用Claude 3.5写Python脚本，每次都要反复改提示词，怎么才能一次生成能用的代码？

说实话我觉得把需求写详细这事儿本身就挺反直觉的，你越想把场景说全，AI反而越容易漏掉你想强调的重点。我现在习惯先让它跑通一个最小例子，然后直接拿报错去反推它哪里理解偏了，这样反而比一次性写完美提示词快。另外你可以试试在提示词里丢一个目标文件的真实结构截图或者前几行数据，它处理Excel时对“所有sheet”的理解会明显好一些。不过说真的，多次迭代可能确实是这玩意的常态，别太指望一次成型，就当是在跟一个记忆力不太好但悟性很高的同事配合。

把输入输出样例和边界条件写进提示词里当“测试用例”，让AI先跑通再补全，成功率会高很多。

说实话我现在已经接受多轮迭代是常态了，但有个技巧能省点事：把数据文件的真实结构（比如sheet名和列名）直接贴给它，比描述需求管用得多。另外建议试下在提示词里加一句“先分析输入文件可能的所有边界情况，再写代码”，它会提前考虑多sheet问题。我自己的经验是，与其追求一次完美，不如让它先输出一个带注释的伪代码版本，确认逻辑后再生成完整脚本，这样反而效率更高。你那个遍历所有sheet的问题，其实可以在代码里加个assert检查读入的sheet数量，跑之前就能发现。

把需求拆成“输入-处理-输出”三段式喂给它，再让它先列计划再写码，准确率能提不少。

与其死磕一次生成，不如让它先跑通小样本再上全量，迭代其实比反复改提示词省事。

我自己的感觉是，与其追求一次成功，不如把Claude当成需要带的新人，先让它生成框架，再根据报错去喂它具体的边界条件。而且它默认行为确实偏“省事”，比如只读第一个sheet，你可以在需求里直接写“把所有sheet都循环处理”这种硬约束，比描述结果更管用。另外试试先让它列一个处理步骤清单，你确认了再写代码，能省不少来回改的时间。

把需求拆成伪代码丢给它，比写自然语言管用多了，我试过基本一次过。
迭代确实正常，但先让它列处理步骤再写代码，能省不少返工。

说实话，多轮迭代才是常态，别太纠结一次成型。我一般会把“遍历所有sheet”这种高频需求写进一个固定的需求模板里，每次直接套用，省得反复敲。另外，你可以在提示词里让Claude先输出代码逻辑的伪代码或计划，你确认了再让它写实现，这样比直接要完整代码靠谱得多。还有个小技巧，就是把Excel文件结构（比如sheet名、列名）贴给它，它瞎猜的几率会小很多。

我觉得这挺正常的，AI写代码本来就不是一次成型的活儿，能一次跑通反而是运气。你遇到的多sheet问题我也踩过，Claude确实容易默认只处理显式提到的部分，它不会主动帮你"想周全"。我现在的做法是把提示词写成一个小的需求文档，明确输入是什么、输出是什么、异常情况怎么处理，甚至把列名和示例数据贴进去，这样成功率会高不少。另外我会让它先输出思路再写代码，中间发现理解偏差还能及时纠正，比直接甩一堆代码过来强。不过说真的，迭代几次本身就是工作流的一部分，指望一句话生成生产级脚本不太现实，把它当成一个需要review的初级同事更合理。

我一般会把需求拆成两步：先让AI列个实现思路和边界条件，确认没问题再让它写代码。像遍历所有sheet这种，与其在提示词里反复强调，不如直接给它一段示例代码结构，让它照着填。说实话一次生成就能跑的代码基本是碰运气，多迭代两轮反而更稳。你可以试试让它先输出伪代码，你改完再让它转成Python。

一次生成能用不太现实，我都是先让它写框架再逐步补细节，多轮迭代反而更快。