要获得精准修改建议，需明确问题现象、已排查动作、最小可复现代码，并限定建议类型与粒度。
☞☞☞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☜☜☜
你想让ChatGPT针对一段出错或低效的代码给出具体、可落地的修改建议，而不是泛泛而谈“可以优化”或“注意边界条件”，就必须控制输入信息的结构和精度。只贴代码不说明上下文，AI大概率会猜意图，结果偏离你真正卡住的地方。
明确指出当前问题表现
第一步，在描述里写清「实际发生了什么」：是报错？报错信息完整复制（包括文件名、行号、堆栈关键词）；还是逻辑异常？给出输入→预期输出→实际输出的三行对照。例如：“输入[3,1,4]，期望返回索引1（最小值位置），但函数总返回0”。【不写清楚现象，AI只能按常见情况假设，可能完全答非所问】
第二步，说明你已尝试过的排查动作。比如：“已确认len(arr) > 0”“在第12行加了print调试，发现mid计算结果为负数”。这能帮AI跳过基础检查，直击变量状态异常点。
提供最小可复现代码片段
把出问题的函数或类单独拎出来，删掉无关import、配置、日志——但必须保留所有影响执行路径的语句。比如二分查找里漏掉else分支，就不能只贴if部分。Python用户尤其注意缩进要原样保留，空格/Tab混用会导致AI误判语法结构。
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
方法一：直接粘贴带错误的代码块，开头加注释说明语言和版本，如# Python 3.9；
方法二：若代码较长，用中文标注关键行，例如“// ← 这里sum初始化为0，但数组可能全负”。
限定修改建议的类型和粒度
方法一：要重构建议 → 在请求末尾加“请只给出函数级重构方案，不要重写整个模块，保持原有参数签名不变”。
方法二：要修复建议 → 写明“请定位导致IndexError的唯一原因，并给出单行修正（含行号）”。
方法三：要解释建议 → 加一句“请先用一句话说明根本原因，再给出修改后的代码”。
这一步不做，AI容易自由发挥：你只想修个越界访问，它却给你重写成递归+缓存的全套方案。不是不好，但和你当前卡点无关。
