阶跃ai需在代码逻辑正确前提下，逐行分析办公脚本的可读性问题，聚焦变量命名、函数拆分、注释缺失、条件分支结构四类问题，提供带行号定位、原片段、优化理由及新代码示例的结构化反馈，并须经业务逻辑、命名规范、注释位置三项验证后方可采纳。
☞☞☞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☜☜☜
你需要让阶跃AI帮你重构一段办公场景下的Python代码，目标是提升可读性而非性能或功能扩展——比如变量命名模糊、逻辑嵌套过深、缺少注释、函数职责不清等问题，AI要能精准识别并给出具体、可落地的改写建议。
准备待重构的原始代码
打开你的办公自动化脚本（如处理Excel报表、批量重命名文件、解析邮件附件等），确认它正在运行且逻辑正确。这一步很关键：AI只能优化已有逻辑，【不能修复错误代码】，如果脚本本身报错，先手动跑通再提交给AI。
复制全部代码文本，注意保留缩进和空行——阶跃AI依赖格式识别作用域和嵌套层级。
在阶跃AI中发起重构请求
进入阶跃AI网页端或接入其API的IDE插件，在对话框中粘贴代码后，输入明确指令：“请逐行分析这段办公脚本的可读性问题，并针对变量命名、函数拆分、注释缺失、条件分支结构四类问题，分别给出修改建议和对应的新代码片段。”
不要只说“优化一下”，AI会泛泛而谈；必须限定分析维度，否则返回的建议可能集中在某一点（比如只改命名），漏掉深层结构问题。
等待AI响应。通常3～8秒内返回结构化反馈，含问题定位行号、原代码片段、优化理由、新代码示例。
执行三项关键验证再采纳建议
第一步：核对AI建议是否改变业务逻辑。例如它把 if x > 0 and y != '' 拆成两个独立判断，需确认拆分后空字符串和零值的处理顺序是否与原始需求一致。
第二步：检查新命名是否符合团队规范。AI可能将 tmp_list 改为 filtered_employee_ids，但如果你们约定所有变量名用下划线+小写且不含业务术语，则需手动调整为 filtered_emp_ids。
第三步：验证注释位置。AI常在函数开头加文档字符串，但如果你的办公脚本是单次运行的短脚本（df = df.drop_duplicates(subset=['name']) 后加 # 去重依据为员工姓名，避免同一人多条记录。
分段替换并立即测试
方法一：函数级替换。找到AI标记“建议拆分为独立函数”的长逻辑块（如超过12行的 for 循环内含 if-elif-else），新建函数，把原代码块整体剪切进去，按AI建议命名并补全参数。
方法二：命名批量替换。用编辑器的“全部替换”功能，将 AI 建议的旧变量名 → 新变量名，【务必勾选“匹配整个单词”】，避免把 user_id 错替成 user_id_str 里的 user_id。
方法三：注释插入。对AI指出“此处缺乏上下文说明”的行，在其上方插入单行注释，内容直接采用AI生成的解释句，不加“注：”前缀——例如直接写 # 该字段来自HR系统导出模板，日期格式固定为YYYY-MM-DD。
每完成一个方法的修改，立刻运行脚本验证输出结果是否与重构前完全一致。差异即为可读性优化引入的逻辑偏移，必须回退该段修改。
