用Cursor写Python项目，AI老给我生成一堆没见过的库，该不该直接装？

我最近也遇到类似情况，polars和duckdb其实性能比pandas好不少，但小项目加这么多依赖确实容易让队友头疼。我的做法是在提示词里明确写“只使用pandas和标准库”，或者直接先自己搭好框架再让它补逻辑。另外pyjanitor那个库其实挺实用的，专门做数据清洗，不过得看团队是否接受引入新东西。

可以试试在prompt里加一句“只用标准库和pandas”，我试过这样它就不乱发挥了。

说实话你这种情况我太理解了，Cursor有时候确实会“炫技”式地堆库，好像不用点新东西就对不起它的AI身份似的。不过平心而论，polars和duckdb在数据处理性能上确实比pandas强不少，尤其数据量大的时候，pyjanitor做数据清洗也很顺手，但问题是如果团队其他人不熟悉这些库，维护成本确实会高。要让它乖乖用pandas的话，我试过在提示词里明确写“只使用Python标准库、pandas和re，不要推荐其他第三方库”，或者再加一句“所有代码必须兼容pandas 1.x版本”，这样它会收敛很多。另外你也可以先手动在代码文件头部把import写死，比如import pandas as pd，然后告诉它“基于已有import完成功能”，这样它就不会自作主张加新东西了。不过话说回来，偶尔接触点新库也不全是坏事，像duckdb做聚合查询真的快得离谱，下次小项目可以偷偷试试，别让队友知道就行哈哈。

说实话我也遇到过这种问题，Cursor确实有时候会自作主张换库，特别是polars这种性能确实比pandas好但生态还不完全兼容的。我的做法是在系统提示词里明确写“只使用Python标准库和pandas”，如果它还是乱来就手动改回去，毕竟团队维护还是得考虑大家熟悉度。另外pyjanitor其实是个挺好用的数据清洗工具，但确实没必要为了个小脚本引入它，简单场景pandas完全够用了。

直接加一句“只用标准库和pandas”就能治住它，或者干脆把允许的依赖列表写进提示里。

说实话polars和duckdb在数据处理圈子里口碑挺好的，尤其是处理大文件时比pandas快不少，但不是所有场景都需要。我建议你可以在提示词里加一句“只使用pandas和re标准库”，或者直接指定“不允许导入第三方库”，这样它就不会放飞自我了。至于维护问题，如果团队约定好用pandas，那确实别乱加依赖，不然队友看到pyjanitor这种冷门库真的会懵。

说实话我也遇到过这问题，polars和duckdb其实挺靠谱的，尤其数据量大的时候比pandas快不少，但小项目确实没必要硬加。我的经验是提示词里直接写“只使用pandas和re完成，不要引入额外库”，再补一句“代码风格保持简单”，AI基本就不会自由发挥了。至于pyjanitor，那个是数据清洗的辅助库，功能挺实用的但团队里没人用过的话还是别加比较好。

说实话polars和duckdb在数据处理这块确实比pandas快不少，尤其数据量大的时候，不过小项目用它们确实有点杀鸡用牛刀。我试过在提示词里加一句“只用python标准库加pandas”，或者直接指定“用pandas.DataFrame操作”，生成结果就老实多了。不过你担心的维护问题挺现实的，团队里如果有人不熟悉这些库，debug时确实会懵，建议先看看它们和pandas的API差异大不大。

老实说polars和duckdb在处理大文件时确实比pandas快不少，但小项目里硬塞这些库确实有点杀鸡用牛刀。我试过在提示词里加一句“只用标准库和pandas”或者“禁止引入非pandas依赖”，效果还行，但它偶尔还是会偷偷用别的库做优化。另外pyjanitor算是数据清洗的辅助库，装了也不亏，但你队友要是没接触过可能会一脸懵逼。建议你跑通后把不用的库删掉，自己重写那几行逻辑，代码干净比炫技重要。

说实话我也有同感，Cursor有时候确实爱炫技，polars和duckdb虽然性能确实比pandas强，但小项目里真没必要硬上。我的做法是在提示词里加一句“仅使用Python标准库和pandas”，效果还挺明显的。至于维护问题，如果团队里没人熟悉这些库，建议还是换回pandas，不然出了bug队友连查文档都得现学。

完全理解你的纠结，我也遇到过类似情况。polars和duckdb其实都是近年很火的高性能库，尤其polars在处理大数据时比pandas快很多，但如果你只是做几MB的CSV清洗，确实没必要引入这些。pyjanitor倒是挺实用的数据清洗辅助库，但依赖它会让队友得多学一个工具。我的建议是，小项目先用pandas跑通，如果遇到性能瓶颈再考虑换库。至于提示词，可以明确写“只使用pandas和标准库中的re，不要安装其他第三方库”，然后加上“每个代码块前标注依赖来源”来约束它。另外你在Cursor里把当前项目依赖（比如requirements.txt）提前贴给它，也能减少自由发挥。不过话说回来，AI推荐新库也算好事，至少让你知道了还有这些选择，以后遇到大文件时心里有数。

同感，我一开始用Cursor也遇到过这种情况，它有时候确实爱炫技。你说的这几个库里，polars和duckdb其实挺靠谱的，数据量大的时候性能比pandas好不少，但小项目里确实没必要强上。想让AI规矩点的话，我试过在提示词里加一句“只使用python标准库和pandas”或者“禁止引入第三方新库”，效果还行。不过说实话，偶尔接触一下新东西也不全是坏事，万一以后真用得上呢。

说实话我特别理解你这种懵圈的感觉，polars和duckdb确实都是这几年火起来的新东西，性能上比pandas强不少，但冷不丁塞给一个只写小脚本的人确实有点过度设计了。我个人觉得如果你只是洗个小文件，pandas加re完全够用，没必要为了“新潮”给项目引入一堆不熟悉的依赖，万一哪天某个库不维护了或者队友得现学，那才叫坑。至于怎么让Cursor老实点，我发现一个技巧：在提示词里明确加上“仅使用标准库和pandas”或者“不要引入第三方库除了pandas和re”，语气坚定一点，它就不太敢自由发挥。另外你也可以在项目里先手动建个requirements.txt，把允许的库写死，这样它生成代码时就会受限。不过话说回来，如果你未来项目规模真大了，polars处理上亿行数据确实比pandas快很多，duckdb做分析查询也极好用，所以偶尔了解下也没坏处，但别为了尝鲜硬塞进小项目里。

说实话我也遇到过，Cursor特别喜欢炫新库，polars和duckdb其实性能确实不错，但小脚本真没必要硬上。我的办法是在prompt里加一句“仅使用Python标准库和pandas”，再明确说“不要引入任何第三方依赖”，基本就能按住它。至于维护问题，如果你团队里其他人对这些库不熟，后期排查起来确实会头疼，建议还是先统一技术栈。

直接装吧，这些库性能比pandas强不少，队友看到还得夸你懂行。

说实话我最近也遇到类似情况，Cursor确实喜欢“炫技”，动不动就整出些冷门库。不过你列的那几个其实不算坑，polars对大数据集性能比pandas好不少，duckdb在分析场景下也很强，但问题是如果你项目只是简单清洗CSV，用这些确实有点杀鸡用牛刀，队友接手看到一堆不熟悉的依赖肯定头疼。我的做法是直接在prompt里加限制，比如“只使用python标准库和pandas”或者“禁止引入第三方库，除非必要”，然后把pandas的常用写法写进上下文，它就会收敛很多。另外建议你在项目里加个requirements.txt或者pyproject.toml，让AI明确看到依赖范围，它就不敢乱加东西了。不过话说回来，偶尔试试新库也没坏处，像pyjanitor做数据清洗其实挺方便的，就是文档少点，万一出问题队友得现学。

说实话这个问题我也纠结过，polars和duckdb其实都是近几年很火的高性能库，处理大数据比pandas快不少，但确实对新手不友好。我个人觉得，如果你项目只是小规模清洗，完全没必要引入这些，保持pandas+re就够了，以后同事接手也省心。要控制AI别自由发挥，我试过把提示词写具体点，比如“只使用pandas和标准库，不要引入第三方非必需库”，它基本就听话了，但偶尔还是会冒出个冷门库，得手动删。另外pyjanitor我查过，算是pandas的补充工具，清洗数据确实好用，但依赖链可能有点长，小项目硬上反而麻烦。你可以在代码里先注释掉那些库，跑通后再决定要不要保留，毕竟AI生成的代码有时候为了炫技硬塞高级功能，实际用不上。

其实polars和duckdb这几年在数据处理圈挺火的，性能确实比pandas好不少，尤其是大文件场景，pyjanitor也是做数据清洗的，不是啥野鸡库。但如果你担心队友维护困难，直接在提示词里加一句“只使用pandas和re库，不要引入其他外部依赖”就好，我试过挺管用的。不过话说回来，项目简单的话，用这些新库反而可能增加学习成本，自己权衡下吧。

说实话我刚开始用Cursor也这样，后来发现它喜欢“炫技”。polars和duckdb其实性能确实比pandas强，但小项目完全没必要，直接用系统提示词里加一句“只使用pandas和re库，不要引入其他第三方库”就能管住它。另外pyjanitor这种数据清洗工具挺实用的，但维护时队友真可能会懵，建议要么在requirements里注明用途，要么干脆手动删掉用pandas替代。

哈哈这题我太有共鸣了，Cursor有时候确实脑洞大开，polars和duckdb我一开始也懵，后来发现其实都是挺硬核的库，尤其polars在性能上比pandas强不少，但小脚本真没必要上这么重。我的经验是，提示词里直接加一句“只使用python标准库和pandas”就能管住它，或者更狠点：“不要引入任何未在requirements.txt里预定义的第三方库”。至于维护坑队友，我觉得如果队友都是老手倒还好，但要是新人看到pyjanitor这种冷门库确实会头大，毕竟文档和社区支持不如pandas成熟。我自己一般会让AI先列个依赖清单，我手动挑几个必要的再让它写代码，这样既不用全盘接受，也不会错过好用的工具。话说你那个脚本要是数据量不大，其实pandas完全够用，duckdb更适合做分析型查询，杀鸡用牛刀了。