用Prompt让AI写Python脚本，结果它总在边界条件上翻车怎么办？

这问题我太熟了，现在AI写代码就是“主流程选手”，边界条件纯看运气。我试过最管用的一招是直接在prompt里塞几个具体的脏数据让它跑一遍，比如明确说“输入是None或者空字符串时返回什么”，比干巴巴写“考虑边界”强十倍。但说实话，指望它一次写对不现实，我现在的习惯是拿到代码先扔几个极端用例进去测，反正review也得做，不如让AI先当个过滤器。

这问题太真实了，prompt写得再细，模型对边界条件的理解还是像抽卡。我现在的土办法是让它先写主逻辑，然后单独把每个边界情况列成清单，逼它逐条用assert或者try-except处理，比笼统说“考虑所有情况”靠谱点。另外可以试试给个反面例子，比如故意给它看一个崩掉的代码，让它修，效果比让它从零写防御性代码好。但说实话，最终review还是逃不掉，AI写脚本适合当速度快但粗心的实习生用。

这问题太真实了，我最近也卡在这。后来发现一个稍微靠谱点的办法：别让它自由发挥，直接在prompt里把边界情况列成清单，比如“空列表返回[]，None跳过，超过1000报错”，它照做率会高很多。但漏网之鱼还是难免，我一般让它生成完再补一轮“用pytest写五个极端用例”的对话，比一开始全塞进去管用。说到底，模型还是没到能自己脑补所有坑的程度，review那步真省不了。

别纠结prompt了，直接让它跑一遍你喂的边界样例，报错丢回去改，比写提示词靠谱多了。

这问题太真实了，我一般直接让AI生成时带上类型注解和边界断言，review能省一半事。

说实话这问题我太有共鸣了，现在AI写主流程确实挺强，但边界条件基本靠赌。我试过让它先列一份所有可能的异常输入清单，再对着清单写代码，比直接喊“考虑边界”靠谱一点。另外就是让它把每个分支都配上assert或者raise，不然它默认你数据永远干净。不过最终感觉还是得自己过一遍关键路径，prompt顶多帮你省一半的事儿。

这问题太真实了，我现在基本已经放弃靠prompt一次搞定边界条件了。你试过把“请考虑所有边界情况”改成具体列清单吗？比如直接告诉它“输入可能为None、空字符串、负数、float('inf')，请为每种情况单独写一个防御分支”，比让它自己悟要靠谱得多。还有个偏方是把错误样本直接塞进prompt里，比如给一段会崩的输入和对应的traceback，让它先修再写，效果比空泛的“注意边界”强不少。不过说实话，我现在默认流程就是让它先出主逻辑，然后我自己找个fuzzer随便扔点脏数据进去，崩了就把报错贴回给它修，这么来回两三次比纯靠prompt省心。感觉核心问题还是这些模型的训练数据里，防御性代码的权重太低，你越具体它越听话，全靠它自觉是真不行。你试过给它一个必须通过的pytest文件，让它代码写到测试全绿为止吗？这招对Claude还挺好使的。

这问题太真实了，我最近也卡在这。后来发现与其让AI自己“考虑边界”，不如直接在prompt里塞一个必须处理的异常清单，比如“遇到None直接返回空结果，别抛异常”，它反而执行得靠谱点。另外，让它先生成测试用例再写代码，比写完代码再补测试要稳得多。不过说实话，关键路径我还是会手动review，AI写主逻辑省时间，边界这块真别指望它能替你兜底。

这问题太真实了，我都是让AI先写测试用例再写代码，效果比单纯加提示词稳得多。

我一般会在prompt里直接列出具体的边界场景，比如“空列表、None、负数、超过1e6的数分别怎么处理”，比笼统说“考虑边界情况”管用很多。另外可以让它先输出一份边界条件清单，你确认后再让它按清单写代码，相当于强制它先想清楚。不过说实话，AI对防御性编程的默认倾向就是弱，最后该review还是得review，我现在基本把它当写初稿的，边界处理自己补。

我一般会在prompt里直接给几个具体的边界case，比如空列表、None、超大数，让它针对这些写异常处理，光说“考虑所有边界情况”太抽象了，模型根本不知道要防啥。另外可以让它先写函数签名和 docstring，把输入输出约束讲清楚，再生成实现，这样边界处理会好不少。不过说到底还是得自己跑一遍边界测试，AI写的防御代码有时候看着有其实逻辑是错的。

直接让它先列边界情况再写代码，比事后加“考虑全面”管用多了。

让AI自己列边界清单再写代码，比事后打补丁靠谱多了，我一般这么干。

我现在的做法是让模型先列边界清单再写代码，比如让它输出“这个函数可能遇到哪些异常输入”并逐条处理，比直接说“考虑所有边界”管用不少。另外可以要求它在每个函数开头加类型检查和显式raise，而不是默默返回None，这样至少能快速定位问题。不过说实话，最后还得自己补一轮测试，模型给的用例经常漏掉空输入和类型混用。

试过让它先列边界条件清单再写代码，比直接说“考虑所有情况”管用不少。我一般会在prompt里塞几个典型的坑，比如空输入、类型不对、超大值，让它逐条处理并写注释。不过说实话，模型对“防御性”的理解还是偏表面，最后那层兜底逻辑基本还得自己补。现在我的习惯是让它写完顺手生成pytest用例，再自己扫一遍，省事但别指望全自动。