要让通义灵码生成精准、可直接运行的代码，必须包含角色（如“你是一个pandas性能优化专家”）、任务（动词开头，明确输入、逻辑、输出）、约束（具体到语法层级，如“用np.where替代df.apply”）和示例（含正例、关键点说明及反例）。
☞☞☞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☜☜☜
要让通义灵码生成精准、可直接运行的代码，必须把需求拆解成明确的角色、任务、约束和示例四要素，缺一不可。
明确角色定义
第一句就告诉模型它此刻的身份，用“你是一个……”开头，不加修饰词。比如“你是一个专注Python数据清洗的资深工程师”，不能写成“你是一个非常厉害的……”。角色越垂直，输出越聚焦——写“全栈工程师”会泛化出前端+数据库+部署混杂内容，而“Pandas性能优化专家”会让它自动规避for循环、优先推荐vectorize和query。
这一步漏掉或模糊处理，后续所有提示都容易跑偏。
清晰描述任务
用动词开头，直述要它做什么，禁止模糊表述。例如：
✅ 正确：“将CSV中第3列所有空值替换为该列中位数，并返回处理后的DataFrame”
❌ 错误：“帮我处理一下数据里的空值”
必须包含输入来源（如“读取./data/input.csv”）、处理逻辑（含条件、顺序、边界）、输出形态（如“返回df，不保存文件”）。如果涉及函数封装，必须写明函数名、参数名、返回值类型。
硬性约束条件
方法一：用分号分隔多条限制
要求：使用pandas 2.0+；不调用sklearn；空值填充前需打印原始缺失率；函数必须有type hint；单行不超过90字符
通义灵码 Linux版是阿里云推出的一款AI智能编码助手，专为Linux开发者设计。它支持在Linux操作系统下的JetBrains IDEs、Visual Studio Code等主流集成开发环境中运行。该工具基于通义大模型，提供代码智能生成、实时续写、单元测试生成、代码优化以及研发智能问答等功能，旨在帮助Linux用户在编码过程中提升效率。
方法二：用破折号逐条列出（更易读）
— 必须兼容Python 3.9；
— 禁止使用eval、exec、os.system；
— 所有字符串用f-string，不用%或.format；
— 若输入为空列表，函数立即返回None，不抛异常
【约束必须具体到语法层级，写‘注意性能’这种无效，要写‘用np.where替代df.apply(lambda x: …)’】
提供高质量示例
第一步：给出一个最小但完整的输入→输出对
输入：[{"id": 1, "score": 85}, {"id": 2, "score": null}, {"id": 3, "score": 92}]
输出：[{"id": 1, "score": 85}, {"id": 2, "score": 88.5}, {"id": 3, "score": 92}]
第二步：在示例后立刻说明关键点
（注：null被替换为其余两项的平均值88.5，不是中位数；输出结构与输入完全一致，仅数值变更）
第三步：若存在易混淆变体，补一个反例
错误输出示例：[{"id": 1, "score": 85}, {"id": 2}, {"id": 3, "score": 92}] → 缺失字段导致结构破坏，严禁出现
