要让文心一言准确生成可用代码，必须明确输入输出边界、指定编程语言和运行环境、描述异常处理逻辑，并提供真实样例数据。
☞☞☞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☜☜☜
要让文心一言准确生成可用代码，必须避开模糊表述，比如“做个登录页面”或“处理一下数据”，这类说法会让模型自由发挥，结果往往缺字段、少校验、不兼容实际环境。
明确输入输出边界
第一步：写清楚你给什么、要什么。例如，“输入是JSON格式的用户列表，含id、name、email字段；输出是按email域名分组后的字典，键为域名，值为该域名下所有用户name组成的列表”。
这一步漏掉任意一个字段名或结构层级，生成的代码大概率会报KeyError或类型错误。
指定编程语言和运行环境
方法一：直接声明语言+版本+依赖约束
“用Python 3.9写，不能用pandas，只允许用内置json和collections模块。”
方法二：说明部署场景
“生成Node.js 18代码，适配Express 4.x中间件，返回HTTP 200响应体为纯文本。”
【不写明版本可能触发语法报错】比如用f-string却没注明Python≥3.6，生成的代码在旧环境直接无法运行。
描述异常处理逻辑
① 输入为空数组时，返回空对象还是抛出ValueError？
② email字段缺失时，跳过该条目还是中断整个流程？
③ 网络请求超时设为3秒，重试次数上限2次，失败后返回特定错误码503。
文心一言默认忽略异常分支，如果你不说，它就当一切输入都合法、网络永远通畅。
给出真实样例数据
贴一段可复制粘贴的输入样本（不超过5行），再写一行对应期望输出。例如：
输入：
[{"id":1,"name":"张三","email":"zhang@company.com"},{"id":2,"name":"李四","email":"li@other.org"}]
输出：
{"company.com":["张三"],"other.org":["李四"]}
样例比文字描述更有力——模型会按这个结构对齐字段名、嵌套层级和数据类型，避免把list误生成成dict。
