用AI写Python脚本总出小bug，是我prompt姿势不对还是工具选错了？

工程细节AI真搞不定，你得把异常场景喂给它，比如直接甩个混合编码的样本文件当few-shot。

说实话你这情况太典型了，AI写代码就像个实习生，框架搭得挺漂亮，但一到编码、锁、异常处理这些脏活就露馅。我自己的经验是把报错信息原封不动丢回去让它修，比重新描述问题靠谱得多。另外你那个GBK和UTF-8混着的情况，直接问它“怎么处理混合编码的文件”不如告诉它“用errors='ignore'或者chardet检测”，它反而能给你更稳的方案。工具其实没选错，关键是别指望一次生成，要把它当成结对编程的搭档，反复review和追问细节才行。

编码和多线程这种坑，AI确实容易翻车，因为训练数据里这类工程细节的正确答案本身就少，它更擅长写“看起来对”的代码。我一般会让它生成完再追问一句“这段代码在边界情况下会出什么问题”，逼它自己review一遍，能捞出不少隐藏bug。另外GBK这种建议直接让它用chardet或errors=‘replace’兜底，别指望它一次写对所有编码分支。多线程的话，还不如让它写多进程或者asyncio，坑少很多。

编码和多线程这种坑，AI确实容易翻车，因为它看不到你实际运行环境的差异。我之前也遇到过类似的，本地Windows跑得好好的，一上Linux就各种编码报错，后来学聪明了，直接在prompt里把运行环境、Python版本、甚至locale设置都写清楚，情况会好很多。多线程死锁那个我也踩过，AI经常记得加锁忘了释放，或者顺序搞反，这种涉及并发安全的代码我现在基本只让AI出个思路，具体实现自己盯着改。我觉得问题不完全在工具，Copilot和ChatGPT各有擅长的场景，Copilot补全局部代码还行，让它从零写完整模块就容易漏细节。有个技巧是把大任务拆成小函数让AI一个个写，每个函数单独测试，比一次性生成几百行靠谱得多。另外像GBK/UTF-8这种，直接告诉它用chardet做探测再统一转码，比让它猜要稳。说到底AI是个加速器，工程细节还得自己兜底，别指望它一次到位。

编码和多线程这种坑AI确实容易翻车，特别是涉及运行环境的细节，它压根不知道你服务器的locale配置。我现在的习惯是让它先写核心逻辑，边界处理和环境相关的部分自己补，prompt里把Python版本、系统、数据特征都交代清楚会好很多。另外生成完别急着跑，重点review资源释放和异常分支那块，AI经常在这偷懒。