用Prompt让GPT写Python代码，为什么总生成半成品函数？

你这需求太大了，模型怕写错就给你留白，试试把清洗逻辑拆成几步逐个问，成功率会高很多。

这问题我也踩过坑，GPT确实容易把复杂任务拆成“骨架+注释”来偷懒，本质上是它默认你在做原型设计而不是交付代码。你可以试试把需求拆成多个小函数，比如先去重、再填充、最后处理异常，每个都单独发一个prompt让它补全，或者直接在prompt里给一段带真实数据的示例，让它对着实际输出写。另外，明确告诉它“不要写注释，每个分支都要有具体实现，除非逻辑上不可能”，有时候换个措辞效果会差很多。

这问题我遇到过，GPT其实是把“写函数”理解成了“搭框架”，因为你的prompt里没给它具体的清洗规则，它就默认用占位符偷懒了。我后来习惯把要求改成“针对以下数据样例，实现具体逻辑”，然后把几行带空值和异常的真实数据贴进去，它就会老老实实写full code了。另外可以试试加一句“不要用注释代替实现，每行都要有实际代码”，效果立竿见影。

说实话你这问题我太有同感了，GPT在这种“伪任务”上特别容易偷懒，因为它觉得给你结构就够了。我试过把函数拆成几个小步骤分别提问，比如先写去重，再单独问填充逻辑，最后拼起来，效果比一个笼统的prompt好很多。另外可以试试在prompt里给个具体的输入输出样例，让它照着数据形态写，它就不敢光给占位符了。还有个偏方，就是让它先“解释思路”再“生成代码”，有时候反而能逼它写完整。

这种情况我也踩过不少坑，后来发现核心问题在于任务拆解的方式，而不是模型能力。你那个prompt其实是在让GPT做“设计模式”而不是“具体实现”，它默认你懂逻辑，所以把复杂的活儿留给你自己填。我试过最有效的方法是给一个极小的示例DataFrame，比如三行数据，里面同时包含重复值、NaN和异常值，然后明确要求“针对这个示例，直接输出处理后的结果和完整代码”，模型一下子就会“被迫”写具体逻辑了。另外，别用“清洗”这种概括词，把每一步拆开问，比如先问“如何用drop_duplicates处理这组数据”，拿到代码再叠加下一步，这样它不会偷懒。还有个技巧是加一句“不要使用注释代替代码，每一行都要可执行”，有时候比“完整可运行”管用。不过说实话，GPT对“占位符”的执念挺迷的，可能训练数据里大量开源项目模板都是这种风格，所以它觉得这是惯例。你要是急着用，也可以试试先让它生成伪代码，你再手动补几行，反而比反复调prompt快。

把需求拆成具体步骤写进prompt，比如“用drop_duplicates处理去重，再用fillna填充均值”，它就不会留占位符了。

我试过直接给个示例DataFrame和期望输出，让GPT照着写，基本一次就能出完整代码，比光说“完整代码”管用。

这问题我太有感触了，之前也让GPT写那种带异常处理的pandas函数，结果它老爱把逻辑拆成注释留给我，特别崩溃。后来我发现它其实不是不会写，而是你把“清洗”这个大概念丢给它，它默认要给你留出决策空间，比如空值用均值还是中位数填、异常值用IQR还是3σ，这些你不说死，它就干脆不选。你得把Prompt改成“用中位数填充数值列空值，用3σ法剔除异常值，去重保留第一条”，它立马就能给你出完整代码。还有个技巧，就是在最后加一句“不要写注释，不要写函数骨架，直接输出全部代码”，有时候比“完整代码”这种词管用。不过说实话，真遇到那种特别复杂的清洗逻辑，它确实容易在中途“失忆”，生成到一半就断片了，这时候我会把任务拆成两个小函数让它分别写，再自己拼起来，比让它一口气写完靠谱得多。

把需求拆成具体规则喂给它，比如“空值用中位数填，异常值按3σ剔除”，它就不敢偷懒了。

你这需求太大了，GPT默认偷懒只给骨架，得把每个处理步骤拆成小任务单独问它，最后自己拼起来。

试试在prompt里直接给几行示例数据，让它对着真实数据写，比光说“完整代码”管用多了。

这问题我也踩过坑，后来发现GPT其实是在“猜”你的数据长啥样，比如空值填0还是均值、异常值用几倍标准差，它不确定就干脆留占位符让你自己定。你不如把需求写得更死，像“把age列空值填中位数，超过3倍标准差的值替换成上限”，它就能给出具体代码了。另外建议你分步骤问，先让它写去重，再单独问填充，最后手动拼起来，比一次性要完整函数靠谱得多。

这问题我太有同感了，一开始我也以为是自己prompt写得不够“虔诚”，后来试多了才发现，GPT在遇到“数据清洗”这种范围很广的任务时，它默认会去猜你的“清洗”到底指什么，于是干脆生成一个带注释的框架让你自己填，反而显得它很“智能”。你那个“请输出完整可运行代码”没起作用，是因为它觉得你已经接受“占位符”这种交互模式了，模型其实很吃上下文里的“暗示”。我自己的土办法是，把任务拆成“原子级”的，比如先单独让它写“去重且保留最后一条”的函数，再单独写“用中位数填充某几列”的代码，最后我再拼起来，成功率会高很多。另外你可以在prompt里直接给一个极小的DataFrame样例和期望输出，让它在那个具体例子上跑通逻辑，它就没法偷懒写注释了。还有一个比较损的招，就是明确告诉它“这个代码会直接跑在线上，如果报错或出现占位符，责任全在你”，有时候加这种压力反而有效。说到底，GPT不是不擅长填充，是它太擅长“预期管理”了，你给的约束越像“代码审查标准”，它就越不敢糊弄。

说实话这大概率是你prompt里给的“边界”太宽了，GPT觉得留白才是最优解。我一般会直接把异常值处理的具体规则（比如3σ还是IQR）和填充方法（中位数还是前向填充）都写进需求里，它反而会老实很多。另外可以试试在结尾加一句“不要写注释和占位符，直接输出完整代码块”，有时候比“请输出完整可运行的代码”管用。还有个野路子，就是让它先写个简单版本，然后你追问“这个函数在遇到全空列时会不会报错？帮我改好”，它就会被迫去补全细节了。

这种问题我踩过坑，得把每步处理逻辑拆成单独要求写进prompt里，GPT才会给全代码，直接笼统描述它默认就偷懒。

Prompt里得带示例数据，让它照着填，不然它就偷懒留占位符。

你这是把需求拆得太粗了，直接把处理逻辑一条条写进prompt里，它就不敢自己发挥了。

这问题我也踩过坑，跟你讲，核心不是让GPT“写全”，而是把需求拆成它能一次性输出的粒度。你那个prompt太宽泛了，去重、填充、异常值三个任务挤在一起，模型大概率会先给你搭个框架再等下一步指令。我习惯的做法是让它“生成一个函数，内部用具体pandas方法实现，每行代码都写实际逻辑，禁止注释占位”，然后针对每个子任务单独追问一次，或者干脆在prompt里给个输入样例和期望输出，它就知道要填真代码了。

另外你可以试试把“完整代码”改成“返回一个能直接运行且不包含注释的代码块”，有时候是模型理解“完整”为结构完整而非逻辑完整。再不行就分两步走，先让它出伪代码，再让它把伪代码逐行翻译成实际调用，成功率会高很多。反正我现在写数据处理脚本基本都这么干，很少再拿到半成品了。

这问题我遇到过好多次，后来发现光靠加“完整代码”没用，得把需求拆到足够小。比如你直接让它写“处理异常值”这一步，给几个具体列名和规则，它反而能给出能跑的代码。另外你可以试试在prompt里加一句“请给出每个步骤的示例数据变换前后对比”，这样它想偷懒都难。我怀疑它是在模仿你提问的粒度，你给的描述太抽象，它就只能先搭个架子。

说实话你这个情况我太懂了，GPT写代码特别容易“偷懒”，尤其是你给的任务描述越像教科书里的习题，它就越倾向于输出那种教学范儿的骨架。我觉得问题核心不在“填充式”任务本身，而是你给的指令让它默认了“函数框架比实现细节更重要”。我自己试过，把Prompt改成“请用完整代码实现，不要任何注释或占位符，直接给出可以粘贴运行的def体”，同时明确要求“每一行处理逻辑都要写出来”，效果会好很多。另外，你可能得把“去重、填充空值、异常值处理”这几个步骤拆开，让它分别针对每个子任务生成代码，再自己拼起来，因为模型在单次输出里要同时处理多个逻辑时，确实容易选择只给轮廓。还有个土办法，就是故意在Prompt里加一句“如果代码不完整，用户会解雇你”或者“这是生产环境代码，必须全量实现”，虽然听起来有点滑稽，但有时候这种压力暗示真的能逼它写全。最后想问下，你试过用ChatGPT的代码解释器模式或者让它在生成后自己执行一遍吗？我总觉得让它自己跑一遍能发现那些占位符。

把需求拆成具体规则喂进去，比如空值填0、异常值用中位数替换，它就会写实代码了。

试试让它先输出处理步骤再写码，或者限定“只输出函数体不解释”，比加“完整”俩字管用。

这问题我也碰到过，后来发现关键是把“写一个函数”换成“给出完整代码”，同时把具体规则直接写进prompt里，比如“去重保留最后一条，空值用列均值填充，异常值用3倍标准差过滤”，这样它就知道该填什么了。另外试试把输入输出样例也塞进去，它有参照了就会老实很多，我这么干之后基本都是一次出能跑的代码。

把需求拆成小步骤，让它一步步写，一次塞太多它反而会偷懒留白。或者直接给示例数据，逼它输出能跑的完整代码。