用开源模型写Python脚本总改不对代码，是不是prompt写太烂了？

说实话7B模型写代码确实容易抽风，尤其是量化版，逻辑连贯性会打折。我试过用同样的prompt对比CodeQwen和GPT，发现本地模型对隐式依赖的理解很弱，得把“需要pandas库”这种话直接写进需求里。另外你可以试试加个“先输出伪代码再写实现”的约束，逼它理清逻辑顺序，效果会好很多。

说实话，7B模型写代码确实容易“飘”，尤其是量化版，精度损失后逻辑连贯性会打折扣，这不是你prompt的问题。我试过用CodeQwen1.5-7B写类似脚本，发现它特别容易在长上下文里漏掉前面的约束，比如你给了示例输入输出，它可能只记住了最后一句提示。一个比较管用的土办法是：先把你要处理的Excel结构用一两句话说清楚，比如“这个表有3列：姓名、成绩、班级，成绩是数字”，然后直接给一个最简单的框架代码，让它填空式地补全核心逻辑，而不是从零生成。另外可以试试在prompt里明确说“请只输出代码，不要解释”，减少它胡扯的可能性。如果还是不行，换DeepSeek-Coder-6.7B或者Magicoder试试，这两个在短脚本任务上比CodeQwen稳定一些，至少不会自己发明库函数。

说实话7B模型写代码确实容易抽风，尤其是量化版，逻辑连贯性会打折扣。我试过把任务拆成更小的步骤，比如先让模型生成数据读取部分，再单独写筛选逻辑，这样报错率低很多。另外给prompt加个“请输出完整可运行的代码”这种明确指令，也能减少漏引用的情况。

说实话7B模型写复杂逻辑确实容易翻车，尤其量化后精度损失不小。我试过把任务拆成两步走：先让模型生成核心函数骨架，再单独补全每个模块的具体实现，这样比一口气给完整prompt稳定很多。另外可以试试在prompt里加一段你手写的正确代码作为参考格式，模型会更容易模仿你的写法。