用AI写Python脚本，提示词怎么写才能一次跑通不用反复改？

我自己的经验是把“数据长什么样”直接贴进去，比如给两行CSV样例，再说明合并后想要的效果，模型基本就不会瞎猜了。另外我会在提示词末尾加一句“请包含必要的import和异常处理”，这个对减少初版跑不通挺管用。伪代码那步我试过，但对小脚本有点绕，反而容易让AI过度设计。你要是处理固定格式的CSV，干脆把列名和输出列顺序也写清楚，成功率能高不少。

说实话你这个问题我太有同感了，Cursor写数据处理脚本就是薛定谔的跑通，有时候玄学得很。我试下来发现，直白描述之所以不稳定，是因为AI对“合并列”的理解太宽泛，到底是拼接还是按索引对齐，它每次都猜。后来我干脆把CSV的前三行样例直接贴在提示词里，明确告诉它“列A是日期格式，列B是字符串，合并后要加个分隔符”，这样它生成的代码基本不用改逻辑。至于伪代码那一步，我觉得对小任务反而多余，但我会在提示词里加一句“每步操作后用print打印行数”，这样跑挂了能立刻定位是去重前炸的还是合并时炸的。还有一个坑是别让它“顺手”做类型转换，比如ID列是字符串但带前导零，它一“智能”给你转成int，数据就废了，所以我现在会专门写“禁止改变原始数据类型”。最后，错误处理那个问题，我觉得不用全写进去，但至少要提一句“文件不存在时给出中文提示并退出”，不然默认的报错堆栈你看着更头大。

把列名、分隔符、去重依据和输出表头都塞进提示词，基本能一次过。
伪代码那步太绕，不如直接给个20行内的示例数据让AI照着写。

我自己试下来，最稳的办法是把输入和输出各给一行示例，比如“a.csv里有三列，id、name、age，合并name和age变成新列，最后保留id和新列”，再告诉它“重复行只留第一条”。这样它至少不会瞎猜逻辑。另外别急着让它一次写完，先让它分步骤列计划，你确认对了再让它出代码，出错概率小很多。

把预期输出格式和边界情况写进提示词确实管用，比如列名、分隔符、空值处理，一次过的概率能高不少。

我一般会先让它输出伪代码确认逻辑，再让它写具体实现，虽然多一步但基本不用返工。

把列名、分隔符、输出格式直接甩给它，再补一句“处理前先打印前5行验证”，基本一次过。

试试先给两行示例数据再让它写，比光描述省心多了。

给AI喂个输入输出样例，再让它照着写，比纯文字描述管用得多。

我一般是把输入输出样例直接贴进提示词里，比如“输入是a.csv，长这样：列A是日期，列B是数值，输出要一个去重后的新CSV，列名改成X和Y”。这样AI对格式就有数了，比光说“合并列”靠谱得多。另外我会加一句“请用标准库或pandas，并处理文件不存在的情况”，它基本就不会漏import或者瞎报错了。伪代码那步我觉得小任务没必要，直接把边界条件写清楚更高效。

把输入输出的样例贴上去，再让它先写伪代码确认逻辑，基本能少改一半。

试试把输入输出的样例数据直接贴进提示词，再让它先跑通再优化，比只描述逻辑稳得多。

我一般会把报错信息原样丢回去让它自己改，比自己描述省事，多轮对话比一次成型靠谱。

试试把输入输出样例直接贴进提示词，再让它按样例写，比描述逻辑管用。

我自己的经验是光描述“做什么”不够，得把输入和输出的样子也丢给它，比如直接贴两行CSV样例，再告诉它中间哪一步容易出错，像编码问题、表头有没有引号这些，它生成的代码就靠谱很多。还有个小技巧，让它先写个函数骨架再加注释，比直接甩一大段逻辑强，调试的时候也容易定位问题。另外别指望一次过，但可以训练自己把“改错”变成“加约束”，比如明确说“不要用pandas”或“用标准库实现”，反而能逼它走对路。

我自己的套路是把“数据长什么样”直接贴进提示词，比如给两行CSV样例，再写明“第A列是日期，第B列是用户名，合并后输出成‘日期-用户名’这种格式”，这样AI不容易猜错逻辑。另外我会在最后加一句“处理前先检查文件是否存在，缺失列就报错”，基本能省掉大半调试时间。伪代码那招我也试过，但对小脚本有点绕，不如把预期输出格式写死来得直接，你可以试试看。

说实话我觉得“一次跑通”这个目标本身就不太现实，我用了大半年Cursor，现在反而习惯了让它先给出思路再写码。你那个直白描述的问题在于AI对“合并列”的理解太宽泛，它不知道你是要拼接成新列还是替换原列，更不知道去重是依据哪一列。我现在的做法是把输入样例和输出样例直接贴进提示词里，比如“a.csv有header：id,name,phone，希望生成b.csv，包含name_phone这一列，重复的id只保留第一行”，这样它至少能猜对八九成。另外我会特意加一句“请使用pandas并确保所有需要的库都被导入”，这比事后让它修报错省事得多。至于伪代码那步，我试过但觉得对小脚本有点多余，除非逻辑特别绕比如多层groupby，否则直接给明确的数据流描述反而更快。你提到的错误处理我觉得初期不用写太细，但可以补一句“如果文件不存在或列为空，打印友好提示”，这样至少不会跑一半崩掉。总之别追求完美，把关键约束说清楚，剩下的小毛病让AI自己迭代几次，比你反复改提示词效率高。

我一般会把“输入长啥样、输出长啥样”直接塞进提示词里，比如“CSV有三列，A列是日期，B列是姓名，合并后输出成‘姓名-日期’这种格式，去重按合并后的字段来”，AI理解起来会准很多。另外让它先列个处理步骤再写代码也挺管用，相当于逼它想清楚逻辑，比直接生成代码少踩坑。错误处理我倒是不太写，但会加一句“用pandas实现，注意编码问题”，基本能一次过。

我一般会把输入输出格式和边界情况写进去，像“空值跳过”这种，基本一次就能跑通。

我自己的经验是直白描述确实不够，AI对“列A和B合并”的理解可能跟你想的完全不一样。你现在这种小脚本我建议直接把CSV的前三行样例贴进提示词里，再写明“A列是日期，B列是城市，合并后要变成‘2024-01-01-北京’这种格式”，这样它生成的代码基本不用大改。另外别一上来就让它写完整脚本，我试过先让它列个处理步骤清单，确认逻辑对了再让它写代码，反而一次过的概率高很多，特别是多步骤任务。错误处理其实不用提前写，但可以加一句“如果遇到空值就跳过该行”，比让它自己发挥靠谱。

说实话直白描述能跑通一半已经不错了，我现在的套路是先把CSV的前几行样例直接贴进提示词里，然后明确告诉它“列名是xxx，合并后中间加个逗号，去重保留第一次出现就行”。另外我习惯让它先写个骨架函数，把输入输出和边界情况用注释标出来，再让它填实现，这样比直接生成整段代码稳得多，你试试看。

我自己的经验是别让AI一次写完，先让它分步骤列个处理逻辑，你确认没问题再让它出代码，这样比直接生成省事得多。另外提示词里最好把csv列名、目标格式和要不要保留表头都写明白，不然它默认的操作很容易跟你预期不一样。还有个小技巧，如果你知道pandas的api，直接点名要它用什么函数，比如drop_duplicates，它猜错的概率就会低很多。至于错误处理，那种小脚本真没必要写，跑一遍报错再贴给它反而更快。

把CSV范例的前几行直接贴进提示词，再补一句“列名用df.columns确认”，基本能少改一半。

我习惯让AI先输出处理步骤再写码，逻辑不对时改文字比改代码快多了。