请严格按以下5个阶段执行调试过程：阶段1：分析报错日志→定位触发该日志的代码路径；阶段2：复现问题（运行输入：[具体参数]；预期输出：[明确值]；实际输出：[错误现象]）；阶段3：定位根源（结合Traceback行号、环境Python 3.11.9+pandas 2.2.2、Ubuntu 24.04）；阶段4：修改代码【必须保留原函数签名，仅修改函数体内部】；阶段5：提供验证命令+预期返回（如python -c 'print(test_func(3))' → 应输出 6）。
☞☞☞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DeepSeek准确还原一段代码的调试全过程，包括复现问题、定位根源、验证假设、修改修复和结果确认，而不是只给个结论或单句建议。
用分步指令锁定调试逻辑链
第一步：明确要求模型按真实工程师节奏推进，不能跳步。在提示词开头就写“请严格按以下5个阶段执行调试过程”，后面用数字编号强制顺序。
第二步：每个阶段必须带可验证动作。例如“阶段2：复现问题”要写明“运行输入：[具体参数]；预期输出：[明确值]；实际输出：[错误现象]”，否则模型会虚构模糊描述。
第三步：在“阶段4：修改代码”后加硬性约束——【必须保留原函数签名，仅修改函数体内部】。这是防止模型重写整个函数导致接口断裂的关键红线。
第四步：最后阶段要求“提供验证命令+预期返回”，比如“python -c 'print(test_func(3))' → 应输出 6”，不写这句，模型常默认“已修复”却不给验证路径。
注入真实上下文提升定位精度
方法一：把报错堆栈原样粘贴进提示词，从Traceback第一行开始复制，包括文件路径、行号、异常类型（如IndexError: list index out of range）。模型看到完整堆栈才能准确定位到具体行。
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。
方法二：补充运行环境关键信息，例如“Python 3.11.9 + pandas 2.2.2，操作系统：Ubuntu 24.04”。不同版本对same error可能有不同表现，缺这个容易误判。
方法三：附上最小可复现代码块，用```python包裹，且确保它真的能跑出问题——【如果代码本身语法错误，模型会先报SyntaxError而非你关心的逻辑bug】。
用角色+约束组合避免泛泛而谈
角色设定写成：“你是一名有8年Python后端经验的SRE，刚接手一个线上告警频发的订单服务。” 这比“资深工程师”更聚焦行为模式——SRE会优先查日志、看监控指标、做灰度验证。
任务描述用动词驱动：“分析以下报错日志→定位触发该日志的代码路径→检查该路径中所有外部依赖调用→确认是否因超时引发连锁失败→给出带timeout参数的修复补丁。”
约束条件选最痛的一条：“输出中禁止出现‘可能’‘或许’‘一般情况下’等模糊表述，每个判断必须对应代码行号或日志时间戳。”
