提示词：
我在 Wi-Fi 上传输高带宽话题（例如 PointCloud2）时遇到消息丢失。请提供 C++ 代码片段，用于为 ROS 2 发布器和订阅器配置自定义服务质量（QoS）配置文件。
规格：
1. 可靠性：尽力而为。
2. 持久性：易失性。
3. 历史：保留最后一条（深度 1）。
4. 解释这些设置如何与底层 DDS 中间件交互，以降低延迟和带宽使用，与默认的“可靠”设置相比。
收益： 通过提供精确的 DDS 调优代码，解决常见的“机器人卡顿”问题，确保高吞吐量的传感器数据不会成为网络瓶颈。
5. 开发自定义 Gazebo 插件
副标题： 使用自定义 C++ 物理逻辑扩展仿真能力。
模型推荐： Gemini，因其在综合文档和 C++ 标准库使用方面的优势。
提示词：
为需要应用自定义浮力（水下仿真）的机器人编写一个 Gazebo “ModelPlugin” C++ 插件。
该插件应：
1. 从 SDF 文件加载参数（流体密度、体积）。
2. 订阅 Gazebo 物理更新事件（`OnUpdate`）。
3. 根据阿基米德原理，在每个仿真步骤中计算并向模型质心施加向上的力。
4. 包含构建此插件所需的 `CMakeLists.txt` 代码片段，以链接 Gazebo 传输和物理库。
收益： 弥合标准仿真与自定义环境之间的差距，允许您模拟非标准动力学，如水下阻力或磁力。
6. 调试 TF2 变换树
副标题： 解决“查找需要外推到未来”的错误。
模型推荐： ChatGPT，用于快速故障排除和逻辑解释。
提示词：
我在 TF2 缓冲区中遇到“查找需要外推到未来”的错误。
上下文：
- 源坐标系：“base_link”
- 目标坐标系：“map”
- 错误发生在使用 `tf2_ros::Buffer` 的 C++ 节点中。
分析潜在原因（例如，时钟同步、use_sim_time、缓冲区持续时间）。提供一个修正后的 C++ 代码片段，实现安全的 `lookupTransform`，包含适当的超时和 `try-catch` 块，以优雅地处理此异常。
收益： 诊断机器人学中最令人沮丧的错误（TF 问题），并提供稳健的代码，防止在变换暂时不可用时节点崩溃。
7. 实现 ROS 2 动作（客户端与服务器）
副标题： 管理长时间运行的行为，如导航或抓取。
模型推荐： DeepSeek 或 Claude，用于处理异步回调和线程安全。
提示词：
为自定义动作定义 `MapsToPose.action` 生成 ROS 2 动作服务器的 Python 样板代码。
动作服务器必须：
1. 接受一个目标位姿。
2. 执行一个反馈循环，每 1 秒发布一次“剩余距离”。
3. 支持目标取消（正确处理 `cancel_callback`）。
4. 在容差范围内时返回“成功”结果。
提供 `.action` 文件定义和 Python 节点代码。
收益： 自动化动作所需的复杂异步逻辑，确保您的机器人能够处理取消和反馈，而不会阻塞主线程。
8. 使用 GTest 生成单元测试
副标题： 确保代码可靠性并防止回归。
模型推荐： Claude，用于编写全面、可读的测试用例。
提示词：
为 ROS 2 C++ 节点编写一个通用的 Google Test（GTest）测试套件。
测试应：
1. 启动一个测试夹具，用于启动目标节点。
2. 创建一个临时订阅器，以验证节点初始化后是否在 `/status` 话题上发布正确的消息。
3. 验证节点参数是否初始化为其默认值。
4. 使用 `launch_testing` 管理测试生命周期。
收益： 通过消除设置繁琐的 GTest/ROS 2 测试基础设施的障碍，鼓励测试驱动开发（TDD）。
9. 使用自定义 Rviz2 插件可视化数据
副标题： 为机器人控制创建自定义 UI 面板。
模型推荐： DeepSeek，用于 Qt/C++ 集成逻辑。
提示词：
指导我创建一个 C++ 自定义 Rviz2 显示插件。
该插件应：
1. 将自定义消息类型 `BatteryStatus`（电压、电流）可视化为 3D 视图上的文本叠加。
2. 继承自 `rviz_common::MessageFilterDisplay`。
3. 包含 Rviz2 发现插件所需的必要 `plugin_description.xml` 导出。
收益： 允许工程师直接在 Rviz 中构建特定领域的调试工具，无需外部 GUI 即可提高操作员态势感知能力。
10. 优化 Nav2 行为树
副标题： 为特定环境定制导航逻辑。
模型推荐： Claude 或 ChatGPT，用于 XML 结构和逻辑流。
提示词：
为 ROS 2 导航栈（Nav2）创建一个自定义行为树 XML。
场景：仓库机器人。
逻辑：
1. 恢复：如果规划器失败，首先尝试清除局部代价地图。
2. 如果失败，让机器人旋转 360 度。
3. 如果再次失败，等待 5 秒后重试。
4. 流水线：使用特定的控制器 `DWBLocalPlanner` 和规划器 `SmacPlannerHybrid`。
输出与 Nav2 `bt_navigator` 兼容的有效 XML 结构。
收益： 揭开 Nav2 中使用的复杂行为树 XML 的神秘面纱，允许快速定制机器人恢复行为和导航策略。
专业技巧：上下文注入
当要求 AI 调试 ROS 2 节点时，务必 首先粘贴接口定义（.msg、.srv 或 .action 文件）和 package.xml 依赖项。例如，在要求模型编写订阅器之前，告诉它：“这是我的自定义消息定义 RobotStatus.msg…”。这可以防止 AI 产生不存在的字段，并确保生成的代码能够立即编译。