用AI Agent写Python脚本，总改不对逻辑，是我prompt没写好还是工具本身局限？

这种逻辑判断型的任务Agent确实容易翻车，我试过类似的AST相关需求，它经常在边界条件上犯错。我的经验是别把需求一次性丢给它，拆成小步骤问，比如先让它只处理单文件的import分析，确认逻辑对了再加递归目录和__init__.py的特殊处理。另外让它先写测试用例再写实现，比单纯贴文档有效得多，因为测试逼着它把边界想清楚。流程图那招我也用过，对简单任务有用，但复杂逻辑它画的图本身就可能漏东西。

这种逻辑分支多、边界条件碎的任务确实容易翻车，我也踩过类似的坑。我的经验是别指望一把梭，先让它把递归遍历和ast解析拆成两步单独验证，跑通了再拼起来。init.py被误删这种问题，其实可以在prompt里直接列清楚排除规则，比贴文档管用。另外可以先让它写几个测试用例，用测试驱动的方式逼它把逻辑想清楚，比画流程图实在。

这种带明确逻辑边界的任务，Agent确实容易翻车，不是你的prompt问题。我试过类似的，发现它特别爱“自作主张”补逻辑，比如__init__.py这种边界情况它压根没概念。后来我的做法是先让它只输出伪代码和判断分支，确认没问题再让它填实现，稳很多。也可以拆成两步：先写扫描+ast解析的骨架，跑通了再让Agent补删除建议那块。别指望一次生成完整脚本，把它当个需要review的实习生用就行。

这种逻辑活Agent确实容易翻车，我一般先让它写伪代码确认思路再让它填代码。

先让它画流程图这招靠谱，逻辑拆清楚再写代码，比硬改prompt管用。

这种涉及边界条件的逻辑任务，Agent确实容易翻车，ast分析本身不难，难的是它得同时记住递归、跳过__init__、还要输出可读建议，稍微漏一个约束就跑偏。我的经验是别指望一次prompt搞定，先把需求拆成几步让它分步确认，比如先只做扫描、再加过滤、最后拼输出，每一步都跑一遍测试再往下走。另外可以让它先写几个边界用例当“验收标准”，它自己对着用例改比对着文字描述改靠谱多了。至于流程图，我觉得用处不大，Agent缺的不是思路，是对细节约束的稳定执行。

写得挺好，建议补充一些性能数据。

我最近也在用Cursor的Agent模式搞类似的事，感觉你这个情况不完全是prompt的问题。像“递归扫描目录”和“跳过__init__.py”这种细节，其实属于隐式的边界条件，你prompt里没明说它就默认按最常见的方式处理了，而ast分析本身又牵扯到作用域判断，Agent很容易在“看起来对”和“真的对”之间翻车。我的经验是别指望它一次写对，而是把任务拆成几步：先让它只写遍历文件的部分，你跑通了再让它加ast分析，最后单独处理__init__.py这类排除规则，每步都让它解释一下思路，比一次性丢个大需求稳得多。至于先画流程图再写代码，我觉得有点用但别太迷信，流程图它画得挺漂亮，落到代码照样可能漏分支，关键是你要给它可验证的中间产物，比如让它先输出每个文件的import清单，你肉眼扫一遍再继续。另外这种逻辑判断任务确实不是Agent的强项，它更擅长写模板化的东西，真正涉及“哪些该删哪些不该删”的语义判断，最好你自己把关，让它干体力活而不是做决策。换个思路，你不如让它生成一个带dry-run和详细日志的版本，你先看日志再决定删不删，比纠结prompt本身实在。