阅读陌生代码时，应要求智谱清言按行号逐行解释：1）语法成分；2）执行动作；3）可能的输入/输出值，并通过最小示例、跨平台行为、版本兼容性三方面验证解释可靠性。
☞☞☞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☜☜☜
当你在阅读一段完全陌生的代码时，需要让智谱清言帮你逐行拆解逻辑、识别语法结构、说明函数作用和运行效果，而不是只返回“这段代码实现了XX功能”这种笼统结论。
复制代码并明确提问
打开智谱清言网页或App，新建对话，将整段代码完整粘贴进去。注意：不要截图、不要删减空格和缩进，【缩进和换行是Python等语言的语法组成部分，漏掉会导致解释错误】。
在代码下方另起一行，用中文写清楚你的困惑点，例如：“第5行的lambda表达式为什么能传参？”“这个正则pattern匹配的是什么？”“requests.post里的json参数和data参数有什么区别？”
引导模型聚焦关键细节
如果第一次回复过于笼统，立刻追加一句指令：“请按行号逐行解释，每行说明：1）语法成分；2）执行动作；3）可能的输入/输出值。”
这一步很关键——不加约束时，模型容易跳过变量初始化、异常处理等隐蔽但致命的环节。比如它可能忽略“except KeyError: pass”这行实际掩盖了键缺失风险，而你正卡在这个报错上。
验证解释是否可靠
方法一：要求模型用最简示例复现该代码片段的核心行为。例如，原代码用了pandas.DataFrame.groupby().apply()，就让它写出三行数据+两行处理逻辑的最小可运行例子。
方法二：把模型解释中提到的某个函数（如os.path.join）单独拎出来问：“这个函数在Windows和Linux下路径拼接结果有何不同？”——如果答错，说明前面整段解释可信度存疑。
方法三：对含第三方库的代码，追加问：“这段代码依赖的requests版本最低要求是多少？若用2.25.1能否正常运行？”真正懂实现机制的回答会引用官方文档的兼容性说明，而非模糊说“一般没问题”。
