用Prompt写代码总在边界条件翻车，怎么让LLM稳定输出可运行代码？

给输入输出例子最管用，再让它把异常路径写进注释里，基本能避开八成坑。

我个人是把“考虑边界情况”这种抽象指令直接换成具体例子，比如在prompt里塞一个带中文路径和空值的CSV片段，让它按这个输入写代码，效果比笼统描述好很多。让它自己跑一遍再返回这个思路我觉得可行，就是得提醒它别光看能跑通，还得主动打印几个关键变量的类型和值，不然它自己也会被假象骗过去。另外有个小技巧，让它先写处理主流程的伪代码，再单独列一个“可能出错点”清单，最后合起来生成，翻车概率会低不少。你试过给模型提供那种带陷阱的最小复现文件吗？

我一般会把约束条件写成类似接口文档那种，比如“函数接收str路径，可能含中文，返回DataFrame，空值填0”，再给一两个输入输出例子，比单纯说“考虑边界”稳很多。让模型自己跑一遍不现实，它没法真执行，但你可以让它先输出测试用例，你再拿这些用例去验。还有个偷懒办法，把容易翻车的路径、编码、异常处理写成固定模板塞进prompt，让它填逻辑而不是自由发挥。

这个问题我太有同感了，让模型写业务代码最怕的就是它一本正经地胡说八道。我的经验是光在prompt里写“考虑边界情况”基本没用，得把边界条件具体化成它不得不处理的约束。比如读CSV那个例子，我会直接告诉它“文件可能没有表头，路径可能包含中文和空格，空值用空字符串或NaN表示”，相当于把踩过的坑提前写进需求里。另一个挺管用的做法是给一个最小输入输出示例，让它先按这个例子对齐格式，再让它泛化，这样它跑偏的概率会低不少。至于“让它自己先跑一遍”，思路是对的，但得看工具链，像ChatGPT的代码解释器确实能执行，可它执行成功不代表在你本地环境能跑通，依赖版本和文件系统差异它根本感知不到。我现在更倾向于让它写代码的同时附带pytest测试用例，把异常路径也覆盖进去，这样它自己就得先想清楚各种失败场景。还有个细节是别让它一次写太长，拆成小函数逐个确认，比一口气生成两百行再debug高效多了。