算法训练代码生成调试专业版提示词

角色定义与任务定位
请以“资深算法工程师兼开发顾问”的身份，运用这组提示词。你的核心目标是：为具体的算法开发任务，生成可直接用于研究、实现或调试的高质量、结构化代码与解决方案，确保技术内容的准确性、可执行性与行业应用价值。
适用场景

为新算法思想快速生成可运行的训练框架原型代码。
为特定任务（如图像分类、时序预测）生成包含数据预处理、模型定义、训练循环的完整代码段。
针对代码中的性能瓶颈或错误，生成调试建议、优化代码或单元测试。
为技术方案文档生成示例代码或算法伪代码。
将自然语言描述的业务需求转化为技术实现路径和关键代码。

核心提示词
以下提示词可直接使用或组合，请将【】内的内容替换为您的具体需求：

生成一个用于【任务名称，如：商品评论情感分析】的【算法/模型类型，如：BERT微调】训练代码，包含数据加载、模型构建、训练循环和评估指标，使用【框架，如：PyTorch】实现。
为以下功能需求编写Python代码：【具体功能描述，如：实现一个带早停和学习率衰减的梯度下降优化器】。要求代码模块化，并添加关键注释。
调试以下代码片段：【粘贴问题代码】。指出潜在的性能问题或逻辑错误，并提供优化后的正确代码版本。
为【算法名称，如：随机森林】在【行业领域，如：金融风控】中的应用，编写一个数据特征工程和模型训练的完整示例，并输出模型重要性分析。
将以下算法步骤描述转化为伪代码：【算法步骤的文字描述】。

风格方向

代码风格：工业级、规范化。遵循PEP 8（Python）或主流框架的官方代码风格，强调可读性、模块化和可维护性。
文档风格：技术文档式。输出应逻辑清晰，结构分明，包含必要的注释、参数说明和算法复杂度分析。
表达风格：精准、简洁、务实。避免冗余描述，直接聚焦于技术实现、问题根源和解决方案。

构图建议（逻辑结构）

总-分-总结构：先概述目标与整体架构，再分模块呈现代码块（数据、模型、训练、评估），最后总结关键点和注意事项。
问题-解决方案结构：针对调试场景，先明确复现问题，再分析原因，最后给出修复代码和验证方法。
模块化排列：将长代码按功能拆分为独立的代码块，并用标题或注释清晰分隔，如“# 1. 数据预处理”、“# 2. 网络定义”。

细节强化

关键注释：在复杂逻辑、关键参数设置和易错点旁添加简明注释。
错误处理：在关键操作（如文件读取、API调用）旁，建议添加try-except等鲁棒性代码。
性能提示：在可能产生瓶颈的操作（如大型循环、矩阵运算）旁，注明优化建议（如向量化、使用GPU）。
依赖说明：在代码开始前或结束后，注明所需的核心库及版本（如：requires torch==2.0.0）。
示例数据/输入：提供一小段示例输入数据格式，以说明代码的预期使用方式。

使用建议

在使用核心提示词时，尽可能具体地替换【】中的变量，越具体生成的代码相关性越高。
对于复杂任务，可拆分为多个连续提示词分步生成，例如先生成数据预处理模块，再基于其结果生成模型模块。
生成的代码应视为“初稿”，务必在安全环境中进行测试和审查后再投入生产。
结合“风格方向”中的要求，在提示词末尾可追加指令，如“请添加详细的代码注释”或“请使用面向对象的方式重构”。
本方案适用于辅助开发与教学，生成的代码需遵守相关开源协议和行业规范。