用AI写Python脚本，提示词怎么写才能一次跑通不用反复改？

我自己的经验是别把AI当全能工具，得把它当个需要你喂细节的实习生。像你说的合并列这种，我会直接把示例数据的前三行贴进提示词，再告诉它输出长什么样，顺便加一句“如果某行缺值就跳过”，这样成功率能涨一大截。伪代码那步我觉得没必要，但让AI先列个处理步骤清单倒挺管用，能提前看出逻辑漏洞。还有个土办法，就是让它把每一步print一下中间结果，跑挂了也好定位在哪改。

我最近也卡在这个问题上，试下来感觉直白描述确实不够用。你那个“合并列A和B”其实有歧义，AI不知道是拼成字符串还是生成新列，更不知道要不要保留原列，所以你得把输入输出的样例给出来，哪怕就三行数据，它马上就能get到你的意图。我现在写提示词都会强制要求它“先输出pandas的版本和导入语句，再写主逻辑”，这样至少能少一半的import报错。另外关于伪代码那步，我觉得对简单任务没必要，但如果你要处理多步骤比如过滤、聚合、排序再输出，让它先列一个步骤清单确实管用，相当于给它一个检查点。不过说到底，我怀疑“一次过”这事儿本身就不现实，毕竟写代码的人自己改两三次也正常，关键是让AI把错误处理也写进去，比如文件不存在或者列名不匹配时怎么报错，这样至少跑挂了你能看懂是数据问题还是逻辑问题。还有个小技巧，别让它直接输出整个脚本，让它先给你看数据的前几行长什么样，再决定怎么处理，这样反而效率高。

我自己的经验是光给需求确实不够，尤其多步骤处理，AI容易把中间结果搞混。我现在一般会把输入样例和期望输出样例直接贴给它，再让它按步骤写，比如先合并A和B成新列，再去重，最后保存成什么格式，这样出错的概率小很多。另外让它把每一步print一下中间结果，方便你检查逻辑对不对，哪怕一次没跑通，定位问题也快。至于伪代码，我觉得对小脚本有点多余，不如把精力花在把数据形状说清楚上。

直白描述确实容易翻车，我试过最稳的办法是把“输入长什么样”和“输出长什么样”各贴两行样例进去，再补一句“如果某列有缺失值就保留原样别报错”。Cursor对具体数据结构的理解能力比对自然语言的意图理解强得多，你光说“合并列A和B”，它不知道是拼接还是加分隔符，更不知道去重要基于哪一列。另外我强烈建议把“不要修改原文件，结果另存为result.csv”这种边界条件写清楚，不然它经常自作主张覆盖源数据。伪代码那步我觉得对多步骤任务挺有用，但别让它先写伪代码再生成，而是直接在提示词里用“第1步做X，第2步对第1步的结果做Y”这种编号形式，模型对流程顺序的遵循度会高很多。还有个邪招，就是故意在提示词里写“请一次性完成，不要问我任何问题”，我发现这能逼它把假设都考虑进去，反而比留对话空间更省事。不过说实话，一次跑通真的看运气，我一般做好心理准备改一次，但把错误处理写进提示词后，至少从改三次变成改一次了。

我一般是把输入输出的样例直接丢给它，比如给两行CSV数据，再告诉它期望的最终结果长啥样，这样它理解需求比纯文字描述准得多。另外分步骤写提示词比一次全塞进去靠谱，先让它处理列合并，确认没问题再让它加去重和保存，每步单独验证也方便排查问题。错误处理那块确实得提，但不用写太细，就说“如果文件不存在或列名对不上，打印清晰报错”就行，不然它容易自己加一堆没用的防御逻辑。

我一般是把输入和输出的样例直接贴给它，比如给两行原始CSV和一行期望结果，再让它写，比纯文字描述稳得多。另外像列名、编码格式这些细节我都会提前写死，少import的问题基本就解决了。伪代码那步我觉得没必要，反而容易让它跑偏，直接给数据样本最实在。你试试把“去重后保存”改成“按列C排序，输出到新文件且保留表头”，效果会好很多。

直接给AI喂一小段CSV样例+期望输出，比写一堆文字描述管用多了。

我试过把报错信息原样丢回去让它自己改，基本两轮内就能跑通。

直接把输入输出样例和列名甩给它，比描述逻辑管用，它照着样例写基本一遍过。

我还会让它先打印中间结果确认，省得最后才发现合并逻辑错了。

我的经验是把输入输出样例直接贴给它，再补一句“只处理这两列”，成功率能高不少。

先让它写个伪代码流程确认下逻辑，再生成脚本，多花30秒但基本不用返工。

说实话你这问题我太有共鸣了，之前用AI写脚本也是反复改到怀疑人生。后来我发现，直白描述任务其实是最低效的，因为模型根本不知道你CSV长什么样，更别说列名是中文还是英文、有没有空值这种细节。我的套路是先把数据样例贴几行进去，再明确告诉它“第0列是日期，第1列是用户ID”，然后要求输出格式也具体到“新CSV保留这三列，文件名加后缀_clean”。至于伪代码那步，我试过但感觉对简单任务有点多余，反而容易让AI自由发挥得更离谱。错误处理我一般只加一句“遇到空值跳过该行”，其他异常靠跑一遍再针对性问，这样成本最低。另外如果逻辑链条超过三步，我会拆成两个提示词，先让它生成一个提取核心逻辑的版本，再基于那个结果让它补全读文件和保存的部分，成功率明显高很多。说到底，AI写代码就像带新人，你给的上下文越像真实项目里的需求文档，它就越不容易自作聪明。

说实话，我试过各种“直白描述”和“超详细prompt”，最后发现关键不是把需求写得多全，而是让AI先理解你的数据长什么样。比如你说“合并列A和B”，AI根本不知道A和B是字符串还是数字，中间要不要加分隔符，所以你得在提示词里给两行样例数据，再写清楚“输出格式是新的CSV，列名是X”。我现在的套路是让它先输出一个“步骤计划”，用自然语言描述它打算怎么处理，我确认了逻辑没问题，再让它写代码，这样比直接生成代码省事得多，因为逻辑错了改起来更头疼。另外，关于错误处理，我一般会加一句“假设文件存在且格式正确，但请处理空值和重复行”，这比泛泛地写“要健壮”有用。还有个小技巧，把目标拆成几个小函数，让AI分步生成，比如先写读取函数、再写合并函数、最后写保存函数，每个函数单独测试，这样即使出问题也好定位。你觉得呢？

我最近也踩过这坑，后来发现把CSV的表头和想要输出的字段名直接贴进提示词里，比光说“合并A和B”靠谱得多，AI能少猜不少。另外我习惯让它先打印前几行数据看看再跑后续逻辑，这样就算出错也容易定位，别指望一次过，但能少改两轮。

我个人经验是把“输入长啥样、输出长啥样”直接贴进提示词里，比如给两行CSV示例和期望的结果表，比光描述列名管用得多。另外我习惯在提示词里加一句“每步处理都加print看中间结果”，这样就算逻辑错了也容易定位，不用整段重来。伪代码那招我试过，对小脚本有点大材小用，但如果你自己都理不清步骤，让AI先列步骤再生成确实更稳。

我自己的经验是别把AI当全能选手，先让它按你的输入格式直接生成，跑一遍看报错再针对性补条件。比如你说合并列A和B，它可能不知道是拼接还是算数，所以明确到“用逗号连接”这种程度会稳很多。另外我习惯把预期输出的表头也写进去，甚至给它两行真实数据样例，比写一堆伪代码省事。还有个小技巧，如果脚本逻辑超过三步，我会让它分段写函数，最后再拼主流程，这样即使有错也容易定位，不会整个脚本推倒重来。

我一般把列名和样例数据直接贴进提示词，再补一句“跑不通就自己加调试输出”，成功率能高不少。

说实话你这个问题我太有共鸣了，之前用AI写脚本也是来回改到怀疑人生。后来我试了个土办法，把“输入长什么样、输出要什么形状”直接贴在提示词里，比如“CSV有三列，列名是A、B、C，A列是日期格式，B列是字符串，合并后要保留原始顺序，输出格式跟原文件一致”。这样AI至少不会瞎猜数据结构，少踩一半坑。至于伪代码那步，我觉得对多步骤任务挺有用的，特别是当你有“先合并、再去重、最后排序”这种顺序逻辑时，让它先列步骤再写码，代码结构会清晰很多。不过“一次过”真的很难，我现在的预期是“第一次跑通功能，第二次修边界”，毕竟AI对业务语义的理解还是有限，比如“去重”到底是全行去重还是按某列去重，它真的会默认成前者。对了，你试过在提示词里加一句“请处理文件不存在或列名不匹配的情况”吗？我加了之后错误率低了不少，感觉AI会主动加try-except，虽然代码啰嗦点但至少不崩。还有个歪招，就是故意给它一个很小的样例数据，让它跑通逻辑再换全量，这样调试成本低很多，你下次可以试试。

我一般会让AI先输出处理步骤再写码，确认逻辑对了才生成，基本不用返工。

我自己的经验是把“输入长什么样、输出要什么”直接贴进提示词里，比如给两行CSV示例和期望的几列格式，AI写错概率会小很多。另外别让它一口气写完整个脚本，拆成“先读文件，再做列合并，最后去重保存”这种分步让它实现，每步给点反馈，比给一大段描述稳。错误处理我倒觉得不用特意写，除非你的数据里真有脏值，不然AI容易过度设计，反而跑不通。

我试过把数据结构样例直接贴进提示词，比如给两行CSV示例和“输出列名是XXX”这种，成功率会高很多。另外分步写比一次到位稳，先让它读文件打印前5行，确认没问题再让它做合并去重，虽然多一轮但基本不用大改。错误处理我一般写“如果某列有空值就跳过”这种具体规则，不然它容易自己乱补。伪代码那招我也用过，但对简单脚本有点绕，感觉不如直接给输入输出例子实在。

直接把输出样例和CSV表头贴进提示词，比描述逻辑管用得多，AI照着格式写基本一次过。