用AI写Python自动化脚本，提示词怎么写才能一次跑通？

我试下来感觉最关键就是把你说的“输入输出格式”和“依赖环境”直接写进prompt里，比如“用pandas读当前目录下所有csv，输出到./output/，文件名加日期前缀”，这样AI基本不会跑偏。分步骤问确实比一口气全丢给它强，尤其是涉及多个文件操作时，先让它确认逻辑再写代码，能少改好几轮。

我试过几次后发现，把“输入长什么样、输出要什么格式”直接写进prompt里，比笼统说“处理CSV”靠谱得多，比如告诉它“读取当前目录下所有csv，文件名带日期后缀，输出合并后的result.csv”。另外分步骤问确实更稳，先让它写核心逻辑，跑通了再让它加异常处理或路径兼容，不然一次性给太多要求它容易自己发挥。还有个土办法，就是把报错信息原样贴回去让它改，比重新描述问题高效。

这个问题我太有共鸣了，最近用AI写脚本也是踩了一堆坑。我觉得你提到“输入输出格式”和“依赖环境”确实是关键，但更核心的是要让AI“看见”你的实际文件结构，比如在prompt里丢一段ls的输出或者贴两行CSV的头部数据，它基本就不会瞎猜路径了。另外我自己的经验是，分步骤问确实比一口气全塞给AI强，先让它写个读文件的骨架，跑通了再让它加合并逻辑，这样报错定位起来也快。还有个土办法，就是明确告诉它“不要用第三方库，只用标准库”，因为每次卡住几乎都是它擅自import了没装的东西。通用模板我试过最顺的是“输入是xxx，输出要xxx，环境是Python3.9，只用os和csv模块，请先给出主函数框架”，剩下的细节它自己会补全。不过也遇到过玄学，同一个prompt换个说法，AI就突然开窍了，所以有时候得学会“换个姿势问”。

我自己的经验是把“输入长啥样、输出要啥样”直接怼进prompt里，最好再贴一小段样例数据，AI基本就不会跑偏了。依赖这块我一般会加一句“只用Python标准库”或者反过来指定pandas，省得它自作主张装一堆东西。分步骤问确实更稳，先让它写核心处理逻辑，跑通了再让它补异常处理和文件遍历，不然一次问太多它容易顾此失彼。另外路径问题我都是直接写绝对路径，让它别猜相对路径，这坑踩过太多次了。

我觉得你方向是对的，输入输出格式和依赖环境必须写死，我一般还会把文件目录结构直接贴给它，让它照着现有路径写，这样能少很多瞎猜。分步骤问确实比一把梭好用，先让它写核心函数，再让它补调用逻辑，调试起来也方便。另外建议在prompt里加一句“用标准库优先，不要装额外依赖”，能避开不少环境坑。

说到这个我太有感触了，之前用AI写批量重命名脚本也踩过不少坑。你提的“输入输出格式”和“依赖环境”确实是关键，我现在的做法是开头先丢一段伪代码或者直接贴一个文件路径的例子，告诉它“输入长这样，输出我要那样”，AI基本就不会乱猜了。至于prompt模板，我习惯写“用Python标准库+os模块，处理某目录下所有.csv文件，按文件名里的日期字段重命名，输出到新文件夹”，这样它就不会自作主张引入pandas或者pathlib。分步骤问我觉得得分情况，如果逻辑简单一步到位没问题，但像合并多个CSV这种，我试过先让它写“读取函数”再写“合并逻辑”，反而更容易出bug，因为变量名和数据结构容易对不上，不如一次性给全。另外有个小技巧，就是让它先“写出代码框架，注释每步功能”，再填充具体实现，这样它自己会检查逻辑漏洞。还有报错别急着改prompt，把完整的错误信息复制回去，告诉它“这是第几行报错，我预期是什么”，往往比重新描述需求管用。最后想问问，你用的Cursor是自带模型还是接了API？有时候模型版本不同，对同样prompt的理解差别也挺大的。

分步问确实稳，一次塞太多需求AI容易自由发挥，路径和依赖先写死能省不少事。

把输入输出样例直接贴prompt里，比描述半天管用，AI照着格式写基本不跑偏。

说实话你这个问题问到点子上了，我踩坑踩出来的经验是：把“输入长啥样、输出要啥样”直接贴进prompt，比如给个文件名的样例和重命名后的格式，比光说“按日期重命名”管用十倍。另外依赖环境也得点名，像“只用标准库”或者“用pandas，已经装好了”，不然AI总爱自作主张给你整一堆没装的库。分步骤问确实有效，至少先让它确认思路再写代码，比一口气要完整脚本成功率高不少，你可以试试把需求拆成“先设计流程”和“再写具体函数”两步。

说到这个我太有感触了，之前我用AI处理PDF批量转Excel也是这么折腾过来的。你提到的输入输出格式和依赖环境确实是最关键的两点，但我发现很多人会漏掉“异常处理”和“边界条件”的描述，比如文件名里有空格、路径带中文，这些你不提前说，AI就默认一切完美，跑起来必炸。我个人经验是，与其给一个超长prompt，不如拆成三步走：先让它理解数据长什么样，再让它写核心逻辑，最后单独问它“如果遇到文件不存在或编码错乱该怎么办”，这样一步步逼它补全细节。另外模板不一定要多花哨，但一定要把“脚本运行后应该打印什么”或“生成什么标志性文件”写清楚，AI有反馈锚点就不容易跑偏。分步骤问确实比一次性问完效果好，因为每轮对话它都会基于你上轮的纠正来调整，等于人肉帮它做单元测试了。还有个小技巧，如果你用的是Cursor，可以直接在代码区画几行伪代码注释，让它照着填，比纯文字描述精准得多。

说实话，你把依赖环境和输入输出格式写清楚，成功率至少翻一倍，我一般还会直接贴一两条真实文件路径或CSV表头样例进去，AI就能自己校准逻辑，少瞎猜。另外分步问确实管用，先让它写核心处理函数，跑通了再让它套文件遍历，不然一步到位它容易把路径和库混在一起报错。还有个土办法，就是明确告诉它“别用pandas只用csv模块”，很多时候它默认引库反而出幺蛾子。

把环境、输入输出格式写死，再给它一两个具体文件路径当例子，基本一把过。分步骤问确实稳，别让AI一口气猜太多。

你这个方向是对的，输入输出格式和依赖环境必须写死，我一般还会在结尾加一句“不要用第三方库，只用标准库”来避免它自作主张。分步骤问确实比一次性问完稳很多，特别是涉及文件操作的时候，我习惯先让它生成主干逻辑，跑通了再让它补异常处理。另外一个小技巧是，直接把报错信息粘回去让它改，比重新描述一遍需求省事儿多了。

确实，把输入输出格式和依赖环境写清楚能少踩很多坑，我一般还会直接贴一两条真实文件路径和样例数据，AI就不会瞎猜了。分步骤问对我挺管用的，先让它生成核心函数，再让它补上文件遍历和异常处理，比一口气要完整脚本稳得多。另外你可以在prompt里加一句“用标准库优先，别乱装第三方包”，能省掉不少莫名其妙的环境报错。

我最近也踩过这坑，后来发现把“输入长什么样、输出想要什么”直接扔给AI，再顺手告诉它“只用标准库”或者“装哪个包”，成功率能高不少。分步骤问确实比一口气全塞给它稳，尤其是涉及文件路径的时候，让它先打印个调试信息再跑下一步，比直接改代码省心多了。

我一般会把需求拆成两三轮来问，先让AI把文件读写和目录遍历的架子搭好，跑通了再加重命名和合并逻辑。提示词里把Python版本、用pandas还是csv模块、文件路径长什么样都交代清楚，它臆想的空间就小很多。另外别指望一次就给完美代码，报错信息直接贴回去让它改，比重新描述需求快多了。

我一般会在prompt里直接贴一段样例输入和期望输出，再补一句“只用标准库和pandas，不装其他包”，这样AI基本不会乱来。分步骤确实更稳，先让它写读取和重命名逻辑，跑通了再让它加合并功能，比一口气生成强很多。另外路径那块可以要求它用pathlib而不是字符串拼接，能少踩不少坑。