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？

说实话这类任务我试过几次，感觉Agent对“边界条件”的理解特别弱，比如递归、特殊文件排除这些，它容易想当然。你贴文档反而可能让它更机械，不如直接给它看一个你手写的错误示例，告诉它“这个情况必须处理”。流程图那步我觉得可以试试，但别指望它一次画对，关键是让它把逻辑拆成小步骤再逐段验证。另外，这种删代码的工具建议先跑dry-run模式，输出预览再确认，别直接让它改文件。

这种任务其实挺考验代码生成模型的，建议你先把边界条件写死，比如遍历和排除列表直接给出来。

我试过让它先写伪代码再转Python，比直接给需求稳不少，你可以试试。

说实话你这需求我试过类似的，Agent对ast这种偏静态分析的场景确实容易翻车，它更擅长生成样板代码而不是精确控制边界条件。我觉得关键不是让它一次写对，而是把需求拆成几个小步骤，比如先让它输出文件树，再单独写分析逻辑，最后再合并，这样出错的概率会小很多。另外你提到贴官方文档，其实不如给它几个具体的正反例，比如明确说“跳过所有__init__.py”和“只处理.py结尾的文件”，它反而理解得更准。流程图那招我试过，对复杂逻辑有点用，但简单脚本感觉没必要，主要问题还是Agent在长上下文里容易忘记前面的约束。

说实话我觉得这还真不全是prompt的锅，ast这种偏静态分析的活儿本身就挺吃上下文，Agent容易在递归和边界条件上犯迷糊。你可以试试把需求拆成两个步骤，先让它单独写一个“给定目录返回所有py文件”的函数，验证对了再让它写ast处理的部分，这样至少能定位问题出在哪个环节。另外别太指望流程图，它画完该错还是错，不如直接给它一个带异常处理的伪代码框架让它填。

这种任务适合拆成小步骤让Agent一步步验证，一次到位确实容易翻车。建议把删除逻辑改成先扫描再人工确认，靠谱很多。

这活儿得拆成小步走，让它先输出ast分析结果再让你确认，别指望一步到位。

说实话这问题我上周刚踩过坑，用Claude写个批量重命名的脚本，也是逻辑细节反复横跳。我觉得不全是prompt的锅，Agent对边界情况的理解确实弱，比如递归、排除特定文件这种隐含约束，你不如直接把判断规则写死成if条件喂给它，让它只负责翻译成代码。另外画流程图那招我试过，有点用但别抱太大期望，它画完图写代码还是可能偷懒。最靠谱的办法是让它先生成单文件版本，跑通了再让它加递归和异常处理，分步来比一次到位稳得多。

我个人觉得这事的锅一半在工具一半在需求描述方式上。ast库分析未使用import这种任务本身就带点“语义理解”的成分，比如它得区分模块级导入和函数内导入，还得考虑if False这种特殊情况，Agent对这类边界条件的处理确实不太稳。你贴官方文档片段其实帮助有限，因为它可能把文档当参考而不是严格遵循的规则。我之前遇到类似问题，会先让它生成一个针对单文件的版本，我手动跑通逻辑后再让它循环处理所有文件，这样它犯错的概率会小很多。流程图那个思路可能也没太大用，Agent写代码时不会真去推演流程，它更擅长从你给的示例里找模式。要不你试下反过来，先给它一段你期望的输出示例，再让它反推代码结构，有时候比文字描述管用。还有个小技巧，把__init__.py这种特殊情况直接写进prompt做负面清单，它犯错的几率会明显下降。工具局限肯定存在，但很多小问题其实是能通过拆解任务绕过去的。

说实话这问题我上周刚踩过坑，后来发现跟prompt关系不大，是Agent对ast这种偏静态分析的任务理解太浅。它容易把“扫描”理解成单文件处理，递归和边界条件经常要靠人反复盯，还不如自己写个正则快。不过你让它先画流程图倒是挺聪明的，至少能让它把逻辑说清楚再动手。我现在遇到这种活就直接拆成两步：先让它生成伪代码，确认无误了再让写实现，成功率能高不少。

说实话我也遇到过类似的坑，Agent对ast这种偏底层逻辑的任务确实容易“自作聪明”，尤其是边界情况像__init__.py这种它根本不会主动考虑。我觉得关键不是让它直接写代码，而是你得把“什么不能删”这种约束条件写死，甚至给个白名单让它先过滤。流程图那个思路我试过，有点用但别指望它真能自己推演逻辑，更多是帮你把需求拆得更细。另外小脚本建议你还是自己改两行来得快，Agent更适合搭框架，别在细节上死磕。

说实话这问题我最近也踩了不少坑，Agent对“删除未使用import”这种需要全局判断的任务确实容易翻车，因为它很难理解“某个import在文件里没出现但可能被字符串引用了”这种隐含逻辑。我试下来感觉，与其堆prompt细节，不如把任务拆成两步：先让它生成分析脚本的骨架，再手动补充边界条件，比如用正则排除__init__.py。流程图那招我试过，对简单任务有用，但这种逻辑判断它画出来也未必对，最后还得靠你自己把关。