先确认VS Code右下角显示【CodeGeex: Ready】，再写中文注释并光标置其下按Ctrl+Enter触发；检查导入、变量名、异常处理，最后用小数据验证逻辑。
☞☞☞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☜☜☜
你需要用CodeGeeX快速生成一段可运行的Python代码，但不清楚从哪一步开始操作、该输入什么提示词、生成后如何验证是否可用，甚至不确定本地环境是否已满足基本依赖条件。
确认插件状态与基础环境
打开VS Code，检查右下角状态栏是否显示【CodeGeex: Ready】。未显示则说明模型尚未加载完成，此时任何生成请求都会返回空或报错。
若长期卡在“Loading…”，点击状态栏图标→选择“Reload Model”手动重载；重载失败需检查网络连接，或确认已下载约120MB的轻量模型缓存。
确保已安装requests、pandas、flask等目标库——CodeGeeX不自动安装依赖，生成代码里调用import requests却未安装时，运行必报ModuleNotFoundError。
立即学习“Python免费学习笔记（深入）”；
用自然语言注释触发代码生成
方法一：在.py文件中写一行中文注释，例如：# 读取data.csv，删除重复行，对age列用中位数填充，保存为clean.csv
将光标置于该注释正下方，按Ctrl+Enter（Windows/Linux）或Cmd+Enter（macOS）。
方法二：不写注释，直接在空白文件首行输入完整指令：“生成Python代码：用pandas读取sales.xlsx，按region分组计算total列sum和count，结果导出为summary.csv” → 按快捷键触发。
这一步操作起来很简单，直接把光标放好按快捷键就行；但注意别把光标放在注释行内——【必须置于注释下方空行，否则无法识别上下文】。
校验与修正生成结果
第一步：检查导入语句是否完整。常见漏掉from pydantic import BaseModel或import numpy as np，导致后续代码直接SyntaxError。
第二步：确认变量名与你实际数据一致。比如提示词写“对price列填充”，生成代码却用了df['amount'].fillna(...)，这就是命名不匹配，需手动替换。
第三步：运行前先扫一眼异常处理。没有try/except包裹requests.get()的爬虫代码，在网络抖动时会直接崩溃；没有df.dropna(how='all')就调用df.groupby()的统计脚本，可能因空行报KeyError。
第四步：用最小数据验证逻辑。新建一个三行两列的CSV，内容是name,age↵Alice,25↵Bob,↵Charlie,30，然后运行生成的清洗函数，看age列是否真被中位数25填上了。
