用ChatGPT写Python脚本，为什么同样的Prompt结果时好时坏？

把需求拆成小步骤，让它每步写完再继续，比一次给完整prompt稳得多。另外先给个输入输出示例，字段名错的问题基本能避免。

我自己也遇到过这情况，后来发现把“写个脚本处理CSV”改成“读取这个路径的CSV，列名是这些，清洗逻辑是那样，输出格式我指定”，成功率明显高。另外别迷信“一步步思考”，不如直接给它一个你期望的输入输出示例，模型照着模板套反而稳。报错的话就把它给的报错信息原样丢回给它，让它自己修，比重新描述需求省事。

把需求拆成小步骤一次问一个，再让它先给伪代码确认逻辑，比直接要完整代码稳得多。

同感，GPT-4写代码确实有随机性，尤其是数据清洗这种细节多的任务，差一个字段名就崩。我试过把需求拆成小步骤，先让它处理列名，再写清洗逻辑，比一次性给完整需求稳很多。

另外给它一个输入输出的例子特别管用，哪怕就几行伪数据，它理解起来会准不少。我还习惯让它跑之前先自己检查一遍常见错误，比如导入库和数据类型，能减少不少低级问题。

你也可以试试在Prompt里明确说“用pandas，列名原样保留”，这样它就不太会自作主张改字段。总之别指望它一次完美，把它当实习生用，多给点约束和反馈会好很多。

我一般会先给个最小可运行的例子，再让它按这个模板改，后面就稳很多。还有个技巧是让它显式输出依赖和字段检查，比如“先列出手动确认的列名再写代码”，能减少瞎猜。温度调低点也有用，不过更关键的还是把输入结构说清楚，别让它自己脑补。

我也遇到过，感觉主要还是模型有随机性，temperature摆在那，同样的prompt每次走的路子都不一样。我的经验是别光靠嘴描述，直接甩一小段CSV样例和期望输出给它，让它照着格式来，命中率会高很多。另外字段名这种最好在prompt里写死，别让它猜。拆子问题确实有用，但更关键的是让它先确认理解再写代码，能少踩不少坑。

温度调低点会稳很多，再固定给个输入输出样例，基本就不飘了。

大模型本来就有随机性，temperature调低点会稳不少。另外把列名和示例数据直接贴给它，比说“一步步思考”管用多了。

这事儿我太有同感了，用GPT写代码确实经常开盲盒。其实核心原因就俩：一是模型本身有随机性，temperature再低也不可能完全 deterministic；二是你描述里的隐含上下文它不一定每次都能补全。我后来摸索出几个让成功率明显提高的土办法。

一个是在prompt里直接给它列名和几行样例数据，别让它猜字段。另一个是明确要求它先输出假设和步骤，确认没问题再写代码，这样错了也容易定位。还有就是固定用一段你验证过的模板开头，比如“import pandas as pd”这些前置都写死，让它只填逻辑部分。拆子问题也挺有用，尤其是清洗逻辑复杂的时候，分步比一次到位稳得多。另外别指望一次就成，把报错信息连同原代码一起贴回去让它修，比重新生成靠谱。

这问题太真实了，我也被坑过好多次。其实核心原因就是大模型本质上是概率采样，temperature不为0时每次输出路径都不一样，所以同样的Prompt跑出不同结果是正常的，不是你的描述有问题。但可以通过一些手段把方差压下来。我的经验是别指望它一次给完整脚本，而是先让它只输出函数签名和字段映射逻辑，你确认没问题再让它填充实现，这样出错范围可控。另外把CSV的列名和几行样例数据直接贴给它，比说“从CSV提取特定列”强十倍，它就不会瞎猜字段名了。还有个技巧是让它输出带assert的自检代码，跑之前先验证列是否存在，这样即使它写错了你也能马上定位。至于“一步步思考”，对代码任务帮助有限，不如直接说“先列出你需要用到的库和每个步骤，再写代码”。最后建议把能跑通的版本存下来当few-shot示例喂回去，后面同类任务稳定性会明显提升。

确实不光是你，我也遇到过同样的情况，感觉GPT-4写代码有时候就像开盲盒。后来我发现把需求拆得特别细会好很多，比如直接说“用pandas读取data.csv，只保留name和age两列，过滤掉age为空的行”，这样它基本不会漏掉导入或者搞错字段。另外给它一个输入输出的例子也很有用，相当于帮它对齐了格式。不过随机性还是有的，跑之前自己扫一眼import和列名基本能避开大部分坑。

这问题太真实了，我前阵子也老遇到。GPT-4写代码确实有随机性，尤其字段名和导入这种细节，它每次可能“脑补”得不一样。我现在习惯先把CSV的列名和几行样例贴给它，再让它写，基本能稳不少。另外把需求拆成“读文件—清洗—输出”这种小步骤问，比一次性让它写完靠谱多了。

你这情况太常见了，GPT写代码本来就有随机性，temperature不为0嘛。我一般会把需求拆得特别细，比如先说“用pandas读取data.csv”，再让它单独写清洗那步，分步来稳很多。还有个技巧是给它一两行样例数据，它就不容易把字段名猜错。另外记得让它显式输出import语句，别默认它记得。

温度调低点会稳很多，另外把列名和预期输出直接贴给它，别让它猜。

这个其实挺正常的，GPT-4写代码确实有随机性，尤其你prompt里如果只说了“提取特定列”但没给具体列名，它每次猜的都可能不一样。我一般会直接把CSV的前两行贴给它，再明确说“用pandas读，列名保持原样，输出完整可运行脚本”，这样稳很多。另外温度调低一点也有帮助，默认1.0确实容易飘。拆成子问题是个好思路，比如先让它写读取和打印列名，确认对了再让它做清洗，比一次性要完整脚本靠谱。

这个问题我太有共鸣了，GPT写代码确实像开盲盒。我后来发现关键是要把数据格式和字段名直接告诉它，比如“CSV第一列叫user_id，第二列叫date”，它就不会瞎猜了。另外温度参数调低点也有帮助，API里设成0.2左右稳定不少。还有就是让它先输出思路再写代码，中间错了还能及时纠正，比直接扔一堆代码强。

有没有更详细的教程推荐？