用Cursor写Python项目，AI老给我生成一堆没见过的库，该不该直接装？

这题我太有感触了，刚用AI写代码那会儿也被塞过一堆“黑科技”库。polars和duckdb其实都挺靠谱的，尤其处理大CSV时性能吊打pandas，但问题是你队友不一定懂，到时候调bug真的会想骂人。我现在的做法是，如果项目就自己跑，那用新库没问题，但要是团队协作，我宁可在提示词里把话说死——直接写“只用pandas和re，禁止引入其他第三方库”，然后它基本就老实了。还有就是你可以加一句“保持代码风格保守，优先用常见库”，效果也不错。另外那个pyjanitor，说实话我到现在也没用过，感觉像是AI在炫技，没必要为了它增加学习成本。说到底，AI生成代码是为了解决问题，不是给你制造知识焦虑，能跑通、好维护才是第一位的。

说实话polars和duckdb在数据处理上确实比pandas快不少，尤其是文件大的时候，但新人上手容易被绕晕。我一般会在提示词里直接写“只用pandas和re，不要引入额外依赖”，效果立竿见影。另外建议你跑通后把不用的库删掉，只留核心逻辑，不然队友看到那一堆import真的会崩溃。

这问题太真实了，Cursor有时候确实热衷于炫技。polars和duckdb本身都是好东西，处理大文件比pandas快不少，但小项目里引入它们确实没必要，维护成本也高。你可以在提示词里明确写“仅使用标准库和pandas完成，不要引入额外依赖”，或者直接加一句“保持代码最小依赖”。如果它还是乱来，就手动把不认识的import删掉，跑一遍让它自己报错修正，多试几次它就会收敛。

说实话polars和duckdb还真不是野路子库，性能比pandas强不少，但你现在只是清洗CSV，杀鸡用牛刀了。我建议直接在提示词里写死“仅使用pandas和re完成，禁止引入其他依赖”，多试几次它就会收敛。另外队友维护这事确实得考虑，我一般会在项目里加个requirements锁版本，新库至少先跑一遍测试再决定留不留。

说实话polars和duckdb现在挺靠谱的，尤其是处理大CSV时性能比pandas好不少，但小项目里确实没必要引入。你可以在提示词里明确写“只用pandas和re完成”，或者把允许使用的库列出来，它一般就不会自由发挥了。至于维护问题，建议你在代码里加个注释说明为什么用这些库，不然队友看到确实会懵。

其实polars和duckdb都是现在挺主流的高性能库，尤其处理大点的CSV比pandas快不少，但小项目里确实没必要引入这么多依赖。维护角度确实是个问题，队友看到不熟悉的库第一反应肯定是想换成自己会的。我建议你在提示词里直接写“只用pandas和re完成，禁止使用其他第三方库”，然后让它把生成代码里没用到的import删掉，基本就能管住。另外如果项目以后要给别人看，最好还是自己review一遍依赖，别全信AI的“优化”。

在提示词里直接点名只用pandas和re，再补一句别引入额外依赖，它就不敢乱来了。

以后维护确实是个问题，那些库虽然强但生态太杂，建议还是先稳住基础工具。

同感，polars和duckdb近几年确实火，处理大文件比pandas快不少，但如果你只是清洗小CSV，这属于杀鸡用牛刀了。想让它老实点，可以在提示词里直接写死“仅使用pandas和标准库完成”，或者加一句“不要引入额外依赖”，它基本就会收敛。不过说实话，让AI偶尔带你看点新库也不是坏事，踩坑前先跑个pytest就好，别让队友给你擦屁股就行。

说实话我最近也被这问题折腾过，polars和duckdb倒还好，都是正经开源项目，性能确实比pandas猛，但pyjanitor这种偏小众的库真得掂量下社区维护情况。你要是自己玩无所谓，团队项目里队友看到一堆陌生依赖，光code review就得解释半天，更别提环境装不上时的痛苦了。想让AI老实点，我试过在提示词里加“仅使用Python标准库和pandas”，或者直接说“不要引入第三方库，除非绝对必要”，语气强硬点它基本就听话了。另外还有个土办法，就是把你的import语句先写好贴在代码开头，AI一般会顺着已有代码风格走。不过话说回来，polars处理大数据集是真的快，如果项目不急着交付，倒是可以趁这机会学学新东西，反正坑踩多了就熟了。

直接用polars也没啥，性能确实比pandas强，但怕队友看不懂的话就在提示词里加上“仅使用pandas和re实现”。

直接装没问题，但你得把“仅使用pandas和re”写进提示词里，它就不敢乱来了。

直接跟它说“只用标准库和pandas，别整花活”，它一般就老实了。新库虽好，但队友看不懂确实坑。

还是先在提示词里锁死技术栈吧，polars再快也不值得为个小脚本增加沟通成本。

我之前也遇到过这情况，polars和duckdb其实性能比pandas强不少，但小项目真没必要引入，队友看着确实头疼。你想限定库的话，可以在提示词里直接写“只用pandas和re完成，禁止导入其他第三方库”，效果挺明显的。另外建议让Cursor开个“最小依赖”模式，或者把现有requirements.txt贴给它当约束，它就老实多了。

polars和duckdb其实都是挺靠谱的库，性能比pandas好不少，但如果你只是处理小CSV，确实没必要引入它们增加团队认知成本。我一般会在提示词里明确写“只用pandas和标准库，不要引入其他依赖”，然后把项目依赖文件路径也贴给它，它就会收敛很多。另外建议你装个pip-audit之类的工具，让AI生成的代码跑完依赖检查再合入，这样能挡掉不少坑。

说实话polars和duckdb处理大数据集确实比pandas快不少，但你这场景杀鸡用牛刀了，反而增加队友学习成本。我一般会在提示词里直接写“仅使用标准库和pandas实现”，或者加一句“不要引入额外依赖”，基本就能拦住它。另外建议让它把用到的库都列在requirements里，这样至少维护时心里有数。

说实话你这个情况我太懂了，Cursor有时候就跟个刚毕业的实习生似的，总想秀点新花样。polars和duckdb确实都是好东西，性能比pandas强不少，尤其是处理大文件的时候，但问题是你的项目是简单数据清洗，杀鸡用牛刀真没必要。而且你担心得对，队友维护时看到一堆不认识的库，第一反应肯定是心里骂娘，光装环境可能就得折腾半天。我自己的经验是，提示词里得把约束写死，比如“只使用pandas和标准库完成，不要引入额外依赖”，或者直接给它一个依赖清单让它照着填。还有个笨办法，就是开个干净的虚拟环境，让它每引入一个新库就报错，逼它改用pandas，效果挺直接的。不过话说回来，如果你不排斥学点新东西，polars其实值得花半小时看看，列式处理是真的快，但前提是你自己愿意折腾，而不是被AI推着走。最后建议你干脆把生成代码里那些没用的import手动删了，改成pandas写法，跑一遍验证下逻辑，这样心里也有底。

说实话我太懂你这个纠结了，polars和duckdb现在确实火，但你要是就做个几千行的CSV清洗，pandas真绰绰有余了。AI这玩意儿就喜欢炫技，它觉得新库能提高性能，但压根没考虑你后续维护的人是不是熟悉这套生态。我上次让它写个处理Excel的脚本，它直接给我上了个calamine，我查了半天才知道是Rust写的解析库，后来还是老老实实换回openpyxl了。

关于怎么让它别自由发挥，你可以在提示词里加一句“只允许使用标准库和pandas，禁止引入其他第三方依赖”，或者更狠一点，直接说“如果必须额外库，请先询问我”。我试过把项目需求里明确写“团队统一技术栈为pandas”，它基本就收敛了。另外，Cursor的规则文件（.cursorrules）里可以全局设置，你写死“禁止使用polars、duckdb、pyjanitor”，它下次就乖多了。

不过话说回来，duckdb做大数据量聚合是真的快，你要是文件超过500MB，它比pandas省内存多了。但前提是你得自己先搞懂它，不然出bug了你连报错都看不懂。我的建议是，先让它用pandas把功能跑通，等你有空再单独研究那些新库，别在项目里混着用。怎么说呢，AI是帮你写代码，不是帮你做技术选型，这个决策权还是得捏在自己手里。

其实polars和duckdb现在挺多数据项目在用的，性能确实比pandas强不少，但如果你自己都不熟，后期维护确实容易懵。我一般会在提示词里加一句“仅使用Python标准库和pandas完成”，或者直接说“不要引入额外依赖”，这样它基本就老实了。另外，你可以先让它解释一下为啥用这些库，有时候它确实有理由，听完再决定装不装也行。

直接锁死pandas，提示词里写上“仅使用pandas和re，禁止引入其他库”，不然它总想给你秀操作。

我一般会让它只用标准库写，不行就多拉几轮对话，指定pandas才给跑。