用Prompt让AI写Python脚本，同一个需求每次结果差异很大，怎么稳定？

把关键约束直接写进prompt里，比如“只准用pandas和csv模块，不要try-except”，能压住不少随机性。

其实跟写需求文档差不多，你给的条件越死，它发挥的空间就越小。

这问题太真实了，我也被折腾过。后来发现把需求拆成“输入长啥样、输出要什么、步骤按123写清楚”会稳很多，伪代码和多余库的情况能少一半。另外你可以试试在prompt末尾加一句“只输出可运行的完整代码”，比单纯说“标准库”管用。不过说实话，模型本身有随机性，想要完全稳定不太现实，关键时候还是得自己扫一眼改改。

我自己的经验是，与其反复改prompt，不如把需求写成一个小函数说明，包括参数类型、返回格式，甚至给个几行的样例数据。这样AI基本能收敛到差不多的方案。还有，温度参数如果能在API里调就调低点，网页版真没法控。至于异常处理那些，你可以在prompt里直接说“不要加注释和错误处理，代码越短越好”。

我试过把同一个需求用不同方式描述，发现它其实对“具体动词”很敏感，比如“用csv模块的DictReader读取”比“读取CSV”稳得多。你可以试着把每一步操作都明确到函数名或方法名，它自由发挥的空间就小了。但就算这样，偶尔还是会抽风，所以我现在都让它先输出大纲，确认逻辑没问题再让它写全码，等于多一道保险。

这问题太真实了，大模型本来就有采样随机性，尤其代码生成这种任务，温度一高就各种放飞。我试过最管用的办法是把需求拆成“输入长什么样、输出要什么列、用什么库、边界情况怎么处理”这种清单式描述，再限定死“只用pandas，不要try-except，不要额外注释”，命中率能高不少。另外你提到伪代码的情况，可能是模型觉得你需求太简单，它想展示思路，直接加一句“输出必须是可运行的Python脚本，不要解释”能压一压。不过说实话，实在不行就让它先跑通再迭代，一次生成完美本来就不现实。

这问题太真实了，我甚至怀疑你用的是不是跟我同一个ChatGPT。后来我摸索出的办法是把prompt写成“需求+输入输出示例+禁止事项”三段式，比如直接给它贴两行CSV样例，告诉它“只准用csv模块，不准装pandas”，这样成功率能高不少。另外如果它开始写伪代码，你就回一句“请直接输出可运行的完整代码”，通常能把它拉回来，但确实没法做到100%稳定，感觉模型温度就是有随机性，多试两次挑个最顺眼的版本吧。

其实你把温度调低一点会好很多，ChatGPT的API里temperature设成0或者0.2，随机性就小很多了，网页版没这个选项的话就只能在prompt里反复强调“固定输出格式”。我试过把需求拆成“输入什么、处理步骤是什么、输出长什么样”三段式，再给个示例输出，成功率会高不少。另外你那个“用标准库、不要解释”其实不够具体，不如直接写“只输出可运行的Python代码，不要任何注释和说明”，我实测比加一堆形容词管用。

我都是把报错信息直接甩给它，让它自己改，比反复改prompt管用多了。

试试把输出格式钉死，比如“只给代码，别带解释”，能稍微稳点但别指望完全一致。

我试过类似的情况，后来发现把需求拆成几个小步骤去问会稳很多，比如先让它只写读CSV的代码，再单独问去重逻辑，最后再让它整合。你一次性把完整需求丢给它，它容易自己发挥，特别是“最佳实践”这种词一出现，它就开始加戏了。我现在的做法是明确告诉它“不要写函数，直接按脚本顺序来”，然后限定“只用csv模块”，这样输出基本不会跑偏。还有就是，如果它给了一次能跑的代码，我会立刻复制到一个固定的prompt模板里，后面再让AI改，就基于那个模板描述改动点，而不是重新说一遍需求。另外，伪代码的问题，我一般会加一句“我需要直接能在终端运行的代码，不要注释说明”，有时候还得说“如果代码超过30行，请分两次输出”。说实话，AI的随机性没法完全消除，但把prompt写得像测试用例一样，带输入输出示例，命中率会高很多。你试过把CSV的列名和样例数据贴给它吗？我后来发现这招比写一堆规则都管用。

把“读取CSV、去重、统计”拆成三个小步骤分开问，每步跑通再合起来，比憋一个大prompt稳多了。

我个人是把常用需求存成模板，每次只改文件名和列名，AI犯错的概率就小很多。

说实话这个问题我也折腾了很久，后来发现根源在于大模型的解码温度，它天生就带随机性，所以哪怕同一个prompt，生成结果也会在“正确但啰嗦”和“简洁但偷懒”之间飘。你加“用标准库”这种指令其实挺对的，但问题在于模型对“标准库”的理解可能跟你不一样，比如它觉得pandas也算标准库，这就尴尬了。

我自己的土办法是，把需求拆成“输入格式+处理步骤+输出格式”三段式，每一步都用最具体的动词，比如“用csv模块的DictReader读取”，而不是“读取CSV”。另外，我会在prompt末尾固定加一句“只输出代码，不要任何解释，不要用第三方库，如果必须用请先询问”，这样能压掉不少废话。

但说实话，完全稳定是不可能的，除非你把温度调到0或者用API的固定seed，但网页版ChatGPT没这选项。我现在的策略是，让它先写一版，然后我再手动改，反正脚本小，改起来比反复调prompt快。你试试把“异常处理”这种词直接禁止掉，写“不要try/except”，它一般会听话。

还有个偏方，就是故意在prompt里加一个错误示例，比如“不要像这样写：import pandas”，这能帮它划清边界。总之别指望一次成型，把它当个需要调教的实习生，多给几次反馈反而比死磕一个prompt靠谱。

我试过把需求拆成输入、处理、输出三段，每段单独描述，然后明确说“不要用第三方库”，这样成功率能高不少。但你那个“异常处理最佳实践”的问题我也遇到过，可能是模型随机抽风的锅，跟prompt关系不大。另外建议把输出格式也写死，比如“直接给出完整代码，不要注释”，不然它老爱自由发挥。你试试把“用标准库”改成“只用csv和collections模块”，效果会明确很多。

我最近也踩过这个坑，后来发现把“用标准库”改成“只用csv和collections模块”会好很多，但还是会偶发抽风。我感觉关键是把输出格式也锁死，比如加一句“直接给完整可运行代码，不要任何注释和解释”，能砍掉一半随机性。另外建议你把那个去重统计的逻辑用伪代码写进prompt里，AI按步骤执行比让它自由发挥稳得多。

把需求里的约束写死，比如“只用csv模块，输出直接print”，不然它自由发挥的空间太大。

我一般会要求它“先给思路再写码”，不合适的部分直接让它改，比反复跑整段prompt稳多了。

同感，这问题我也踩过不少坑。后来发现与其纠结prompt，不如把需求拆成“输入+处理步骤+输出格式”三段写死，比如直接告诉它“用pandas读，drop_duplicates按列去重，结果存成新csv”，这样它自由发挥的空间就小了。另外可以试试点开“温度”参数（如果平台支持），调低一点能明显减少发散。我自己的习惯是让它先给个版本，然后说“这版不符合要求，请只改XX部分”，比一次到位稳得多。你下次可以试试把“不要解释”换成“只输出代码，不要注释”，效果可能不一样。

这事儿我太有同感了，后来我琢磨出一个土办法：把需求拆成特别小的步骤，比如先让它“只读取CSV前三行并打印结构”，确认没问题再让它加去重逻辑。另外我会在prompt里直接指定“必须用pandas且只用pandas”，再补一句“如果代码超过30行请重新设计”，随机性确实降了不少。你也可以试试把“异常处理”之类的要求单独拎出来，跟主功能分开问，别让模型自己决定加戏。

把期望的输入输出样例直接贴进prompt里，比说“用标准库”管用得多。另外可以限定“只给完整代码，不要解释”，能砍掉一半随机性。

我试过在需求里固定“输出格式：代码块+无文字”，效果稳定不少，你可以把报错或测试结果也一起喂给它，让它自己修。

把关键约束写进prompt里，比如“只用csv模块，输出完整代码”，能压掉不少随机性，但想彻底稳定基本没戏。

把temperature调到0，再在prompt里固定输出格式和依赖清单，基本能压住随机性。

这问题太真实了，我试过把需求拆成“输入、处理步骤、输出格式”三块写，然后把你不想要的库直接写进“禁止使用”列表，成功率会高不少。另外发现一个窍门，让AI先复述一遍它理解的需求，确认无误后再让它写代码，能过滤掉很多跑偏的生成。不过说实话，完全稳定不太可能，毕竟模型采样机制就带随机性，所以我现在都是让它给核心逻辑，自己再套壳，反而省心。

说实话我也有过一模一样的困扰，后来试了挺久发现光靠堆关键词真没用。我现在的做法是分两步，第一次先让它给我一个“实现思路和伪代码”，明确告诉它只需要逻辑框架，然后我确认方向没问题了，再让它基于这套框架写具体实现，这样至少能避免它自己发挥出奇怪的“最佳实践”。另外你试试把“用标准库”改成“只允许使用csv和collections模块”，给它限定到具体工具，它自由发挥的空间就小很多。还有个小技巧，如果它给了你一段带多余装饰的代码，直接说“删掉所有注释和异常处理，只保留核心逻辑”，比一开始就提防着它更有效。我怀疑这个随机性跟模型的温度参数有关，可能不同会话的采样随机性就是没法完全消除，所以与其追求一次稳定，不如把生成过程拆成“确认逻辑”和“生成代码”两步，每次都把前一步的输出粘回去作为上下文约束，这样波动会小很多。你也可以试试给它一个你手写的小样例输出格式，让它严格按那个格式来，比描述需求管用。

说实话我一开始也跟你一样，后来发现问题的根源不在prompt本身，而是模型采样时的随机性被很多人忽略了。温度参数其实很关键，如果你用的是API，把temperature调到0或者0.1，输出稳定性会提升一大截，网页版没法调的话就只能多生成几次然后选最优解了。另外我个人经验是，把需求拆成“输入是什么、输出长什么样、中间不许做什么”这种三段式，比单纯堆“用标准库”这种负面清单有效得多。你那个“异常处理最佳实践”被强加的情况，大概率是因为模型在猜测你的隐含意图，所以我会在prompt里明确写一句“不要加错误处理，不要写注释，只要能跑的最小实现”。还有个小技巧，就是给它一个具体的输入输出示例，哪怕就三行CSV，它理解起来会准确很多。最后想说，别太追求一次成型，我一般让它先出第一版，然后基于报错或输出格式再迭代两轮，反而比反复改prompt省时间。你下次试试把需求压缩成“处理XX文件，做XX操作，输出XX格式，禁止XX”，然后生成后先跑一遍再反馈，应该会稳定不少。