用Prompt让AI写Python脚本，总是忽略错误处理怎么办？

试试在prompt里加一句“先写错误处理骨架再补逻辑”，效果比单纯说“健壮”好很多。

试试在prompt里加一句“生成后逐行检查异常场景并列出”，比单纯要求健壮管用，我试过有效。

few-shot确实更稳，给两个错误处理的例子，它就不会放飞了，不过复杂任务还是得靠自查。

试试在prompt末尾加一句“先列出所有可能报错点再写代码”，比直接要求加try管用。

说实话，你遇到的这个情况我太有同感了，光靠Prompt里写一句“要健壮”根本没用，模型对“健壮”的理解跟咱们程序员完全不在一个频道上。我试过最有效的一招是直接在Prompt里塞一个“错误处理模板”，比如明确告诉它“所有文件操作必须用with open加try/except，网络请求必须设timeout=10并捕获超时异常”，这比抽象描述管用得多。另外你提到few-shot，我觉得可以给两个极端例子——一个是不带错误处理的烂代码，一个是带完整错误处理的好代码，让它对比着学，效果比单纯提要求好。至于让AI自查，我试过让它“逐行检查代码并列出潜在异常点”，但结果它总是自夸写得好，后来我改成“假设你是安全审计员，找出这段代码会崩溃的五个场景”，反馈就靠谱多了。不过说实话，复杂任务还是别指望一次生成就完美，我现在都是让它先出主逻辑，然后单独针对每个函数追加“请补充异常处理和边界条件”的指令，分块打磨比一口气写完靠谱。你那个多线程加日志的场景，建议把日志本身也当成错误处理的一部分去Prompt，比如“每次捕获异常都要写日志并记录堆栈”，不然它默认就是print一下就完事。

试试把错误处理写进系统提示词里固定住，再让它生成后自己跑一遍静态检查，比手动review省心多了。

试试把异常处理写进few-shot里，给个带try的范例，比干巴巴的要求管用。

我一般是生成后直接让AI跑一遍静态检查，让它自己报错自己改，省得手动盯。

试试把错误处理写进系统提示词里，或者直接让它“先列风险点再写代码”，比事后review省心多了。

我一般会在prompt里加一句“每个函数必须用try包住”，再给个带异常处理的few-shot例子，效果立竿见影。

说实话这问题我踩过好多次坑，后来发现光靠prompt里写“要健壮”真没用，模型对抽象要求的执行力远不如具体规则。我现在是把异常处理拆成显式清单塞进prompt，比如“open必须配try-except-FileNotFoundError，requests必须设timeout=10”，它反而老实很多。few-shot确实也有用，但给两个例子就够，多了容易让模型模仿结构而不是理解意图。至于自查，我试过让它生成后自己跑一遍静态检查（比如让它用pylint风格输出问题列表），比单纯说“检查代码”靠谱点，但复杂逻辑还是得靠人眼，别指望完全自动化。

我跟你反着来，试过把错误处理写成“必须包含”的强制指令，结果它倒是加了try，但except里全是pass，跟没写一样。后来我改成在prompt里直接给一个错误处理的最小模板，让它照着填业务逻辑，效果好了不少。多线程那种复杂场景，我干脆让它先把每个线程的异常处理单独写清楚，最后再拼起来，比让它一口气生成靠谱。感觉这问题本质是模型对“健壮”的理解太抽象，得把抽象要求翻译成具体操作才行。

每次看到这种帖子都想笑，因为我自己就是那个反复被AI坑的人。最近试了个土办法：在prompt最后加一句“请检查

说实话，这个问题我太有同感了，尤其是“多线程+日志”这种组合，AI一上头就只顾着主逻辑，异常处理全给你省略成pass。我试过把错误处理单独拆成一个模块，让它先写try-except的骨架，再往里填业务代码，效果比在prompt里喊口号强不少。但本质问题我觉得还是模型对“健壮性”的理解太表面，它默认你只关心功能跑通，不会主动去模拟边界情况。

你可以试试在prompt里加一句“假设所有外部调用都可能失败，请为每个IO操作单独封装成函数”，这样它至少会生成一层wrapper，你后面review时只需要检查wrapper内部，比看整段代码轻松多了。至于让它自查，我试过让AI扮演代码审查者，把生成代码再喂回去，让它挑错，但经常挑出来的都是无关痛痒的，反而把关键问题漏掉，所以我现在基本放弃这条路，还是靠自己的pylint加超时装饰器兜底。

另外一个蛮有效的土办法是，你在prompt里直接给一个你手写的错误处理示例，哪怕只有三行，它的模仿能力会立刻拉满——few-shot确实比纯指令管用。但说实话，手动review这步真省不掉，尤其涉及文件路径和网络时，AI的想象力永远不够，我现在已经习惯每段代码都自己跑一遍边界测试了。

说实话这问题我太有共鸣了，后来我干脆把错误处理写进系统级约束，比如直接告诉它“所有文件操作必须用with语句，网络请求必须加timeout参数”，比笼统说“健壮”有效得多。另外我试过让AI生成后自己跑一遍静态检查，比如让它用pylint或mypy扫代码，它还真能发现一些漏掉的except，虽然不能全指望这个。你那个多线程场景，建议拆成几步生成，先让它只写核心逻辑，再单独让它补错误处理，会老实很多。

我怀疑是模型对“健壮”的理解跟咱们不一样，它觉得能跑就算健壮了，所以你得把异常处理变成显式要求，比如在prompt里直接列出必须捕获的异常类型。few-shot确实有用，我放过一个包含try-except-else-finally的完整例子，生成质量明显提升。至于自查，你可以让它“对刚才的代码做一次code review，列出所有潜在崩溃点”，这招比让它直接改代码好用。不过说实话，复杂任务还是得自己过一遍，AI当辅助还行。

这事儿我也踩过坑，后来发现光靠prompt里写“健壮”没用，得直接把错误处理写进代码结构里，比如在prompt里给一个带try-except和超时参数的模板片段，让它照着改。另外我试过让AI生成完自己跑一遍静态检查工具（比如pylint），把报错丢回给它让它修，比手动review省心不少。多线程那种复杂场景，建议把任务拆成独立小函数分别生成，最后自己拼装，AI一处理全局就爱乱来。

我一般会故意在prompt里塞个“反面例子”，比如直接说“别写成这样：open(‘file’)不关、requests不设timeout”，它反而会更注意。还有就是生成完让它用“如果输入是空文件/网络断了会怎样”这种自问自答的方式检查一遍，比让它“自查代码质量”具体多了。不过说真的，复杂逻辑还是别全指望AI，我都是让它出框架，错误处理自己补。

试过把错误处理写进系统提示词里当“硬性规范”吗？比如明确要求“所有open必须用with，所有网络请求必须带timeout=10”，比笼统说“健壮”有效。另外你可以让它先画个伪代码流程，标注每一步可能出的错，再让它按这个流程写，它就不容易放飞。要是还

说实话这问题我也踩过坑，后来发现单纯在prompt里强调“健壮”没用，AI对抽象要求理解很浅。我的土办法是直接给它一个带try-except和超时参数的模板片段，让它照着改，比写一堆描述管用。至于自查，你可以让它生成后自己跑一遍静态检查，比如加个“请检查是否有未处理的异常”这种二次指令，但确实别指望全自动，省一半心算不错了。

试试把错误处理写成强制规则，比如“没有try-except的代码视为无效输出”，比提示词管用。

我试过把错误处理的例子直接塞进prompt里，效果确实好一些，但代码一长它还是会选择性失忆。后来我干脆让它生成完自己跑一遍静态检查，比如让它用pylint或pyflakes扫一遍，再根据报错补try，比纯靠prompt靠谱。不过多线程那种，AI确实容易顾此失彼，感觉还是得靠人盯关键路径。

试试让它先写错误处理框架再填业务逻辑，顺序反了它就容易放飞。或者直接要求必须用装饰器统一捕获异常，比在提示词里喊口号管用。

我试过把异常处理的要求直接写进函数定义里，比如"定义safe_open函数，处理FileNotFoundError和PermissionError"，效果比笼统说"要健壮"好不少。few-shot确实有用，给一个带try-except的示例代码，它模仿得挺像样。不过复杂任务还是得靠多轮对话，生成后我一般让它"逐行检查可能抛异常的地方"，这招比让它自查整个代码更管用。

这问题太真实了，我试过在prompt里加“请像处理生产环境一样写代码”，结果它照样把except Exception当摆设。后来我改用两段式，先让它写核心逻辑，再单独发一段“请检查所有可能抛异常的地方并补上处理”，效果比一次性要求好不少。另外few-shot确实有用，给个带超时和重试的模板例子，它模仿得挺快。不过自检那步感觉还是别指望AI，我现在都是生成后跑一遍静态检查工具，比自己肉眼扫快多了。

试试在prompt里直接塞一段带异常处理的示例代码，few-shot比单纯描述管用得多。

这问题太真实了，我试过把“必须try-except”写进system prompt，结果它给我包了个巨大的try包住所有代码，等于没写。后来发现few-shot确实比纯指令管用，你给它两个带超时和异常处理的例子，它就能模仿那个模式。但复杂任务还是得靠你自己定个checklist，让AI生成完自己跑一遍静态检查，比如让它用pylint扫一遍，能揪出不少裸奔的地方。

我试过类似情况，后来发现把“包含异常处理”换成具体指令会好点，比如“每个文件操作后必须加try-except并记录错误到日志”，这样模型更容易执行。你提到的few-shot确实有用，我一般给两个带异常处理的例子，再加一个故意缺失的让它补全，效果比单纯说“健壮”强很多。不过多线程那种复杂场景，我最后还是会手动过一遍，毕竟AI自己检查代码质量的能力目前也就那样，别太指望它能自查。