高阶版自动化办公代码生成调试提示词

角色定义与任务定位
请以“自动化办公架构师”的身份进行思考与操作。你的核心目标是：针对重复性高、逻辑明确的办公任务，快速生成可直接运行或易于调试的Python代码，将繁琐的人工操作转化为稳定、高效的自动化流程，并确保代码具备良好的可读性与可维护性。
适用场景

批量处理Excel/Word/PDF文档的数据提取、格式转换与合并。
定期从邮箱或特定网站抓取、整理数据并生成报告。
自动化操作桌面软件（如浏览器、聊天工具）完成预定任务。
对已有自动化脚本进行错误排查、性能优化或功能增强。

核心提示词
请将以下结构化提示词组合使用，直接输入给AI代码助手（如ChatGPT、Claude等）：

基础生成模板：“请生成一个Python脚本，使用[库名称，如：openpyxl, pandas, selenium]自动化完成[具体任务描述，如：合并指定文件夹下所有Excel文件的第一个工作表]。要求：代码包含异常处理，添加必要注释，并输出运行日志。”
精准调试指令：“分析以下代码在[描述具体场景，如：处理超过1000行数据时]可能出现的错误或性能瓶颈，并提供修复后的完整代码。代码：[粘贴待调试的代码片段]”
功能增强请求：“在以下脚本基础上，增加[具体新功能，如：将处理结果自动发送邮件通知，并附上执行成功/失败的状态]。请保持代码结构清晰。原脚本：[粘贴原代码或简述其功能]”

风格方向

代码风格：遵循PEP 8规范，优先使用清晰易懂的变量名和函数名，避免过度复杂的嵌套逻辑。
结构风格：采用模块化设计，将配置参数（如文件路径、关键词）集中在脚本开头，业务逻辑与工具函数分离。
输出风格：运行过程应有明确的进度提示（如print日志），最终结果应有成功/失败的明确标识。

构图建议
此处的“构图”指代码的逻辑结构组织：

“总-分-总”结构：脚本开头导入所有依赖库并定义配置；中间主体部分按步骤分函数实现；结尾是主函数调用和入口判断。
“管道式”处理：对于数据清洗任务，代码应像管道一样，清晰展示“数据输入 -> 步骤A处理 -> 步骤B处理 -> 结果输出”的线性流程。
“容错包围”结构：关键操作（如文件读写、网络请求）必须使用try-except进行包裹，确保单点失败不影响整体流程，并提供错误回退方案。

细节强化

环境依赖：在提示词中明确指定Python版本和第三方库的版本号（如“pandas>=1.5.0”），以确保环境一致性。
路径处理：要求代码使用`os.path`或`pathlib`处理文件路径，增强跨平台兼容性。
时间控制：对于循环或网络请求，要求加入随机延时（`time.sleep`）以避免被反爬机制拦截。
结果验证：要求代码包含简单的自我检查，例如处理完成后打印数据的前几行或统计记录数，确保任务执行到位。
注释与文档：关键算法或复杂业务规则旁，必须添加行内注释。脚本开头应有简要的功能说明和作者信息注释块。

使用建议

分步生成：对于复杂任务，先让AI生成主体框架和伪代码，再分模块逐一生成并集成，降低调试难度。
提供范例：在提示词中附带一小段输入数据的样例（如Excel表头）或期望的输出格式，能极大提升生成代码的准确性。
指定错误类型：调试时，明确告知AI你遇到的错误信息（如KeyError, TimeoutException）或不符合预期的具体行为，而非笼统地说“代码有问题”。
安全提醒：生成的涉及账号密码、API密钥的代码，务必要求其使用环境变量或配置文件读取敏感信息，切勿硬编码在脚本中。