用Prompt写Python脚本老是在小细节上翻车，怎么调才稳？

我之前也老遇到这种问题，后来发现直接把前几行CSV数据贴进Prompt里真的管用，它至少能看懂日期长啥样。另外建议把“按月份聚合”拆成两步，先转日期列，再单独做聚合，别让它一口气干完，出错率会低很多。还有个土办法，让它生成代码后附上一小段测试数据，逼它自己跑一遍，很多细节问题当场就能暴露出来。

我自己的经验是光靠文字描述确实容易翻车，尤其日期格式和索引这种坑。你把样例数据的前几行直接贴进Prompt里，再明确告诉它“保持索引不变”或“重置索引”，效果会好很多。另外我习惯让它先写一个最小可跑的骨架，我跑通了再让它加逻辑，这样定位问题快得多。还有一招是让它输出前打印几条结果给你看，确认没问题再全量跑。

贴个样例数据进去真能少踩一半坑，再让它分步输出，别一步到位。

我踩过一样的坑，后来发现光描述需求真不够，得把CSV长什么样、列名、日期格式都塞进Prompt里，让AI看着真实数据写，错误率直线下降。再一个技巧就是别让它一口气出全代码，先问它准备怎么处理边界情况，比如空值占比高或日期带时区，确认逻辑再让它写。另外让它每步加个print或assert，跑起来能定位到具体哪行翻车，比事后猜省事太多。

说实话你这个情况太典型了，我一开始用AI写脚本也这样，后来发现核心问题不是Prompt写得不够清楚，而是它压根没“看见”你的数据长什么样。你光说“日期列转datetime”，但CSV里日期是“2024/1/5”还是“2024-01-05 10:30”，或者带时区，它默认的处理方式完全不一样。我现在的做法是，哪怕不贴全部数据，也一定要给它一个3-5行的真实样例，最好再标注一下你期望的输出长啥样，比如“月份列应该是2024-01这种字符串还是Timestamp对象”。另外你说分步骤出逻辑再出代码，这个我强烈赞同，我一般会先让它用自然语言描述处理流程，确认它没理解偏了再让它写，这样至少逻辑层不会出大错。还有个土办法，就是让它每步都加个print或者把中间结果存下来，跑一次看哪一步开始变形，比直接改整个脚本快多了。最后，小细节翻车真的不全是你的锅，模型对pandas的隐式索引和inplace操作经常有“幻觉”，你可以在Prompt里刻意加上“不要修改原始DataFrame，用赋值方式生成新列”，能少踩一半坑。说到底，把AI当个刚入职的实习生，你得给它样例、要它汇报中间步骤，它才能少给你惹麻烦。

贴个样例数据进去会稳很多，再让它分步解释逻辑，翻车率能降一半。

贴个两三行样例数据进去，再让它分两步走，先确认逻辑再写代码，翻车率能降不少。

这问题太真实了，我试过几次也是被这些小细节整破防。你把样例数据贴进去绝对有用，再明确告诉它哪一列是日期、具体格式长啥样，不然它全靠猜。我后来习惯先让它输出伪代码或者逻辑步骤，确认没问题再要完整代码，翻车率低不少。另外可以试试让它每一步都print一下中间结果，方便定位是哪里出的岔子。

我跟你一模一样的经历，后来发现关键是把样例数据贴进去，哪怕是截取几行假的都行，模型对具体格式的感知比描述强太多。另外别让它一步到位，先让它输出处理逻辑，你确认没问题再让它写代码，这样翻车概率低很多。还有个土办法，就是让它把每一步中间结果print出来，出错时一眼就能定位是清洗还是聚合的问题。

我之前也老栽在这种坑里，后来发现把样例数据（哪怕就两三行）塞进Prompt里，比纯文字描述管用多了。另外别让它一步到位，先让它写出分步逻辑，你确认没问题再让它生成代码，翻车概率会小很多。还有个土办法，就是让它每步都print一下中间结果，这样哪里错了一眼就能看出来。

把样例数据贴进去真的管用，再让它先讲清楚处理逻辑再写代码，会稳很多。

说实话你这个情况太常见了，我现在的做法是先把CSV前几行直接贴进Prompt，再让它按步骤拆开写，每步跑完看结果再继续，别指望一次性生成完整脚本。另外明确告诉它“不要改索引”，或者直接指定用reset_index，这种细节你不提它真就自由发挥。还有个小技巧，让它把关键转换单独写成函数，你逐个调，比整体debug省心多了。

我试过几次也有这感觉，关键是小细节它猜不到你的真实数据长啥样。你把样例数据贴进去确实管用，尤其是日期格式和列名，哪怕只给几行都行。还有个小技巧，让它先写个处理逻辑的伪代码，你确认没问题了再要具体实现，这样能少改很多冤枉路。另外别指望一次生成完美，直接告诉它“运行后报错XX，请修正”，比来回改Prompt高效得多。

说实话你这个情况太典型了，问题大概率不在Prompt写得不够清楚，而是你给的信息粒度太粗。像“日期列转成datetime”这种描述，模型默认会猜你的日期格式，但实际数据里可能有带时区的、有纯数字时间戳的，甚至有空字符串混着，它一猜就偏。我建议你把CSV的前三行真实数据直接贴进Prompt，让它先跑一遍看看列的类型和样例，再让它写代码，这样它至少不会在parse日期时瞎猜。另外我试过最有效的方法是让模型分两步走：第一步只描述逻辑流程，比如“先处理空值，再转换日期，最后聚合”，等它确认了思路，你再让它输出完整代码，这样能避免它一次性把所有细节都塞进来而顾此失彼。还有个坑是它特别喜欢用pandas的链式操作，但聚合后索引会乱，你可以在Prompt里明确要求“所有操作后重置索引”或者“保存时忽略索引”，这种细节不写死它十有八九会忘。最后，如果还是翻车，别硬改，直接把报错信息贴回去让它自己修，比你自己猜快得多。反正我的经验是，把它当实习生用，给样例、给步骤、给验收标准，它才靠谱。

我试过一模一样的坑，后来发现把样例数据贴进去确实管用，尤其日期格式，你给它两行真实数据它就能自己推断出格式了。还有个笨办法，让它先把处理步骤拆成函数，每个函数单独生成再拼起来，这样出错了好定位。另外你试试在prompt里加一句“不要修改原始索引”，聚合时指定as_index=False，这俩小坑我踩过好多次。

贴数据样例确实管用，但别贴太多，给个三五行的mini版就够，让它先识别出列名和格式特征再动手。另外我习惯让它先打印出处理后的前几行给我看，这样能在它继续往下跑之前就截住日期格式那种坑。聚合索引乱的话，直接跟它说“reset_index再groupby”或者“as_index=False”，这俩是高频翻车点，你得在prompt里点破。还有个小技巧，让它在关键步骤加assert检查，比如行数不变、没有NaN，这样它自己就会回头修。