Copilot在Python项目里总给我“幻觉”代码，大家怎么防的？

我跟你遇到一模一样的情况，尤其pandas这种API贼多的库，它经常把不同版本的函数混着编，df.clean_na()这种我甚至怀疑是它从R语言那边串过来的。后来我干脆把项目里的requirements.txt和常用代码片段喂给它当上下文，稍微好点，但依然不能松懈。我现在基本是逐行扫，重点看它调用的方法名和参数，只要拿不准就立刻去官方文档比对，宁可慢五分钟也不让它把脏数据逻辑带进来。插件方面，我试过在VS Code里把github.copilot.enable改成false只对特定文件类型开，或者用#注释写清楚期望的输出格式，但说实话效果有限。如果你想让它多参考仓库，可以试试Copilot的ignoredFiles配置，把外部依赖的目录排除掉，但感觉它还是优先吃全局的模型记忆，不是真正的仓库内学习。ChatGPT手动粘代码我反而觉得更可控，至少你能完整描述需求再粘贴回来，但来回切窗口也烦，我现在是Copilot写骨架，自己改核心逻辑，遇到不确定的API直接开个终端跑一下测试，比啥都管用。

我跟你一模一样，刚开始用Copilot的时候也是被它那种“自信满满”的幻觉坑惨了，什么df.clean_na()这种编出来的方法简直防不胜防。后来我干脆把它的建议默认当成“高级版自动补全”，而不是“能跑的逻辑”，所有涉及API调用的代码必须去官方文档核对一遍，尤其是pandas这种变更频繁的库。关于风格不一致的问题，我试过在项目根目录放.editorconfig和settings.json，给Copilot喂一些你仓库里已有的典型代码片段，它确实会老实一点，但效果有限。插件方面我倒没有找到能严格限制它只看当前仓库的，不过你可以试试把"github.copilot.inlineSuggest.enableCodeReferences"这个配置打开，至少能显示它参考了哪些文件，方便你判断是不是在瞎编。至于ChatGPT手动粘，我反而觉得更可控，因为你得自己把需求说清楚，它给的代码你也会下意识逐行看，不像Copilot那样“顺手就Tab了”。现在我的流程是：Copilot负责写样板代码和重复性操作，但核心的数据清洗和业务逻辑我全自己手写，写完再拿它来补点type hint或者注释。说到底，还是得把心态调整成“它就是个实习生，给的东西只能当草稿”，这样翻车了也不至于太崩溃。

我基本是逐行审查的，特别是pandas链式调用，它太爱瞎编方法了，现在我都用dir(df)先查一遍再让它写。另外可以试试在项目根目录放个.editorconfig，配合copilot的style settings能稍微约束下代码风格，但别指望它完全跟仓库一致。我最近发现把报错信息直接贴给它看比加注释管用多了，它自己会意识到幻觉然后收敛。反正别全盘接受，就当个高级自动补全用，关键逻辑还是手写稳。

逐行审查是必须的，尤其pandas这种API贼多的库，我都是先让它写再拿文档对照，关键逻辑直接重写。插件方面可以试试Continue或者Cody，能锁仓库上下文，但效果也看项目结构。我最近改用ChatGPT手动粘代码反而稳一点，至少能追问它函数出处。你那个clean_na八成是它把R的tidyverse混进来了，这模型跨语言串味挺常见的。

我都是当它是个高级补全工具，关键逻辑自己写，API一定查文档，太省事反而容易踩坑。

更狠的一招是直接把项目里常见的pandas操作写进.github/copilot-instructions.md，它跑偏的概率能降不少。

逐行审查是必须的，尤其pandas这种生态，API更新快但也不至于凭空长出新方法，Copilot本质是在猜你的意图，上下文不够它就瞎编。我习惯把项目里常用操作抽象成几个函数，然后让Copilot基于这些函数补全，命中率高不少。另外可以试试在设置里关掉“从公共代码库匹配”，只留当前工作区索引，能减少不少幻觉。至于ChatGPT手动粘，我个人觉得更可控，但效率低，适合那种一次性复杂逻辑，日常还是Copilot快。

逐行审查太累了，我现在基本让它补全单行或小段逻辑，大段代码直接手写，反而省心。插件方面可以试试把仓库里的代码文件加进上下文（比如用@workspace），或者干脆把项目根目录设成“仅参考当前代码库”，能明显减少瞎编API的情况。另外我习惯在.github/copilot-instructions.md里写清项目风格和禁用函数，效果比疯狂加注释靠谱多了。ChatGPT手动粘也有幻觉，但至少你能看到完整输出再改，比自动补全的“半成品”好把控一点。

我一般就是逐行审查，特别是pandas链式调用那块，它太爱编方法了。后来我把项目里的常用操作写了个自定义snippet，配合Copilot的忽略指令，翻车率降了不少。另外我觉得让AI参考当前仓库代码这个需求挺真实的，但目前好像只有本地微调模型能勉强做到，云端工具基本没戏。

逐行审查吧，我吃过大亏后只把Copilot当高级补全，关键逻辑全手写。你试试装个local-only模式插件，能减少点幻觉。

这问题太真实了，我上次让它处理时间序列，直接给我编了个pd.to_timestamp()，查半天才发现是pd.to_datetime()。我现在基本是把它当高级自动补全用，超过三行的逻辑必逐行看，尤其涉及API调用的时候。至于风格不一致，我试过在.github/copilot-instructions.md里写项目规范，稍微管点用，但别指望它完全遵守。你要真想限制它参考范围，可以试试把仓库clone到本地再开Copilot，比纯靠对话上下文靠谱点，不过也别太信，还是得自己把关键函数名记牢。

逐行审吧，我都是拿它当高级补全用，喂饱注释和类型后幻觉少很多。可以试试加个repo级别的AGENTS.md约束它风格。