Copilot在Python项目里总给我“幻觉”代码，大家怎么防的？

我之前也踩过这个坑，后来基本把Copilot当高级补全用，凡是它给的一长串逻辑都默认有诈。现在干脆把项目里的核心函数和类型定义全写清楚，然后逼自己逐行看，特别留意那些没见过的属性名。插件方面试过Copilot的忽略文件设置，但感觉还是靠prompt约束最实在。另外我觉得ChatGPT交互式粘代码反而好点，至少能追问它依据来源，不容易被带偏。

逐行审查是底线，我都是让Copilot写单测把幻觉API直接炸出来，比肉眼快多了。

分享一下我的土办法：把项目里常用写法抽成代码片段，Copilot参考多了风格自然就贴了。

我基本都逐行看，Copilot当个补全工具还行，想省心还得自己把API文档喂给它。

试试装个Continue插件，能限定只索引本地仓库，比硬靠上下文靠谱点。

我一般把Copilot当高级补全工具用，但绝不直接接受它的完整代码块，尤其涉及pandas这种API繁多的库，它确实爱编一些看着像那么回事的方法。后来我给它加了个约束，就是在注释里写明“只使用pandas官方文档中存在的函数”，幻觉概率低了不少。另外建议你装个Continue或者Cursor的本地代码库检索插件，能强制它参考项目现有风格，比手动引导省心。至于ChatGPT手动粘，说实话更累，但遇到复杂逻辑时它反而更靠谱，因为你能主动追问和纠正。

我基本都是逐行审查的，特别是pandas链式调用那段，它太爱编方法了。后来我干脆把仓库里常用的几个API写进.github/copilot-instructions.md，效果比疯狂加注释好点，但也就那样。你试试用#把项目里已有的代码片段喂给它，比纯提示词靠谱。另外我一般让Copilot生成单行或小函数，大块逻辑还是自己搭框架，它填肉就行。

我基本逐行扫，尤其是pandas链式调用，宁可慢点也不想debug它瞎编的API。

试过把项目里常用代码片段放进仓库，再配合.github/copilot-instructions.md，翻车率能降不少。

我跟你一模一样，刚用Copilot那会儿也被df.clean_na()这种假API坑过，后来学乖了，凡是它补出来的方法名，我第一反应是去翻官方文档确认，而不是直接跑。现在我的做法是把它当“高级自动补全”而不是“结对程序员”，逐行过是必须的，但重点是看它写的逻辑边界和异常处理，这两块最容易出幻觉。关于风格不一致的问题，我试过在仓库根目录放.editorconfig和pyproject.toml（配好ruff或black），Copilot有时候会稍微收敛一点，但别指望它完全遵守，本质它还是基于概率生成。插件方面你可以看看Continue或者Cursor的“codebase”模式，它们能限定只用当前仓库的索引，比Copilot的全局语料靠谱一些，但也不是100%防捏造。ChatGPT手动粘代码我倒觉得更费劲，尤其是改动密集时，上下文丢失很严重，不如IDE内嵌的tab补全来得顺手。我现在还有个习惯，就是给Copilot喂“反例”，比如在注释里明确写“不要用不存在的pandas方法”，它翻车率确实降了不少，但偶尔还是会给你编个pd.DataFrame.smart_merge()出来，这时候只能笑着删掉。

我基本是逐行审查的，特别是pandas这种链式调用，Copilot特别容易在中间环节瞎编方法，你那个clean_na还算好的，我见过它给我生成一个根本不存在的read_csv参数，跑起来直接报错。后来我干脆把项目里的核心数据操作封装成自定义函数，再在文件头部把函数签名和返回值类型写清楚，这样Copilot参考上下文时会更倾向于调用你定义好的接口，而不是自己发明新API。至于只参考当前仓库代码，目前好像没特别完美的方案，我试过把.editorconfig和现有代码风格文件放在根目录，稍微有点用但效果有限。另外我建议你装个IDE的本地代码索引插件，比如Sourcery或Codeium，它们对已有代码的感知能力比Copilot强一些，虽然补全能力弱，但至少不会瞎编。其实我最近反而觉得，对于数据处理这种逻辑密集的任务，用ChatGPT把整个函数逻辑先聊清楚，再手动粘进去改，比靠Copilot逐行补全省心得多，毕竟它能看到完整上下文，不会断章取义。

我一般只让它补全那种模板化的代码，比如读写文件、字段映射啥的，逻辑稍微复杂点的还是自己写更稳。你说的clean_na()我也遇到过，它特别爱编一些看着像pandas风格的假API，现在看到不认识的函数我都会先跳转定义看看。仓库级参考其实可以用下Codex或者Cursor，它们对项目上下文的理解比Copilot强不少，但也不是百分百靠谱。逐行审查跑不掉，就当多了个自动补全吧，心态摆正会好受点。

我一般是逐行审查的，特别是pandas这种API更新快的库，Copilot记混版本太正常了。你试试在设置里把“仅使用仓库内代码”的选项打开，能减少一部分幻觉。另外我习惯把关键操作拆成小函数并写清楚docstring，它参考的上下文越局部，生成的东西越靠谱。ChatGPT手动粘其实也一个德行，本质都是概率预测，不如花点时间把项目里的类型标注补齐，反馈会好很多。

说到这个我真太有共鸣了，pandas那套API本来就够灵活了，Copilot还老爱自己发明新方法，每次看到那种像模像样但压根不存在的函数，第一反应是怀疑自己记错了，查完文档才发现是它在瞎编。我现在基本是把它当高级自动补全用，代码逻辑自己心里过一遍，它给的片段只当参考，尤其是涉及数据处理那几步，必须逐行对一下文档和实际输出，不然跑起来报错更折磨。你提到只参考当前仓库代码，这块我试过几个方案，像Cursor那种能配置项目上下文的会好点，但也没法完全杜绝幻觉，毕竟模型本质是概率生成。后来我干脆把关键函数签名和边界条件写成docstring，再配合pylance的类型推断，还真能少踩不少坑。至于ChatGPT手动粘代码，我反而觉得比IDE内嵌更可控，至少你能把完整需求讲清楚，它给完整代码块，自己改起来反而有数。不过说到底，工具只是个加速器，核心还是得自己把API文档翻熟，不然哪天它给个坑，debug时间比手写还长。

我跟你遇到的情况几乎一模一样，尤其是pandas这块，它特别喜欢编一些看起来挺合理但实际不存在的链式方法，我后来干脆把官方文档的API列表直接喂给它当上下文，效果比加注释好得多。关于审查这事，我基本是逐行看，但看的是逻辑对不对，语法反而不太担心，毕竟它编的API一跑就报错，反而是风格不一致的问题最烦人。你可以试试在项目根目录放一个.editorconfig，再加上它自己的style guidelines文件，虽然不能完全根治，但至少能减少一半的乱来。还有个小技巧，让它先解释再写码，就是输入“用pandas实现xxx，先列出步骤”，它给出的代码通常更稳。ChatGPT手动粘贴我试过一阵，但来回切换上下文太费劲，而且它同样会瞎编，还不如Copilot在编辑器里能实时看到报错反馈。你现在用的这个项目里有没有什么特别冷门的库？如果都是主流库，其实可以试试把Copilot的“忽略当前文件”功能关掉，只让它参考项目里已有的相似代码块，我这么设置之后翻车率低了不少。

我一般不会直接全盘接受，特别是pandas这种API特别多的库，它确实容易编造不存在的函数。我的做法是让它补全单行或小段逻辑，然后立刻跑一下测试验证，比事后审查一堆代码省心。至于风格问题，你可以在项目里放一个.editorconfig和更详细的类型标注，它多少会参考一些，但别指望完全一致。插件方面，Copilot其实有个“引用当前文件”的开关，但效果有限，我有时候也会切到ChatGPT手动粘，但感觉更费时间。

我跟你遇到的情况几乎一模一样，pandas的幻觉API真的太典型了，它特别喜欢编造那种“听起来很合理”的方法名。我的做法是坚决不逐行审查，而是把Copilot当成一个“超快的自动补全”，只看它生成的下一个逻辑块，然后立刻去IDE里用Ctrl+Shift+F全局搜一下这个API有没有被项目用过，没有就果断删掉重写。另外你提到的代码风格问题，我后来发现把仓库里的.editorconfig和现有的.py文件多喂给它几次，再在对话里明确说“follow the style in this repo”，效果会好很多，但偶尔还是会抽风。插件方面我试过几个所谓“限制上下文”的，感觉都不太靠谱，最后还是靠人肉把关。至于ChatGPT手动粘，我觉得更累，因为你要来回切窗口，反而Copilot在编辑器里至少上下文连贯，关键是别把它当最终输出，就当个草稿生成器，自己改的时候心里默念“它写的是错的”就对了。

我一般是逐行审查，特别是pandas链式调用那种，它一编一个准，clean_na这种纯属瞎编。后来我直接把项目里的utils模块路径写进prompt，让它照着已有函数风格来，翻车率低了不少。插件方面试过Copilot Labs的custom instructions，能指定参考仓库，但还是得人工兜底。说实话，复杂逻辑我宁可用ChatGPT把整个函数贴过去让它重写，至少能控制上下文，Copilot更适合补样板代码。

逐行审查太费劲了，我现在都是让Copilot只补全单行，大段逻辑自己写，幻觉少多了。

试试加个.editorconfig统一风格，再配合仓库内的代码片段训练，能稳不少。

我一般是让它一次生成小段代码，然后逐行过一遍，特别是pandas链式调用那部分，十个里能有两个是编的。你试试装个copilot-lint或者用tabnine的本地模型，至少能过滤掉一部分不存在的API。另外把项目里的.py文件多留几个带类型标注的样本，它参考的上下文会更准。手动粘ChatGPT代码其实更麻烦，因为那边连你项目结构都不知道。

我一般是逐行审查的，尤其是pandas这种API变动快的库，Copilot确实容易拿老版本或别的库的方法硬套。我现在会给它喂几段项目里写好的代码当“样板”，让它照着风格来，比打注释管用。另外你可以试试把仓库索引关了，只让它参考当前打开的十几个文件，幻觉会少很多。至于插件，有个叫Continue的本地模型能指定代码库范围，但配置起来有点折腾。

我一般是逐行审查的，尤其涉及pandas这种API超多的库，它太容易编造了。你可以试试在项目里加一个.editorconfig或者装个SonarLint，至少能让风格统一一点。另外我习惯把常用数据操作的代码片段存成snippet，让它多参考这些，比纯靠注释靠谱。ChatGPT手动粘贴我也试过，但来回切窗口更费劲，不如把它生成的代码再丢回Copilot敲回车让它续写。

我基本都是逐行审查的，特别是pandas链式调用，它太爱编那些看似合理实则不存在的method了，我现在干脆把常用API写进一个单独的提示文件里，每次让它先读这个再写代码。至于风格不一致的问题，用.editorconfig加上仓库里的现有代码作为few-shot示例会好很多，但说实话还是得自己把关。你试过用本地代码库做RAG索引的工具吗？像Continue或者Cody这类，它们能更精准参考你项目里的写法，比纯靠Copilot的公共训练数据靠谱。