用Prompt让GPT写Python代码，为什么总生成半成品函数？

我也遇到过一模一样的问题！写数据分析脚本的时候，GPT经常给我留一堆“TODO”或者“pass”，气得我直接复制报错去怼它。后来摸索了一下，感觉不是模型不擅长，而是咱们的Prompt里缺了“具体场景”和“数据样例”。

比如你让它写“去重”，它不知道你的数据里重复字段是哪个、保留第一条还是最后一条、要不要考虑时间戳。我现在的做法是：Prompt里直接贴几行真实数据（脱敏后的CSV片段），然后说“针对这个表，字段A和B组合重复时保留最新时间戳的行，空值用字段C的中位数填充，异常值超过3倍标准差就删掉”。这样它写出来的函数基本能直接跑，偶尔有点小bug但比骨架强太多了。

另外你可以试试加个“角色设定”，比如“你是一个有10年Pandas经验的Python工程师，现在需要一次性生成可直接运行的代码，禁止使用注释代替实现”。我试过几次，效果有提升，但也不是100%靠谱。

还有个偏方：让它先输出伪代码逻辑，你再追问一句“请把伪代码里的每步用Pandas实现，并确保没有语法错误”。分两步走，它反而更容易出完整代码。我猜是模型在单次回答里倾向于“保守”，怕写错不如留空，但分步追问能降低它的“犯错焦虑”。

你最近在清洗什么类型的数据？如果是金融时间序列或者电商订单这类常见场景，我可以把我调好的Prompt模板发你参考。

这个问题我太有共鸣了，几乎每个用GPT写代码的人都会在这个坑里摔过。我先直接回答你：这不是模型本身不擅长“填充式”任务，而是你踩中了几个非常典型的“大模型代码生成陷阱”。我过去两年在三个不同的项目里深度用过GPT辅助编码，从数据管道到微服务再到自动化测试，踩过的坑能写一本小册子。今天我就把关于这个问题的实战经验掰开揉碎讲清楚。

先说最核心的结论：GPT生成半成品函数，本质上是你的提示词在无意中教会了它“偷懒”。你可能觉得冤枉，明明写了“请输出完整可运行的代码”，为什么它还是给骨架？原因在于，大模型的训练数据里，大量代码示例、教程、文档本身就是“先给骨架，再填充细节”的写作模式。比如你搜“如何用Pandas清洗数据”，几乎所有文章都是先列一个函数名和注释，然后分步骤解释。GPT在学习时把这些模式内化了，当你给的Prompt比较宽泛时，它会自动匹配到它见过最多的“教学式响应”——也就是先搭架子，等用户追问细节再补。你加的那句“完整可运行”其实是一个极其模糊的指令，它无法精确量化“完整”到什么程度。

我自己第一次踩这个坑是在做一个电商用户行为日志的清洗工具。当时我写的Prompt和你几乎一模一样：“写一个函数清洗DataFrame，处理缺失值、重复行、异常用户ID。”结果它给我一个函数，里面全是pass和TODO注释，气得我把咖啡洒键盘上。后来我花了三天时间研究提示词工程，总结出一套方法，从那之后GPT生成代码的完整率从30%飙升到95%以上。下面我把这套方法拆成几个实战层面讲给你。

第一层：你必须把“需求”翻译成“约束条件”。大模型不是程序员，它没有“工作记忆”去主动完善细节。你告诉它“去重”，它知道要用drop_duplicates，但到底是按哪一列去重？保留第一个还是最后一个？是否要重新设置索引？这些你如果不写清楚，它就会选择最安全的做法——什么都不做，留个注释。我现在的做法是，把每一个“清洗步骤”都拆成具体的、可测试的输入输出描述。比如你可以这样写：请生成一个Python函数，接收一个pandas DataFrame作为输入，返回一个新的DataFrame。具体逻辑为：第一步，检测所有列，如果某列缺失值比例超过50%，则删除该列；第二步，对剩余列的数值型空值用中位数填充；第三步，对字符串型空值用‘unknown’填充；第四步，删除所有列完全相同的重复行，保留第一次出现的行，重置索引；第五步，对age列，如果值小于0或大于150，将其替换为该列的中位数。每一步都要有详细的注释，并且每个pandas操作必须使用实际代码，不允许出现‘此处实现’或‘TODO’等占位符。请直接输出完整函数，不需要解释。你看，当我把“去重”展开成“按所有列判断、保留首次、重置索引”，大模型就没有偷懒的空间了，因为它必须把每一步映射到具体代码。

第二层：利用“少样本示例”来锁定输出格式。这是我从GPT-3时代就用的绝招。在Prompt里先给一个你想要的完整函数例子，哪怕那个例子和你要解决的问题毫无关系。比如你可以在Prompt开头写：以下是一个我期望的输出格式示例。然后贴一个你以前写过的、包含完整逻辑的短函数。接着写：请严格按照相同风格和完整度，生成以下需求的函数。这个做法利用了模型对“模式延续”的强烈倾向。它看到你给了一个“每个逻辑都有具体代码、没有占位符”的样本，就会极力模仿。我试过很多次，效果立竿见影。有一次我需要生成一个处理时间序列的插值函数，用了这个方法后，它连异常值检测的阈值都帮我写了0.05和0.95分位数，比我手动写的还细致。

第三层：如果你觉得写长Prompt太累，就用“分步强制”策略。不要一次性让GPT生成整个函数，而是分三步走。第一步，让它只列出函数结构：def clean_data(df): 下面写清每一步要做什么，用注释表示，注释里写明具体的pandas函数名。第二步，让它根据第一步的注释，逐行填充代码，并且每填充一行就print出来。第三步，让它把第二步的结果拼接成完整函数，并检查是否有任何注释未被替换。这个方法虽然多了一个回合，但对于复杂清洗逻辑来说，成功率极高。因为每一步的上下文都很短，模型不会在长上下文中遗忘“不能留占位符”的指令。我之前做一个多表合并的清洗任务，用这个方法一次成功，没有出现任何半成品。

第四层：你需要理解GPT的“注意力衰减”现象。当你的Prompt很长，比如超过500个token，模型在生成后半部分时，对开头强调的“完整可运行”这个指令的注意力会衰减。你加了那句指令，但它在生成具体代码时，可能已经“忘记”了。所以一个很有效的技巧是，把“禁止使用占位符”这个约束条件放在Prompt的最后一句，并且用加粗或者强调语气。比如你可以写：注意：你输出的每一行都必须是可执行的Python代码，如果出现任何‘# 此处实现’或‘TODO’或‘pass’，我将认为你的回答完全失败。这句话放在最后，模型生成时刚好处于“近期记忆”最强的位置，它会更严格地遵守。

第五层：技术上的终极方案——用“思维链”引导它写代码。你不是要它直接输出函数，而是让它先“思考”再“写”。比如你可以写：请先详细描述实现这个清洗函数需要哪些步骤，每一步使用什么pandas方法，参数是什么，为什么这样选择。然后基于这个思考，生成完整的函数代码。这个技巧利用了GPT在推理任务上表现更好的特性。它会先构想一个“计划”，然后执行这个计划时，就不太容易跳出计划去留空。我曾经用它生成一个复杂的异常检测函数，包含IQR、Z-score和孤立森林三个方法，它先写了一个800字的分析，然后生成的代码里每一行都与分析对应，没有任何占位符。

说到具体代码，我给你看一个我实际项目中用过的完整Prompt模板，你可以直接套用。假设你要做客户流失数据的清洗：请生成一个Python函数，函数名为clean_customer_data，输入为DataFrame，输出为清洗后的DataFrame。清洗规则如下：1. 删除所有列均为空的行。2. 对于‘income’列，缺失值用该列的中位数填充，并且确保填充值为整数。3. 对于‘gender’列，缺失值用‘Unknown’填充，并将所有值转换为小写。4. 对于‘last_purchase_date’列，将字符串转换为datetime格式，无法转换的行设置为NaT，并删除这些行。5. 检查‘age’列，如果存在小于18或大于100的值，替换为30。6. 删除基于‘customer_id’列的重复行，保留第一个出现的，并重置索引。请严格按照上述顺序，每实现一个步骤后添加一行print语句，输出该步骤影响的行数。禁止使用任何占位符或注释代替代码。直接输出完整函数，不要包含任何额外解释。这个模板我用了半年，百分之百能生成完整可运行的代码，而且因为加了print中间结果，调试起来也方便。

另外，还有一个容易被忽视的点：你用的模型版本和参数设置。如果你用的是GPT-3.5，它生成完整代码的能力确实比GPT-4差一个档次，因为它的上下文容量和指令遵循能力有限。GPT-4 Turbo或者Claude 3.5 Sonnet在代码生成上明显更可靠。如果你只能用GPT-3.5，那一定要把温度参数调低到0.1以下，这样它更倾向于选择概率最高的token，而不是随机发挥。我在一个给客户做的自动化报表项目里，用GPT-3.5配合极低温度，再结合上面说的分步策略，也成功生成了200多行没有bug的pipeline代码。

最后，我想说一个更深层的问题：很多人觉得用大模型写代码就是“提需求->拿代码”这么简单，但实际做项目时，你会发现它更像是一个“代码结对编程伙伴”，而不是一个自动代码生成器。你需要学会怎么给它下“精确的指令”，怎么拆分任务，怎么验证输出。我见过太多同事，抱怨GPT生成的代码不能用，但其实只要把需求拆细30%，把约束条件写清楚，结果就会完全不同。你遇到的“半成品函数”问题，恰恰是提示词工程中最经典的“需求模糊陷阱”。你给出的Prompt本质上是一个“功能列表”而不是“实现规范”。大模型没有常识去主动补充缺失的细节，它只会根据概率分布去猜测最可能的输出。而它见过的“最可能的输出”就是那种带注释的骨架代码，因为这种代码在GitHub和Stack Overflow上太常见了。

所以我的建议是：不要和它较劲，去适应它的工作方式。学会把“写一个清洗函数”这种高层描述，翻译成“先删除空列，再填充数值空值，再处理字符串异常”这种底层操作序列。当你真正开始用这种思路去写Prompt时，你会发现GPT不仅不会给你半成品，反而能写出一些你没想到的边界处理逻辑。比如有一次我让它处理日期列，它自动加了一个时区转换和夏令时判断，比我手动写的还严谨。这就是当你把约束给足了之后，模型能发挥的“超额价值”。

希望这些实战经验能帮到你。如果你愿意，可以把你的清洗需求具体发出来，我可以帮你写一个针对性的Prompt模板，或者我们一起调试一下生成结果。这个领域坑很多，但一旦摸到门道，效率提升是十倍级的。

这个问题其实挺常见的，核心原因是GPT在遇到复杂逻辑时会倾向于先搭框架，避免一次性输出太长导致逻辑混乱。我试过把需求拆成三步写：先让GPT生成去重代码，再单独问填充空值，异常处理最后补，每次只聚焦一个子任务，它反而会给出完整实现。另外在Prompt里加一句“不要省略任何代码块，每行都写完整”有时候也能改善，你可以试试看。