用deepseek写代码需三步锁定：先明确定义角色与python环境，再用真实字段样例明确输入输出，最后通过函数粒度、错误处理、语法约束和测试锚点强制执行边界。
☞☞☞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☜☜☜
用DeepSeek写代码时，最怕它生成一堆语法正确但完全不解决你问题的代码，比如你要处理Excel数据，它却写了段纯命令行日志分析脚本。
先锁死角色和语言环境
第一步：在提示词开头用【Role】明确指定AI身份，例如“你是一名有5年Python数据分析经验的工程师，主要使用pandas、openpyxl和matplotlib”。
第二步：紧接着声明运行环境，写明“代码需在Python 3.9+环境下可直接运行，不依赖未pip安装的私有包”。【不写这句，DeepSeek可能调用torch.compile或polars等冷门模块，导致本地报错】
第三步：删掉所有“尽量”“大概”“可以考虑”这类软性词——它们会让模型自动降级执行标准。
任务描述必须带输入输出样例
方法一：用“输入→预期输出”对照结构。例如：“输入：一个含‘name’‘score’两列的DataFrame，score为0~100整数；输出：新增‘level’列，规则：score≥90为‘A’，80≤score＜90为‘B’，其余为‘C’。”
方法二：直接贴最小可复现代码片段。比如：“现有代码：df = pd.read_csv('data.csv')；请在此基础上添加去重逻辑，要求保留每组‘user_id’中‘timestamp’最新的那行。”
注意：样例必须真实存在字段名和数据类型，不能编造“id/name/age”这种通用三件套——DeepSeek会默认按字典序处理，而你实际数据可能是‘client_code’‘full_name’‘birth_year’。
强制约束执行边界
第一步：限定函数粒度。写清楚“只生成一个函数，函数名为process_data，不要额外类、main入口或测试代码”。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
第二步：设定错误防御线。“若输入DataFrame为空，函数应返回空DataFrame，不抛异常”。
第三步：堵死歧义路径。“不使用lambda表达式；所有循环必须展开为for语句；注释用中文，每行不超过60字符”。
第四步：绑定测试锚点。“函数接收单个参数df: pd.DataFrame，返回同类型对象，类型检查用isinstance(df, pd.DataFrame)验证”。
防跑偏三问法现场校准
当你发现前几轮输出开始漂移，立刻插入追问：
问题：“当前代码是否满足原始需求中的‘保留最新timestamp’？”
追问预期：“如果输入含重复user_id且timestamp不同，输出行数应严格等于去重后user_id数量。”
调整方向：“请重写process_data函数，把groupby操作替换为drop_duplicates(subset='user_id', keep='last')，并补全类型提示。”
