要让ChatGPT 5.5生成高质量可运行Python代码，需明确任务描述与IO定义、指定代码风格与结构约束、分步引导复杂逻辑、注入测试用例与验证机制、限制输出范围避免冗余。
☞☞☞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☜☜☜
如果您希望使用ChatGPT 5.5生成高质量、可运行的Python代码，需明确指令结构、约束条件与上下文规范。以下是实现该目标的具体操作指南：
一、提供清晰的任务描述与输入输出定义
ChatGPT 5.5依赖精确的自然语言指令来推断编程意图。模糊表述（如“写个程序”）易导致逻辑缺失或功能偏差；必须明确定义功能边界、输入格式、预期输出及异常处理要求。
1、在提示词开头用一句话概括目标，例如：“编写一个函数，接收一个整数列表，返回其中所有偶数的平方和。”
2、紧接着列出三项必要信息：输入示例（如[1, 2, 3, 4]）、期望输出（如20）、边界情况说明（如空列表返回0）。
立即学习“Python免费学习笔记（深入）”；
3、若涉及外部依赖，直接声明，例如：“使用标准库，禁止导入numpy或pandas。”
二、指定代码风格与结构约束
默认输出可能省略文档字符串、类型注解或错误处理，影响代码可维护性。主动约束格式可强制生成符合工程实践的代码。
1、在指令中加入格式要求，例如：“为函数添加Google风格docstring，包含Args、Returns、Raises三部分。”
2、要求启用类型提示，例如：“所有参数和返回值必须标注类型，使用typing模块中的List[int]等标准类型。”
3、明确是否需要主程序调用示例，例如：“在代码末尾添加if __name__ == '__main__': 块，包含至少两个测试用例。”
三、分步引导复杂逻辑实现
对于含多阶段处理（如数据清洗→转换→聚合）或嵌套控制流的代码，一次性请求易遗漏中间校验。拆解为带编号的子任务可提升生成准确性。
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
1、将整体功能划分为不可再分的原子步骤，例如：“第一步：过滤掉列表中非数字类型元素；第二步：将剩余数字转为浮点数；第三步：计算绝对值大于10的数的平均值。”
2、对每一步附加校验要求，例如：“在第一步后插入print(f'过滤后剩余{len(filtered)}个有效数字')用于调试。”
3、要求每步对应独立函数，例如：“将上述三步分别封装为filter_non_numeric()、to_float()、avg_abs_over_10()三个函数，主函数调用它们并返回最终结果。”
四、注入测试用例与验证机制
ChatGPT 5.5可能生成语法正确但逻辑错误的代码。通过前置声明测试用例，可驱动模型自检输出行为，降低调试成本。
1、在提示词中直接给出断言式测试，例如：“代码必须满足：assert process_data([1, -12, 'a', 3.5]) == 12.0”
2、要求代码内置单元测试，例如：“在if __name__ == '__main__': 块中使用assert语句验证5个不同场景，包括空列表、全字符串、含负数、含小数、超大数值。”
3、指定失败反馈格式，例如：“若任一assert失败，打印'ERROR: [具体条件]'并退出。”
五、限制输出范围避免冗余内容
模型可能附加解释性文字、Markdown表格或非代码段落，干扰直接执行。需用强约束排除无关输出。
1、声明输出纯文本代码，例如：“仅输出可直接复制运行的Python代码，不包含任何解释、注释行以外的中文、Markdown符号或空行。”
2、禁用特定结构，例如：“禁止使用class定义，全部用函数实现；禁止使用lambda表达式。”
3、设定长度阈值，例如：“单个函数代码不超过15行，总代码量控制在50行以内。”
