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？

这问题我太有同感了，GPT写代码跟抽卡似的，同一个prompt出不同结果太正常了。后来我摸索出一个笨办法，就是把你说的“读取CSV、按某列去重、统计”这种步骤拆成一行一个要求，甚至直接指定函数名和变量名，能明显降低它自由发挥的概率。另外你试试在prompt末尾加一句“如果代码超过30行请先输出思路”，它会收敛很多，我自己用下来稳定了不少，你可以试试看。

把核心需求拆成小步骤，让AI一步步写，每步确认下再继续，比一次性要求完整代码稳得多。

你的核心问题其实是LLM的采样随机性，这个没法完全消除，只能靠约束输出格式来兜底。我一般会在prompt里强制要求“只输出代码，不要任何解释，用pandas或csv模块，并把输入输出字段名写死”，这样至少能过滤掉一半的跑题情况。另外想稳定的话，建议把需求拆成更小的函数让AI逐个生成，最后自己拼装，比一次性让它写完整脚本靠谱得多。你也可以试试把异常处理直接写成“忽略错误，跳过坏行”，明确告诉它不需要所谓的“最佳实践”。说到底，prompt写太细反而容易触发它的“表演欲”，我反而觉得简短+明确禁止某些行为比长篇需求文档更管用。

这个我太有同感了，之前也折腾过一阵子。我自己摸索下来，关键是把“需求”和“约束”拆开写，比如明确指定“用pandas的drop_duplicates，只输出代码，不用注释”，比笼统说“去重统计”效果稳很多。另外感觉温度参数调低点（如果API能控制）能减少不少随机性，网页版只能多试几次。还有个土办法，把跑通的那次代码存下来，下次直接让它“基于这个版本改”，比重新生成靠谱多了。

我也有过一模一样的经历，后来发现问题的关键不在prompt写得多详细，而是你给AI的“约束锚点”不够硬。我现在的做法是，直接把“必须用pandas且只用pandas”、“禁止try-except”、“代码里只允许出现一个函数”这些限制条件写进prompt，效果比说“用标准库”稳定得多。另外，如果你发现它输出伪代码，大概率是因为你的需求里带了“比如”或者“类似”这种模糊词，它会默认你在探讨方案而不是要成品。还有个土办法，就是让AI先自己复述一遍需求，确认它理解对了再让它写代码，相当于加个校验环节，虽然多花一步，但能过滤掉一半的跑偏情况。最后想说，把温度参数调低（如果是API）或者直接问它“你现在是资深脚本工程师，输出纯代码”这种身份设定，随机性会小很多。说到底AI不是人，它不懂“简单”是什么意思，你得替它把“简单”翻译成“只允许用csv模块，输出格式为字典列表”。你试试把需求拆成三行，第一行给数据样例，第二行写死操作步骤，第三行限定输出形态，基本就能锁死结果了。

这问题太真实了，我也被坑过好几回。后来我干脆把需求拆成两步，先让它给个固定逻辑的伪代码框架，再让它按框架填具体实现，最后自己手动改改，反而比直接要成品稳定得多。另外我会在prompt里加一句“只允许使用pandas和csv模块，且不要写任何注释”，效果会好一点，但偶尔还是会抽风。感觉AI输出确实有随机性，想要完全稳定可能得自己把关键函数名和数据结构都定死，让它几乎没有发挥空间才行。

把输出格式和依赖范围写死在prompt里，比如“只用csv模块，直接给代码别解释”，能稳不少。

我试过把需求拆成“输入-处理-输出”三步写进prompt，比如明确告诉它“用csv模块读，去重保留最后一行，结果print出来”，稳定性会好很多。另外你可以在最后加一句“只输出代码，不要任何说明”，比“不要解释”管用。但说实话，AI写代码本来就有点抽奖性质，我一般让它给两版，再挑顺眼的改改，比自己写还快。

把需求拆成输入、处理、输出三步写进prompt，再限定“只给代码不解释”，基本能稳很多。

我也踩过这坑，后来干脆把报错直接甩给它让它改，比反复调prompt省事。

这问题我太有同感了，后来我琢磨出一个笨办法，把需求拆成“输入-处理-输出”三行固定格式，每行都写具体列名和预期结果，基本能减少一半的随机性。另外你试试在prompt里加一句“先写伪代码再翻译成可运行代码”，这样它至少不会直接跳到实现细节。不过说实话，指望AI完全稳定不现实，我自己还是习惯让它给方案，代码自己改一遍再跑，反而更省心。

试试把输出格式也写死，比如“只返回代码，注释用中文”，能稍微稳点。但说实话随机性真没法根治，多跑两次挑能用的吧。

试试把“用标准库”改成“只用csv和collections”，再限定输出格式，比如“直接给代码，不要解释”，能稳不少。

我一般是把需求拆成输入输出和边界条件写清楚，再加一句“如果报错就自己修”，比反复强调要管用。

这问题太真实了，我试过让AI写个解析日志的正则，它每次给的版本都不一样，有的能用有的直接报错。后来我发现把需求拆成“输入格式+处理步骤+输出样例”三段式，再明确写“不要用第三方库”，稳定率会高一些。另外你可以试试在prompt里加一句“请先列出实现步骤再写代码”，这样它至少不会跑偏到伪代码上去。不过说真的，AI这种随机性有时候也挺烦的，感觉跟抽卡一样。

这问题太真实了，我最近也被这个折腾得够呛。后来我学乖了，直接在prompt里塞一段固定的输出格式要求，比如“只输出代码，用注释标注关键步骤，不要额外解释”，并且把输入输出样例也贴进去，这样成功率确实高了不少。不过就算这样，偶尔还是会抽风，感觉模型对“简单”的理解跟咱们不太一样，可能还得自己多试几次，把能跑通的prompt存成模板复用。你下次可以试试把“异常处理”明确排除掉，就说“不需要处理边界情况”，效果会直接很多。

我跟你遇到的情况一模一样，后来发现光加“用标准库”没用，得把“禁止使用第三方库”和“代码必须可直接运行”分开写，并且明确告诉它“不要伪代码”。另外，每次问完如果跑不通，我就直接说“你上一步给的代码有bug，请重新生成”，把它当人一样纠错，比重新描述需求管用。核心还是得把需求拆得足够碎，比如“读CSV用csv模块，去重按第2列”，它就没啥发挥空间了。

说实话，这真不是你描述的问题，是生成模型本身的随机性导致的。我有次让AI写个排序脚本，它居然给我用了numpy，我压根没装，气得我直接问它“你确定不用import也能用吗”，它才改回来

把需求拆成函数名+输入输出格式写进prompt，再限定“只输出代码”，能稳不少。

我试过在prompt里加“分步骤验证”，比如让它先写伪代码再转完整脚本，效果比直接要代码稳定。

试试把输出格式也写死，比如“只给代码，用csv模块，注释中文”，能稳不少。

我一般会让它先列方案再选一个写，比直接要代码靠谱。

这问题我太有同感了，之前折腾过一阵子也差点被搞疯。后来我琢磨出一个偏方，就是别把prompt当聊天，而是当成“给新来的实习生写任务单”——你光说“去重统计”不够，得把输入文件的列名、编码格式、输出字段名全都钉死，甚至直接给一段你手写的伪代码框架，让它往里面填逻辑。还有个关键点是，AI对“用标准库”的理解很飘，你不如直接说“只允许import csv和collections”，它反而老实。至于异常处理那些花活，我试过在prompt最后加一句“禁止增加任何额外功能，包括错误处理”，效果比“不要解释”强多了。另外，如果你发现它老换库，干脆在开头就指定“如果必须用第三方库，请先输出安装命令，否则视为失败答案”。说到底，这玩意儿随机性没法完全消除，但把边界划死了，至少十次里有八次能直接用。

我试过把需求拆成“输入-处理-输出”三段式写，确实比一大段描述稳定点，但偶尔还是会抽风。后来干脆让它先给我伪代码，确认逻辑没问题再让它写具体实现，这样反而省事。还有你提到“用标准库”这种词，其实它更吃“禁止使用第三方库”这种明确指令。

另外我发现把报错信息直接贴回去让它改，比重新生成一遍靠谱得多。你要是追求极致稳定，不如自己写个固定模板，让AI只填关键参数，比如列名和统计方式，这样基本不会跑偏。不过话说回来，它每次写的不一样，有时候反而能给你点新思路，看你怎么用了。

说实话我也遇到过一模一样的情况，后来发现把需求拆成两步会稳很多：先让它只输出核心逻辑的伪代码，确认思路没问题后再让它转成具体代码，这样能避免它自作主张加东西。另外你可以在prompt里写“不要用第三方库，不要加注释，不要写if name”，这种负面清单比“用标准库”管用得多。不过就算这样，偶尔还是会抽风，所以我现在干脆让它生成完代码后，直接复制报错信息回去让它修，反而比一遍遍改prompt效率高。

我觉得核心问题不是你的需求描述，而是你太依赖单次生成的随机性了。我一般会让AI先输出一个“实现思路”和“伪代码”，确认逻辑没问题后再让它按这个思路写具体代码，这样能大幅减少跑偏概率。另外，你可以在prompt末尾加一句“请严格使用CSV模块和Python内置功能”，比单纯说“用标准库”效果更明确。至于异常处理那些多余的东西，直接补一句“不要添加任何额外功能或注释”一般就能压住。我试过把需求写成像验收清单那样的分条列表，稳定性确实会好很多，你可以试试看。