用Prompt让GPT写Python代码，为什么总生成半成品函数？

这问题太典型了，GPT对“写函数”的理解就是给你搭个架子，因为完整实现涉及太多边界情况，它默认你在做教程式学习。你可以试试把需求拆成“先写去重函数，再写填充函数，最后写异常处理函数”这样一步步问，或者直接给它一小段真实数据样例，让它基于数据写代码，效果会好很多。另外加一句“不要使用注释占位，所有逻辑必须用代码实现”也能有点用，但不如给具体输入输出示例来得直接。

说白了GPT没在偷懒，是你给的指令让它以为只要结构对就行，毕竟它见过太多这种“教学模板”了。我一般会让它“针对以下数据列类型写具体处理代码”，把df.columns和dtypes贴进prompt里，这样它没法只写注释，因为必须针对你的实际字段写逻辑。还有个小技巧，让它先解释思路再写代码，通常解释完它自己就会把细节补全，比直接要代码靠谱。

我遇到过一模一样的坑，后来发现关键是别让它“写函数”，而是让它“处理数据”。比如你直接给它几行样本数据，说“请输出处理这段数据的完整pandas链式操作”，它就会老老实实把drop_duplicates、fillna、clip这些全写出来。函数抽象反而容易触发它的“骨架生成”习惯，毕竟训练数据里这种半成品代码太多了

这问题太真实了，GPT就爱写个壳子糊弄人，你得把每步处理逻辑拆成单独的小prompt喂给它，不然它默认你只要个框架。

这事儿我太有同感了，之前调GPT写爬虫也老给我留“pass”或者TODO。后来我发现问题出在Prompt的“粒度”上，你让它“写个函数处理清洗”，它默认你在做需求设计，而不是直接要实现。我现在的做法是直接把数据结构、列名、甚至几行样例数据扔给它，然后加一句“针对以下DataFrame，用pandas写出完整操作，每行代码都要有注释”，它基本就能给全了。另外，你那个“异常值处理”太模糊了，是3σ还是IQR？是删除还是替换？模型没法猜，它只能留注释让你自己填。还有个歪招，你可以先让它生成“代码骨架”，然后追问“把函数体里的注释替换成实际代码，不要省略任何步骤”，有时候多追问一轮比改Prompt管用。不过说实话，GPT这玩意儿对“缺失信息”特别敏感，你给的上下文越具体，它越敢往下写，不然它宁可偷懒。你试试把清洗规则拆成三个小函数分别问，效率可能比一个大函数高很多。

这问题我太有同感了，之前让GPT写个爬虫也是，函数签名给得贼标准，里头全是TODO和pass，看着就血压高。后来我琢磨了一下，它其实不是不会写，而是在等一个“边界条件”被明确——你让它处理空值，但你没告诉它数值列和文本列要分开填，也没说异常值按IQR还是标准差来判，它就只能先留个坑，免得背锅。还有个很实用的招，你直接在Prompt里扔两行示例数据，跟它说“把这段df跑完给我输出print的结果”，它就会为了符合预期而把逻辑硬编码出来。另外你可以试试把大任务拆成三个小函数，每个函数单独追问一轮，比如先“写去重函数，保留first，忽略索引”，再“写填充函数，数值列用中位数，文本列用unknown”，最后让它自己组装，这样每步它都能给出完整代码。说到底，模型不是不擅长填充，是你给的“施工图”还不够细，它怕写错了你骂它，索性就装死。

你prompt里给的指令太笼统了，它只能给你个空壳；得把去重、填空、异常值这些具体规则写清楚，它才能照着写全。

这问题我也踩过坑，其实不是模型不擅长填充，而是你的任务描述对它来说太像“规划”了，它默认给你个框架让你自己填。试试把“去重、填充空值”拆成几个具体操作，比如直接说“drop_duplicates(subset=['id'], keep='first')”这种带参数和字段名的指令，它反而会照着写完整。另外可以加一句“每一步必须写出具体代码，不要注释说明”，有时候比“完整可运行”管用。你那个异常值处理具体指哪种？不同策略对输出影响挺大的。

这大概率不是模型能力问题，而是你的需求描述太泛了。GPT对“去重、填充、异常处理”的理解和你的具体业务逻辑差很远，它没法替你决定阈值或填充策略，所以只能留占位符。我试过把prompt改成“用中位数填充数值列，字符串列用unknown，去重保留第一次出现，异常值按3倍标准差替换”，它就能输出完整可跑的代码。建议你把每个步骤的规则量化，哪怕加一句“按我的示例数据写死逻辑”也行。另外直接给它一段你的真实DataFrame样例（脱敏后），效果会好很多。

这问题我也踩过坑，后来发现光加“完整代码”没用，得把输入输出样例直接给出来。比如你丢两行假数据进去，它就知道要处理成什么样，占位符自然就少了。

另外可以试试把需求拆得更碎一点，分三次问：去重一次、填缺失值一次、异常值一次，每次让它输出一个能独立运行的小函数，最后自己拼起来反而更稳。

我怀疑模型是怕猜错你的边界条件，比如异常值什么算异常，所以宁可用注释留着。你不如直接告诉它“价格列小于0的替换成中位数，数量列空值填0”，这种明确指令它一般不会偷懒。

要是还不行，就换种写法，让它“生成一个可以直接复制到Jupyter里跑的完整脚本”，带print验证的那种，比单纯要函数定义好用很多。

把需求拆成小步走，先让它单独生成去重、填充、异常处理三个函数，再拼起来，比一次要完整代码靠谱多了。

模型偷懒是因为它觉得“意图不够明确”，你试试在prompt里直接给几行假数据，让它对着数据写，效果立竿见影。

你这prompt太宽泛了，GPT默认你在写伪代码，得把具体列名、清洗规则甚至示例数据都塞进去才行。

我试过把任务拆成“先写去重，再写填充，最后写异常值”分步问，它就老实多了，占位符少一大半。

把任务拆细点，比如让GPT只写去重那一段，它反而能给完整代码，大而全的prompt它就容易偷懒留占位符。

试试把异常值处理的具体规则写进prompt，比如“超过3倍标准差删掉”，它就没法糊弄了。

这题我太有同感了，GPT对这种“给个框架再补全”的指令特别容易偷懒。你试试把prompt改成“直接输出完整函数体，不要任何注释和占位符”，并且限定它只能用if-else和pandas自带方法，别给它留发挥“设计”的空间。另外，把输入输出样例直接贴给它，让它照着数据格式写，比光描述需求管用得多。我上次让它处理时间序列，加了具体列名和日期格式后，它一次就生成了能跑的代码。

把需求拆成小步走，先让它输出“去重函数”再“填充函数”，一步步喂它，最后你手动拼起来更快。

这个问题我太有同感了，之前用GPT写爬虫的时候也老遇到这种“骨架侠”，它好像特别爱把核心逻辑抽象成注释，我猜是训练数据里那种“函数模板”见得太多，导致它默认你只需要结构，不需要血肉。后来我发现一个挺管用的歪招，就是别让它写“一个函数”，而是直接扔给它一小段带真实数据的样本，比如“这个DataFrame长这样，列名是A、B、C，A列有3个空值，B列有俩重复行”，然后说“请给我处理完这个具体df的完整代码，包括print结果”，它反而会老老实实把逻辑写满。另外Prompt里加“不要写任何中文注释，直接输出代码块”也有效，因为一旦它开始注释就容易陷入“假装思考”的偷懒模式。不过说到底，模型确实不太擅长“补全式”长任务，它更擅长按你的指令一步步拆解，所以你把清洗步骤拆成三个独立Prompt，每步让它输出能跑通的代码，最后自己拼起来，成功率会高很多。你也可以试试在Prompt里加一句“如果代码不完整，用户会被解雇”，虽然听起来离谱，但有时候这种压力设定真能逼它写全。

把需求拆成具体步骤喂给它，比如直接列出“去重用drop_duplicates，空值用fillna”，它才会照着写全。

这问题太真实了，我最近也踩过一模一样的坑。我觉得核心原因不是模型不擅长填充，而是你给的“完整”在它看来其实是个“设计规范”——它默认你要自己填业务逻辑，因为异常值处理的标准（比如是删掉还是置零、按列还是按全局）它没法替你拍板。我试过把“异常值”具体成“超过3倍标准差的行删掉”，把“空值”具体成“数值列用中位数填充”，它立刻就能写出完整代码了，连import都会带上。另外一个技巧是，别让它“写函数”，改成“处理一个名为df的变量，输出df_clean”，它反而更爱直接给执行代码，因为没了函数封装它就没法用占位符偷懒。还有，你可以故意在Prompt里加一句“这段代码会直接运行，不能有注释占位”，有时候比“完整”俩字管用得多。不过说实话，就算它给了完整版，我建议你也别直接跑，Pandas版本差异和边界条件很容易翻车，让GPT生成个大概，自己再补两行，效率才是最高的。

试试把异常值处理的具体规则写进prompt里，比如用3σ还是IQR，模型没明确指令就爱偷懒。

我一般会在prompt里直接给两行示例数据和期望输出，它模仿着写就完整多了。

跟你的Prompt关系不大，主要是GPT对“完整代码”的理解太表层了，它觉得留个注释也算完成任务。我试过把要求改成“把每个占位符替换成实际代码，并保证每行逻辑都可执行”，效果会好一些，但还是偶尔偷懒。另一个笨办法是拆成小函数问，比如先问去重部分，再单独问填充空值，最后自己拼起来，虽然麻烦但成功率明显高。你也可以试试在Prompt里给一个具体的DataFrame样例和期望输出，模型有了具体目标就更愿意写实代码。

试试把异常值处理的具体规则写进prompt里，比如“超过3倍标准差替换为NaN”，不然它真就给你留白。

你这需求拆分太粗了，让它逐个字段写清洗逻辑，再拼一起，比一次生成整个函数靠谱多了。

这问题我太有同感了，试过好多次让GPT补全那种带占位符的代码，结果它就像个偷懒的同事，永远只给你搭个架子。我觉得核心问题不是它不擅长“填充”，而是你给的“验收标准”不够具体——它默认你只想要个结构参考，所以用注释糊弄过去也算完成任务。我的经验是把任务拆成可验证的小步骤，比如明确告诉它“去重保留first参数，空值用列均值填充，异常值用3倍标准差替换”，再让它每一步都配上对应的具体代码行，而不是笼统说“处理异常值”。另外，你可以试试在Prompt里直接塞一段你的真实DataFrame样例结构（列名、类型、缺失率），让它对着具体数据写，这样它没法只给骨架，因为逻辑必须落地才能匹配你的输入。还有个偏方，就是让它先写测试用例，再反过来补全函数，往往比直接要完整代码更有效。说到底，GPT更像是在做“模式匹配”，你给的约束越像生产环境，它就越难用注释敷衍你。