用AI Agent写Python脚本，总改不对逻辑，是我prompt没写好还是工具本身局限？

这种任务确实有点超出Agent的稳定范围，不如你手动写个ast遍历逻辑，自己控制更靠谱。

这种任务确实有点难为Agent，逻辑判断和边界情况它容易漏，建议手动拆成几步让它分步写。

这种任务确实容易翻车，建议你先把边界条件列成checklist再让Agent按步骤写。

老实说，我觉得这问题一半在工具一半在需求本身的模糊性。AST分析听着具体，但“未使用的import”其实挺微妙的——比如有些import只在类型注解里出现，或者被eval间接调用，AST静态扫描根本判不准。我试过类似场景，让Agent写个检测未使用变量的脚本，它倒是能跑，但一遇到动态导入就歇菜。你贴官方文档片段这招我试过，有时候反而让Agent在细节里钻牛角尖，忽略整体逻辑。我觉得不如换个思路：先别让它一次生成完整脚本，而是拆成两步——第一步让它写个只负责遍历.py文件并返回所有import语句的基础函数，第二步再单独处理“是否被引用”的判断逻辑。这样每步的上下文简单，它不容易跑偏。另外，Clerk的Agent模式对长上下文处理确实有bug，我最近发现把需求写得更像“伪代码”而不是自然语言，反而能减少逻辑遗漏。说到底，这种带边界条件的工具类脚本，AI更适合搭骨架，边界case还是得人肉补。

说实话我也有类似的体验，这类工具写样板代码挺稳的，但一涉及边界条件判断就容易翻车，尤其是递归扫描和异常文件过滤这种细节。我感觉你可以试试把需求拆得更碎一点，比如先让它处理单个文件，确认逻辑没问题了再让它加递归和黑名单，一步一步来反而比一次性给完整prompt靠谱。另外把__init__.py这种特例直接写在规则里让它记住，可能比依赖它自己推理稳定些。

这种任务确实容易翻车，AI对边界条件理解很弱，建议把“排除__init__.py”直接写进prompt第一条试试。

这题我熟，上周刚用Claude写个类似的代码清理工具，也是修了好几轮。你贴官方文档这个操作我试过，效果其实一般，因为Agent对“删除建议”这种模糊语义理解得比较吃力。我的经验是把输出格式直接钉死，比如让它返回一个JSON数组，每条带文件名和行号，这样逻辑判断的容错率会高很多。另外你提到递归漏掉的问题，不如直接在prompt里给个目录树示例，明确标出哪些文件该扫哪些不该碰，比让它自己理解__init__.py的边界靠谱。工具局限肯定有，但有时候换个角度描述问题，比硬磕逻辑要省心。

说实话我也遇到过类似的情况，特别是涉及AST这种偏静态分析的活儿，Agent经常会“想当然”地漏掉边界条件，比如你提到的递归和__init__.py。我觉得这不完全是prompt的问题，工具本身的推理深度确实有限，它擅长生成骨架代码，但对这种需要“全局视角”的逻辑判断，容易顾此失彼。

我自己试下来有个感觉，与其让它一口气写完，不如把任务拆成几个小步骤，比如先让它只负责生成AST遍历的代码，你手动验证后再让它写删除建议的筛选逻辑，这样每个环节出错都好定位。至于让它画流程图再写代码，我试过，对简单任务有点用，但复杂逻辑它画完图也经常偏离你的预期，反而多了一道要纠错的环节。

另外一个思路是，你可以让Agent先输出测试用例，比如明确告诉它“如果目录里有三个嵌套文件夹，其中两个有__init__.py，代码应该怎么跑”，这样它被迫思考边界情况，比单纯贴文档管用。说到底，这类任务现在更像是“结对编程”，你得当那个盯着细节的导航员，完全放手交给它还是有点悬。你试过给它喂一个最小可运行的示例文件，让它对着那个输出结果来调整吗？

说实话这问题我最近也踩坑了，Agent对“删除建议”这种偏严谨的判断确实容易翻车，尤其涉及边界情况时。我后来是把需求拆成两步：先让它输出AST解析结果给我看，确认没问题再让它写删除逻辑，这样能定位是它理解错了还是代码生成错了。流程图那招我试过，有点用但别指望它能自己推理，你把“排除__init__.py”写成一条显式规则加进去会稳很多。工具局限肯定有，但prompt里塞太多细节反而容易让它抓不住重点，不如给个最小化示例文件让它跑通再说。

这问题我太有共鸣了，之前让Agent重构一个函数，它也是反复在边界条件上翻车。我觉得这真不全是prompt的锅，纯逻辑推导和状态维护确实是目前Agent的短板，它写个片段还行，但没法在脑子里跑完整个流程。你让它画流程图倒是个思路，相当于逼它把隐含逻辑显性化，我试过让Agent先写测试用例再写实现，成功率会高不少。另外像删除文件这种危险操作，建议你干脆把操作范围直接写死在代码里，别让它自由发挥。

说实话你这个场景我太有同感了，ast相关的代码我自己手写都容易踩坑，更别说让agent一次到位。我觉得问题不在于prompt写得好不好，而是这类任务对“精确边界”的要求特别高，比如递归遍历和排除__init__.py这种规则，本质上属于领域知识，agent很难从你给的零散描述里推断出完整约束。你贴官方文档这招我试过，效果时好时坏，因为文档是给人看的，它理解的是语义而不是你项目里的实际结构。换个思路，你可以先别让它直接写代码，而是让它输出一个“检查清单”，比如列出它会怎么处理子目录、怎么识别包文件、删除前要不要备份，你确认完逻辑再让它动手，这样能把错误拦截在编码前。另外我自己的经验是，把“删除建议”改成“先打印报告再问用户确认”的模式，agent在生成代码时的保守度会高很多，不太会乱来。工具确实有局限，但更关键的是，你得把任务拆成它擅长的小步骤，而不是指望它一次想清楚所有边界条件。

说实话，你这个场景我太有同感了。我觉得问题大概率不在prompt，而是这类“静态分析+边界情况处理”的任务，恰恰是LLM最不擅长的。它写出来的代码看起来逻辑通顺，但一旦涉及到像__init__.py这种特殊约定、递归遍历时对目录的筛选，模型其实是在“猜”你的意图，而不是真正理解ast和文件系统的交互。我自己的经验是，与其反复改prompt，不如把需求拆成更小的子任务，比如先让它单独写一个纯函数处理单个文件的ast分析，跑通了再让它写目录遍历的代码，最后你手动拼起来。另外你说先画流程图再写代码，这个思路我试过，但其实帮助有限，因为模型生成的流程图往往是它自己脑补的，不一定比代码更接近真实逻辑。更靠谱的做法是，直接给它一个你手写的极简版本（哪怕只有10行），让它在这个基础上修bug，而不是从零生成。还有个小技巧，你可以明确告诉它“不要使用os.walk，用pathlib.rglob”，这样能减少它自由发挥的空间。工具确实有局限，但很多时候是咱们把它当成了能理解工程上下文的同事，实际上它就是个高效的补全工具，得把它框在小格子里用。

这活儿我试过，Agent对ast这种精确遍历确实容易犯迷糊，建议你直接把递归和忽略__init__.py写成测试用例喂给它。

说实话，你这个场景我太熟了，上周刚用Claude写个批量重命名文件的脚本，也是来回改了七八轮，最后发现它总在边界条件上犯迷糊。我觉得这真不全是prompt的锅，AST这种需要精确遍历节点、理解作用域的任务，对Agent来说其实挺吃力的，它本质上是概率生成代码，不是真的在“理解”你的项目结构。你贴文档片段这招我也用过，有一定效果，但一旦逻辑链条超过四五步，它就容易顾此失彼，比如处理嵌套函数或者动态import的时候就崩了。我个人经验是，这类任务更适合拆成几步，先让它单独写一个“递归扫描文件”的函数，跑通验证了再让它写“分析import”的部分，别指望一次成型。至于画流程图，我试过让GPT先输出伪代码，比直接写Python稳一些，但也会增加沟通成本，得看你对AI的耐心值。另外，你提到误删__init__.py这个点，其实可以在prompt里加一个硬性排除列表，比如“永远不要修改任何包含__init__的文件路径”，这种绝对约束比描述逻辑要管用得多。工具局限肯定存在，但我觉得更关键的是，你得把它当实习生用，而不是当高级工程师用——给足小步骤和验证点，别期待它一口气交付生产级代码。

说实话你这个场景我太有共鸣了，之前让Agent帮我写个批量重命名文件的脚本，也是来回折腾了七八轮，最后发现它老是纠结在文件路径的边界情况上。我觉得这类任务不是AI不擅长，而是它特别容易在“你以为说清楚了”和“它实际理解的”之间产生偏差，比如你说“扫描.py文件”，它可能默认只扫当前目录，压根没意识到你还要递归子文件夹。你贴ast文档这点我试过，效果其实很随机，有时候它会把文档当参考，有时候反而被文档带偏去实现些没必要的功能。我个人觉得画流程图那招可以试试，但更实用的做法是让它先写个最小可运行版本，然后你拿一个具体的小项目跑一遍，把报错和漏掉的场景直接丢回给它，让它基于错误反馈去修，比单纯改prompt效率高很多。另外像__init__.py这种特殊文件，你不如在需求里直接明确写“排除所有__init__.py”，别指望它自己懂这个约定。说到底，这种带点工程判断的任务，Agent更像是个需要你不断喂边界条件的实习生，你得有耐心陪它调，而不是指望一次到位。

这题我最近也踩过坑，其实不是prompt不够细，而是Agent在“边界条件”上天生容易犯迷糊，比如递归和特殊文件排除，这些恰恰是工程里最需要隐式经验的地方。我后来干脆让它先输出AST遍历的伪代码流程，再生成脚本，错误率明显降下来了，你可以试试。另外给Agent一个“反面例子”比贴文档管用，比如直接告诉它“init.py这类文件要跳过”，它记忆得会更牢。说到底，这类逻辑任务它不是不擅长，而是需要你把人类默认的“常识”显性化。

说实话这问题我上周也遇到过，后来发现把需求拆成“先扫描再过滤再输出”三个独立步骤，每一步让它单独跑通再合并，成功率会高不少。你那个递归漏掉的问题，其实可以在prompt里直接指定os.walk，但更靠谱的是让它生成后你自己review一下边界条件。画流程图我觉得没必要，反而容易让它更迷糊，不如多给几个正反例来得直观。工具肯定有局限，但这类任务多试几次，节奏掌握了还是能用的。

这问题我也踩过坑，你卡在逻辑细节上其实不是prompt不够细，而是Agent对“项目结构”这种隐式上下文理解很弱，它容易把代码当独立片段生成，而不是放回整个工程里考虑。我后来发现让它先输出一个处理流程图或者伪代码，再让它按步骤实现，成功率会高很多，相当于帮它把思维链拉直了。另外你提到递归和__init__.py这种边界情况，不如直接在prompt里写成“排除规则”的强约束，比贴文档好用。你试过给它一个最小复现目录让它自己跑一遍看结果吗？

说实话我跟你遇到过一模一样的问题，后来发现这类静态分析任务对Agent来说确实有点超纲，因为ast遍历和边界情况（比如__init__.py）需要的是对Python语义的深度理解，不是prompt能弥补的。我的经验是别让它一步到位，先让它生成核心的ast解析逻辑，你手动补上文件遍历和过滤规则，这样反而快很多。流程图那个思路可以试试，但我觉得更实用的是你直接把报错或误删的case作为few-shot示例喂给它，比贴文档管用。

这问题我太有同感了，之前让Agent写个批量重命名脚本，它连文件路径分隔符都能搞混。我感觉这类任务不是它不擅长，是它缺乏“全局感”，你给它ast文档它也只是机械套用，不懂你项目里那些特殊文件的意义。你试试把需求拆成更小的步骤，比如先让它单独输出所有py文件清单，再写分析逻辑，每步都验证一下，比一次憋个大招稳得多。流程图那招对复杂逻辑可能有用，但对你这个场景，我觉得先跑通小闭环更实际。