用AI写Python脚本，提示词怎么写才能一次跑通不用反复改？

我自己的经验是这种多步骤小任务别指望一次过，不如把大需求拆成三步来问，每步都附上输入输出的样例，比如“CSV长这样，我想要的结果长那样”，AI对具体样例的把握比对抽象描述准得多。另外让AI先列一下处理步骤再写代码确实有用，能少很多逻辑漏掉的情况，但错误处理我觉得倒不用写太细，让它加上try-except和print中间结果就够调试了。

我一般会把“输入长什么样”和“输出长什么样”各贴两行示例，再告诉它“列名是中文还是英文、有没有空值”，这样比光说合并去重靠谱多了。还有个小技巧，让它先打印中间结果，比如去重前多少行去重后多少行，跑一次就知道逻辑对不对，不用等最后输出才发现错了。

说实话，你这问题我太有同感了，刚开始用AI写脚本的时候我也被“少import”折磨得够呛。后来我发现，直白描述需求其实是最低效的，因为AI默认你会自己补全那些“常识”，但代码跑不起来恰恰就栽在常识上。我的做法是把“输入长什么样”和“输出长什么样”各给一行示例数据，比如“输入是a.csv，表头是日期,城市,销售额，合并A和B列变成‘城市-日期’这种格式”，这样它就不会瞎猜逻辑了。至于错误处理，我觉得不用全写进去，但至少要加一句“如果某列有缺失值，直接跳过该行”，否则它可能给你填个NaN进去。伪代码那步我试过，对小任务有点多余，反而容易让它陷入“设计模式”里出不来，不如直接让它写，但提醒一句“先打印前5行结果再保存”，这样就算逻辑错你也能早点发现。还有个小技巧，如果你发现自己总在改同一个类型的错误，比如漏import，可以在提示词最后固定加一句“请列出所有用到的库，并检查是否已导入”，相当于给它立个规矩。我现在写多步骤任务基本就是“数据样例+具体操作顺序+输出格式+验证方式”四件套，虽然偶尔还要调一下，但成功率至少从30%提到80%了。你试试看，如果还是不稳，可能要检查下是不是CSV编码问题，有时候根本不是提示词的锅。

说实话直白描述确实不够，我一般会把输入输出样例直接贴给AI，比如给三行CSV和期望的最终结果，它自己就能推断出要合并、去重的具体逻辑。另外我会在提示词里加一句“请处理文件不存在的异常”，这样它就会自动补上try except，省得后面报错。

把CSV的列名和示例几行数据直接贴进提示词，比光描述靠谱得多，AI看懂了结构基本一次过。

我觉得关键是把“输入长什么样、输出要什么”说清楚，比如直接贴两行CSV样例，再加一句“结果保留两列，去重用A+B拼接后的值”。另外像这种多步骤任务，我会让AI先写个步骤注释再生成代码，它跑偏的概率会小很多。错误处理倒不用写太细，但至少提一句“文件不存在就报错退出”，不然它可能自己吞异常。你可以试试把“合并列”改成“用下划线连接”，这种具体描述比“合并”俩字有效得多。

把列名和输出文件格式直接写进提示词，再补一句“用pandas实现”，基本能一次过。

我一般是先让AI列个处理步骤清单，确认逻辑对了再让它写代码，比直接生成稳多了。

试试把示例输入和期望输出直接贴进提示词，比写一堆规则管用。另外让它先列步骤再写码，基本能省掉返工。

说实话直白描述确实不够用，我现在都习惯把输入CSV的表头样例贴进去，再明确说要处理成什么结构，比如“输出两列，去重后按A列排序”。伪代码那步我觉得看情况，简单任务直接给“读文件→处理→保存”的步骤描述反而更稳。另外别指望一次过，我一般让AI先跑一遍，报错直接把错误信息贴回去，让它自己修，比反复重写提示词效率高。

我自己的经验是把“输入长什么样、输出想要什么”这两点卡死，比如直接贴上CSV的前三行，再明确说“合并后列名改成XX，空值保留”，AI基本不会再漏import。伪代码那步我觉得看情况，多步骤任务可以先让它列个处理顺序确认一遍再写，反而比直接生成省时间。另外可以试试让它自己加几个print断点，跑挂了看中间结果改起来快很多。

我自己的经验是别让AI一口气写完整脚本，让它分步骤生成核心逻辑，比如先单独处理列合并和去重，再拼装保存部分，出错率会低很多。另外提示词里最好带上两行样本数据（比如CSV的前三行），AI对数据结构理解准了，代码基本就能跑通。至于错误处理，我一般只加个简单的try-except，太详细的反而容易让它过度设计。

我自己的经验是直白描述确实不够，得给AI“边界”而不是“想法”。比如把CSV的列名、分隔符、编码、输出文件叫什么全写清楚，甚至告诉它“不要用pandas，用csv模块”这种限制，反而更容易一次跑通。

伪代码那步看情况，如果任务步骤超过三步我建议先让它列个处理流程给你确认，确认完再生成代码，出错概率低很多。

另外你可以在提示词里加一句“请考虑常见边界情况”，比如空行、重复列名、文件不存在，这样它自己就会把try-except加上，省得你来回调试。

我目前用的套路是：输入样例（两行假数据）+ 输出样例 + 明确禁止事项（比如“不要修改原文件”），基本能做到小任务一次过。

我自己的经验是，光描述“做什么”不够，得把“输入长啥样、输出长啥样”用例子钉死，比如直接贴两行CSV样本和期望的去重结果，AI就不太会跑偏。另外我会顺带提一句“用pandas，别用csv模块”，少import的问题基本就消失了。至于伪代码那步，对小脚本有点多余，但如果你把每个步骤拆成一句带序号的要求，比如“1.读文件，2.合并列生成新列，3.按新列去重保留第一行，4.保存为新CSV”，它出错率会降很多。你可以试试把错误处理也写进去，比如“遇到空值直接跳过”，反正多写两句，比反复改省时间。

这事儿我太有感触了，之前用AI写批处理脚本也是反复改到怀疑人生。后来发现关键不是把需求写得多细，而是得把“数据长什么样”告诉它，比如直接贴两行CSV样例进去，再说明你要的列名和分隔符，这样它就不会瞎猜了。另外让它先写伪代码这招确实管用，但别让AI自由发挥，你得给它限定步骤顺序，比如“先读文件，再合并列，最后去重”，它一旦理解成“先合并再读”就全乱了。还有个土办法，就是让它把中间结果打印出来，这样就算逻辑错了，你一眼就能看出是哪步出的问题，比干等报错强。不过说实话，“一次过”可能不太现实，我现在都是抱着“能一次跑通算赚到，跑不通就让它自己加print调试”的心态，反而效率高了不少。

把输入输出的样例直接贴进提示词里，比描述逻辑管用得多，我试过基本一次成。

我会先让它列清楚步骤再写码，多花十几秒但省得后面反复调。

我自己的经验是，光描述“做什么”不够，得把“输入长什么样、输出长什么样”写清楚。比如直接贴两行CSV样例，再告诉它“合并后A列保留原值，B列用逗号连接”，它跑偏的概率就小很多。另外别指望一次过，我一般先让它生成，再跑个最小测试数据看结果，有问题就反馈具体报错，比反复改提示词省事。伪代码那步我试过，对小脚本反而有点绕，直接给例子更直观。

我觉得关键是把“输入输出”写具体，比如直接贴一两行CSV样例，再告诉它最终格式长啥样，比干巴巴描述“合并列”强多了。另外别指望一次过，我一般先让它跑通逻辑，再单独追问“如果某行缺值怎么处理”，分两步反而更稳。至于伪代码，对复杂任务有用，但简单数据处理感觉有点绕，不如直接给个小的期望输出片段当参照。

直接把列名和输出样例贴进去，再让它先跑通再优化，基本一次过。

我都是给两行示例数据加预期结果，比写一堆规则管用多了。

我自己的经验是别指望一次性跑通，但可以把报错信息直接喂回去让AI改，这样往往比反复描述需求更高效。另外你那个“直白描述”确实太笼统了，我一般会写清“输入文件有几列，列名是什么，输出结果长什么样”，比如“合并后列名改成AB，去重保留第一次出现”，这样准确率高很多。伪代码那步我试过，对小脚本有点多余，但如果你把“读取→处理→保存”每一步的预期结果用注释写进提示词里，效果会好不少。

给AI输入示例输入输出，比描述逻辑管用，我这么干后基本一次过。

直白描述不够，得把CSV表头和期望结果写出来，AI才能对齐格式。