用Prompt让AI写Python脚本，总是忽略错误处理怎么办？

说实话你这个情况我太熟了，GPT-4写业务逻辑确实挺强，但一到错误处理就像得了失忆症，你写“健壮”它可能理解成“多写几个if”。我试过把异常处理直接拆成一条条硬性指令，比如“每个open必须配try，每个请求必须设timeout=10”，比笼统说“健壮”管用得多，但任务一复杂它就又飘了。few-shot确实值得试，但别给完整例子，给那种“错误示范+修正后”的对比，它学得会更快。至于让AI自查，我现在是让它生成后跑一遍“静态代码审查”，专门用prompt问“这段代码哪些地方可能抛异常，哪些资源没释放”，效果比让它自己瞎改强。不过说实话，手动review这步目前还是逃不掉，尤其涉及多线程和文件句柄，AI的“自信”往往就是最大的坑。你有没有试过让它先生成伪代码框架，把错误处理逻辑先画出来，再填具体实现？我最近这么搞，感觉它至少在结构上不再裸奔了。

这问题太真实了，我试过把错误处理写成系统prompt里的固定段落，但代码一长它照样选择性失明。后来发现与其让它自查，不如直接给个带try-except的模板做few-shot，比口头强调管用得多。另外你提的“生成后自查”其实可以试试让它先跑一遍静态检查，指定它用pylint或mypy报错再改，比纯靠prompt约束靠谱。不过说实话，复杂逻辑下AI的“健壮性”本质是概率问题，关键路径还是得自己盯，省不了多少事。

试试把“必须处理所有异常”写进系统提示词，再让它给每个函数配个测试用例，效果立竿见影。

这问题太真实了，我试过把错误处理写成具体规则塞进prompt，比如“每个open必须配try-finally”，效果比泛泛的“健壮”好点，但任务一长它还是会忘。few-shot确实有点用，但得挑几个典型的错误场景贴进去，不然它学个皮毛。至于自查，我后来干脆让它自己生成后加一段“审查并找出未处理异常”的步骤，输出会稳一些，不过还是得扫一眼，完全撒手不太现实。

试试让AI先写一个有bug的版本，再让它当code reviewer挑毛病，比直接生成强多了。

few-shot真有用，我塞两个错误处理例子进去，它立马老实，就是得挑对场景。

说实话我试下来感觉few-shot比改prompt管用，你给两个带try-except和超时参数的例子，它模仿得还挺像样。另外可以试试让它生成完自己跑一遍静态检查，比如直接说“用pylint查一下这段代码”，有时候能逼出点问题来。不过复杂任务确实容易翻车，我现在基本默认它第一版没错误处理，直接要求补一个“防御性编程”的版本，省得来回拉扯。

这问题太真实了，我试过把错误处理要求写进system prompt里，结果它照样给你生成裸奔代码。后来我干脆在prompt里加一句“每个函数必须用try-except包裹，并在except里写日志”，然后给个两行的小例子，效果比单纯说“要健壮”好得多。至于自查，我现在会让它先跑一遍简单的静态检查，比如用pylint的规则去约束它，但说实话，复杂逻辑还是得自己过一眼，别指望AI全包。

其实你可以试试把“错误处理”拆成具体场景，比如“文件不存在时跳过并记录，网络超时重试三次”，它反而能理解。多线程+日志这种，我一般先让它生成单线程版本，再手动改并发，不然它一放飞连锁都不给你加。另外，让它输出前自己review一遍代码，用“请检查代码中是否有未处理的异常”这种指令，偶尔能逼出点改进，但别抱太大希望。

我倒是觉得你那个“分步骤输出”方向是对的，但步骤别按功能拆，按错误类型拆。比如先让它写文件读取，要求包含FileNotFoundError和PermissionError的处理，再写网络请求，要求TimeoutError和ConnectionError，这样它反而能记住。自查这块，我试过让它“运行代码并报告潜在异常”，但它经常编一个不存在的运行结果，还是

试试把错误处理写进system prompt里当硬性规范，再让它输出前自己跑一遍静态检查，能省不少事。

我一般直接丢给它一个带异常处理的few-shot例子，比光说“要健壮”管用多了。

我试过在prompt里加“生成后自己检查一遍错误处理”，但效果也是时好时坏，感觉模型对“自查”的理解就是走个过场。后来我干脆把常见的异常场景直接写在prompt里，比如“文件不存在、网络超时、编码错误”这些具体例子，让它照着处理，比笼统说“健壮”管用得多。不过多线程那种复杂逻辑，确实还是得自己兜底review，AI目前顶多帮你把框架搭好，细节还是得人来补。

试试在prompt里加一句“先列错误场景清单再写代码”，我这招对复杂任务挺管用。

说实话我觉得这事儿不全是prompt的锅，模型本身对“健壮”的理解就是偏表面的，你给它“包含异常处理”它可能只会在最明显的地方加个try，深层逻辑完全顾不上。我试过把需求拆成函数级别，每个函数单独让它写，错误处理反而好很多，但代价是一旦要拼起来，接口对接又容易出问题，等于把复杂度转移了。few-shot确实有用，但别给那种“完美示例”，最好给它一个带bug的版本，让它自己找出漏掉异常的地方，这样它反而更上心。至于让AI自查，我现在的做法是生成完以后追加一句“请用pylint或mypy的标准检查这段代码，列出所有可能抛出的异常”，效果比让它直接改要好，但说实话还是得靠人看关键路径。你提到多线程+日志，这种场景下建议把错误处理写进prompt的“约束条件”里，比如明确“每个线程函数必须捕获所有异常并写入日志”，不然它默认觉得run()里抛异常没关系。最后想说，别指望AI帮你兜底，把它当实习生，你review的时间省不了多少，但能把重复劳动砍掉一半，这就够本了。

试试在prompt里让它“先写错误处理再写逻辑”，顺序一变效果挺明显，或者直接让它输出带pytest的测试用例。

我一般让它生成后自己跑一遍mypy和pylint，把报错贴回去让它改，比手动review省心多了。

试试在prompt里加一句“代码必须通过pylint检查”，生成后让它自己跑一遍静态检查再输出，能省不少事。

说实话这问题我太有同感了，GPT-4对“健壮”的理解跟咱们完全不在一个频道上，它觉得不报错就是健壮了。我后来试了个偏方，在prompt里直接写“每个文件操作和网络请求后面必须跟try/except，且except里要打印具体错误并return”，比那句笼统的“包含异常处理”管用十倍。另外few-shot确实有效，但别给太长的例子，就贴一个5行的小片段，让它模仿那种“防御性写法”的节奏，比让它理解抽象指令靠谱。说到自查，我现在会让它生成完代码后，自己用“假设我是代码审查者，找出3个可能崩溃的场景”来复盘，效果还行，但别指望它真能发现所有坑。最气人的是多线程那个例子，它有时候会把异常吞得干干净净，连日志都不打，这时候我干脆把关键函数拆出来，单独让它写，最后自己拼装。说到底，AI写代码就是个加速器，review还是省不掉，不过你可以试试让它给每段代码加个“错误处理说明”注释，至少review的时候能快速定位哪里没防护。

说实话，你这个问题我也踩过坑。光在prompt里写“要健壮”基本等于没说，模型对“健壮”的理解跟咱们不一样，它觉得语法对就算健壮了。我试过最有效的办法是直接给一段带try/except和超时设置的代码当例子，few-shot比描述管用十倍。另外“生成后自查”这事，我现在是让它先跑一遍静态检查，把报错丢回去让它改，比自己review轻松点。但复杂任务确实容易放飞，多线程尤其明显，建议拆成小函数一个个生成，别让它一口气写完。

第一次回复风格：直接分享经验，带点“我也踩过坑”的认同感，口语化但逻辑紧凑。光靠prompt里写“要健壮”确实没用，模型对这类抽象词的理解太表面了。我试过在prompt里直接贴一段你想要的错误处理模板，比如open文件必须用with加try，网络请求必须设timeout，它就会照着这个范式走，比说一万遍“注意健壮性”都管用。至于自查，可以让它生成后自己用pylint或mypy跑一遍，把警告信息丢回去让它改，虽然不能完全替代人工，但至少能抓出裸奔的open和requests。多线程那种复杂场景，我建议还是分模块写，每个函数单独生成，最后你自己拼，

试试用few-shot塞两个带完整try/except的示例，它学得快；另外生成后直接让它“找出代码里所有可能报错的地方”再改一轮。

试试先给个带错误处理的示例代码再让它写，或者在prompt里加一句“每步操作必须try-except”。

我都是让它生成后直接跑一遍静态检查工具，比自己盯着快多了。

试试把错误处理写进系统提示词，或者干脆让它先跑一遍再补try，比反复强调管用。

我都是直接把异常类型列出来让它照着写，比如FileNotFoundError、TimeoutError，比笼统说“健壮”有效。

说实话这事儿我太有同感了，GPT-4对“健壮”的理解跟咱不一样，它更擅长写主流程，边缘情况全靠猜。few-shot确实比单纯描述有用，我试过在例子里塞一个带try-except和超时设置的函数，后面它模仿的概率高很多。另外你可以试试在Prompt末尾加一句“生成后检查所有IO操作是否有异常处理”，让它自己过一遍，虽然不完美但能少漏一半。手动review还是躲不掉，但至少能让它从“裸奔”变成“穿条短裤”。

说实话我觉得问题不在prompt结构，而是大模型默认输出“能跑就行”的最小实现，你要求它健壮它也只是表面答应。试试在prompt里直接给一段带完整try/except和超时设置的示例代码，让它模仿你的风格写，比单纯说“要健壮”管用得多。另外我习惯让它生成后自己跑一遍静态检查，比如让它用pylint扫描并修复问题，这比手动review省心不少。