codegeex生成python关键词查找逻辑需四类提示优化：一、提供结构化数据样例与明确io；二、限定搜索字段、匹配方式（如子串/in/正则）；三、声明标准库依赖与类型注解；四、分步拆解为加载、预处理、匹配、聚合模块。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望使用CodeGeeX快速生成用于Python环境的关键词查找逻辑，但不确定如何准确描述需求或组织代码结构，则可能是由于提示词不够具体或未匹配模型对数据搜索任务的理解模式。以下是针对该场景的多种实现路径：
一、提供结构化数据样例引导生成
CodeGeeX在接收含明确输入输出示例的提示时，更易推断出目标函数签名与边界条件。通过向模型展示典型数据格式及期望匹配行为，可显著提升生成代码的准确性与可用性。
1、准备一段包含关键词字段的Python列表或字典样例，例如：[{"id": 1, "title": "Python入门", "content": "学习基础语法"}, {"id": 2, "title": "机器学习", "content": "使用scikit-learn建模"}]。
2、在提示中明确写出期望结果，例如：输入关键词"Python"，返回所有title或content中包含该词的字典。
3、在CodeGeeX界面中输入类似提示：“给定以下数据列表，写一个函数search_keywords(data, keyword)，在title和content字段中不区分大小写查找keyword，并返回匹配项列表”。
二、限定搜索范围与匹配方式生成
当原始需求未说明是否需全文匹配、子串匹配或正则匹配时，CodeGeeX可能默认采用最简逻辑。主动指定匹配策略可避免生成过度泛化或遗漏边缘情况的代码。
1、在提示中加入约束条件，例如：仅搜索content字段，要求完全匹配（即keyword == content.strip()）。
2、若需模糊匹配，明确写出：使用in操作符进行子串搜索，且忽略大小写。
3、如需支持通配符，提示中应包含示例：关键词"*网络*"表示匹配包含"网络"二字的任意字符串，并要求生成对应re.match逻辑。
CodeGeeX 2.21.0是智谱AI推出的AI编程助手版本，对Inline Chat功能进行了重大优化，包括UI设计升级、支持流式输出以提升响应速度，并新增“查看思路”按钮以便理解代码原理。同时，该版本在编辑器中新增CodeLens控件，支持一键“解释”代码或“添加注释”。目前该工具对个人开发者免费开放。
三、嵌入常用库调用指令强制生成规范代码
CodeGeeX对标准库名称识别度高，直接在提示中列出所需模块，可引导其生成符合Python惯用法的实现，避免手动生成低效循环或忽略异常处理。
1、在提示开头声明依赖，例如：使用re模块和functools.reduce，不使用pandas或numpy。
2、指定函数特征，例如：函数必须有类型注解，参数data: List[Dict[str, str]]，返回List[Dict[str, str]]。
3、加入健壮性要求，例如：对None值字段跳过检查，不抛出KeyError。
四、分步拆解搜索流程生成模块化代码
将“数据搜索”任务分解为加载、预处理、匹配、聚合四个阶段后分别提示，可获得更易调试与复用的代码片段，尤其适用于含JSON文件读取或API响应解析的场景。
1、第一步提示：“写一个函数load_json_file(filepath: str) -> List[Dict]，读取JSON文件并处理编码错误”。
2、第二步提示：“写一个函数preprocess_text(text: Optional[str]) -> str，将None转为空字符串，去除首尾空白，并转为小写”。
3、第三步提示：“写一个函数match_keyword(items: List[Dict], field: str, keyword: str) -> List[Dict]，在指定字段中执行不区分大小写的子串搜索”。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
