主要是用于让AI帮你写出python代码，然后借助此工具一键运行。
作用：
下载地址（单独程序）：
效果图：
生成二维码并嵌入表格
提示词如下：
我有一个xlsx文件，请用python代码来实现下面功能
功能要求：
我想把从第二行开始把第三列的数据生成二维码，将图片嵌入保存到对应的G列，二维码不要超出单元格的范围，插入时注意二维码的路径。
xlsx的路径为：
D:\Seafile\私人资料库\个人研究\AI_agent写代码\测试集数据\二维码生成\假的通讯录.xlsx
请生成新的xlsx文件，而不是覆盖
代码要求：
请将这件事拆分成若干个步骤。每个步骤对应一个完成函数和检测函数，完成函数用于完成步骤，检测函数用于检测此步骤是否正确完成并打印结果。
处理excel表格
在桌面新建文件夹
处理文档
看到此贴，第一反应是非常的惊喜，有点“初级manus”的感觉了。
但认真看完三个演示后，还是有点小担心。
ai的幻觉问题是一个较为严重的问题，不止ds，其他ai都有这个问题，这就导致，让ai来处理你的文档，小文档或者如作者所演示的demo还行，至少ai处理完人工检查还是能很快分辨是否正确的，例如第一个demo中发现原来的数据没有了。如果是真正工作中遇到的“大量”文档（数百上千个）或者“大型”文档（几万行几百列或者几十个sheet等），ai处理完，人工检查的难度就太大了，甚至有那个检查时间还不如自己从头手工处理…
要不楼主再放出几个生产环境（或者是难度较大的）下的文档处理演示，看看效果如何？
这和你说的AI幻觉有着本质的区别：
两个都可能出错，但编程实现的话，只要猜对公式，那接下来肯定是对的。
但直接猜结果的话，前面可能是对的，但后面不一定是对的。
其实不然，您的这个工作流程，我觉得可以概况为：
您说的应该是 2 → 3，计算机依照代码执行程序，只要代码是对的，输出结果也不应该有问题。
但真正容易出问题的是 1 → 2，我们无法保证 AI 每一次都能准确理解用户需求。至少我让 AI 写代码的时候遇到了好多次这种问题。
对于有编程基础的人，可以在 AI 给出回答后简单判断代码是否有问题，或通过简单的实验验证，若发现不对会修改提示词重新提问。
但对于完全没有编程经验的人，发现代码的问题很困难。此时如果执行的是破坏性的、不可逆的操作，如果 AI 给出了错误代码，而用户没有察觉，那么造成的后果可想而知。
你理解的非常准确，确实是这样。
但觉的这些都是小事。
代码可以看不懂，但结果还是可以核对出来的，如果验算了几个没问题，那就当没问题吧。如果纯手算，那出错概率更大。
至于破坏性，那可以提前备份数据，这样来解决。
我让 AI 编写代码示例，AI 总是犯病。
遇到一个新的 library，我不想看教程，让 AI 给出一个 quick start 示例代码，是没有问题的。
但是，我把报错发给他，它总是胡乱给出虚假的解决方案。经常的情况是：它给出解决方案中总是使用了压根就不存在的函数、接口。
library 拥有相对充分的文档，较小的代码量，比较充足的用户量，这已经是比较理想的情况了，AI 给出的答卷还是令我不满意。
所以，目前我对让不会编程的人通过 AI 解决问题持悲观态度。
AI能力有强弱，我认为现在国内能力算第一梯队就只有一个，那就是DeepSeek.
让它用python编程解决一些小问题，还是没问题的。
你说的library，我百度了一下，不知道是什么，可能其它的训练数据也没有吧。
一般来说，不要直接将AI生成的代码用于生产环境。
（不要将任何未经完整测试的代码直接在生产环境运行）
之前有过几次AI导致的严重问题
在研究损坏图片检测时，我的需求是检测损坏图片并删除，DS给出的第一版代码对特定规格的jpg文件有超过90%的误判率，如果直接运行，估计能删掉我20%~30%的正常文件。
我想要删除垃圾文件，GPT-4o给出的第一版代码会在子文件夹下有目标文件时，把他的上级文件夹删了，我提出问题让他修正，第二版则无法区分文件夹和文件，代码粗看上去确实可对文件和文件夹设置了不同的关键词做删除，但实际上，文件处理部分代码也会对含有关键词的文件夹生效。
这些AI的错误，都很难在简单测试中发现的，都是需要进行完整debug才能发现的问题。
哈哈，你们说的都非常对，暂时没有完善的产品来实现这些功能，但有一个方向是确定的，我就不具体说了，你可以搜一下 AI MCP。
我和青蛙他们就在折腾MCP
这个东西确实进步了一点，但实际上并没有演示中那么酷。
他演示的那些需求，确实解决了还不错，但稍微离开一点想要玩点自己的复杂东西就立刻露怯了
最近看到一条很赞同的推文
非工程师使用 AI 编码时会遇到一个令人沮丧的瓶颈。他们可以非常快速地完成 70% 的工作，但最后的 30% 却变成了收益递减的劳动。
小白使用当前的 AI 辅助编程。很容遇到这样的场景：
对于没有实际编程经验的人来说，这个和AI周旋的循环尤其痛苦，因为他们缺乏理解实际问题的心智和经验。
而当有经验的开发者遇到错误时，他们可以基于多年的经验识别来推理潜在原因和解决方案，很容易看出AI是使用了错误的逻辑？编造了不存在的函数？没有正确理解需求？等等……没有这种开发经验，小白用AI编程基本上是在玩打地鼠游戏，敲掉一个问题，冒出另一个问题，等着AI给自己一堆不完全理解的代码。
说人话就是：小白用AI辅助编程的感觉就像一个啥都不懂的人，在大厂当程序员的主管领导
原来我写代码，也是什么也不管，上来就提需求，一阵猛干，错了把错误提示扔给AI，然后有时AI就能帮忙解决，但有时就无限循环了。
现在写个稍复杂的东西，不再直接写了，先把任务分解，一步一步的来解决。
比如上面的excel嵌入二维码，有些AI提了要求，就能直接完成，有些就陷入死循环。
所以后来就学聪明了，先把任务进行分解，然后再一步一步的检查，这样不容易出错。
对AI，我们也要扬长避短，学会与AI沟通，而不是以人与人的沟通方式去和它沟通。
这就是程序员的技能之一。只有那些拥有编程基础的才能很好的分解任务。否则就会陷入 X-Y Problem。
事实是，很多程序员在面对复杂场景时都无法很好的分解任务。
可预见的，小白在自己分解任务时会遇到如下情况：
我认为小白使用 AI 更好的做法是：
这让我想起我作为初学者安装环境的痛苦。安装环境是每个程序员都经历过的噩梦。
我学习 web 的时候还没有 docker，为了部署网站，我花了整整三天尝试在 linux 上安装 mysql、nginx。
一天 8 小时，3*8=24，我花了 24 个小时的时间才成功安装 mysql 和 nginx。期间每个搜索引擎我都掘地三尺，换着各种关键词搜素，每条方案挨个试了个遍。
这就是为什么我对 AI 辅助小白写代码持悲观态度 —— AI 把这些内容作为语料，很难精准的给出解决方案。
有道理，我更新了一下提示词，用两次尝试，就实现在生成二维码的功能。
也欢迎各位更新提示词，让AI能快速理解我们的想法。
不是让小白写代码，是AI辅助人类完成事情，这两者还是不同的。
生成二维码并嵌入表格
提示词如下：
我有一个xlsx文件，请用python代码来实现下面功能
功能要求：
我想把从第二行开始把第三列的数据生成二维码，将图片嵌入保存到对应的G列，二维码不要超出单元格的范围，插入时注意二维码的路径。
xlsx的路径为：
D:\Seafile\私人资料库\个人研究\AI_agent写代码\测试集数据\二维码生成\假的通讯录.xlsx
请生成新的xlsx文件，而不是覆盖
代码要求：
请将这件事拆分成若干个步骤。每个步骤对应一个完成函数和检测函数，完成函数用于完成步骤，检测函数用于检测此步骤是否正确完成并打印结果。
你这个例子就很典型，你的问法就是有开发经验的人的提问方式了，预料到了可能注意的问题
AI会考虑到所有这些东西吗？会，但也不全会。
小白用户的经历很可能是这样的：
这只是一个很简单的需求，稍微复杂的需求，小白用户搞出来的来回交流次数可能会更多。
我这个提示词确实修改了很多次，但我总觉得应该有通用的，适用于小白的提示词。
不一定要一次成型，但是可以先修改需求，确定需求后，再让AI开始写代码，最后再修正。
我目前用的提示词是这个：
你是一位Python开发专家，精通其核心库、流行框架如Django、Flask和FastAPI，数据科学库如NumPy和Pandas，以及测试框架如pytest。你擅长为每项任务选择最佳工具，总是努力减少不必要的复杂性和代码重复。
在提供建议时，你将其分解为离散步骤，并建议在每个阶段后进行小规模测试，以确保进展方向正确。
在解释概念或被特别要求时，你会提供代码示例。然而，如果可以在不使用代码的情况下回答，则更倾向于那样。在被要求时，你愿意进行详细阐述。
在编写或建议代码之前，你会仔细审查现有代码库，并在<CODE_REVIEW>标签内描述其功能。在审查之后，你会为拟议的更改创建详细计划，并将其包含在标签内。你非常关注变量名称和字符串字面量，确保它们保持一致，除非有必要或被要求进行更改。在按照约定命名时，你将其用双冒号括起来，并使用::UPPERCASE::格式。
你的输出在解决当前问题和保持未来使用灵活性之间取得平衡。
如果有任何不清楚或模糊的地方，你总是寻求澄清。当出现选择时，你会停下来讨论权衡和实施选项。
坚持这种方法至关重要，这教会你的对话伙伴在Python开发中做出有效决策。你避免不必要的道歉，并从之前的互动中学习，以防止重复错误。
你对安全问题高度关注，确保每一步都不妥协数据或引入漏洞。每当存在潜在安全风险（例如，输入处理、身份验证管理）时，你会进行额外审查，并在<SECURITY_REVIEW>标签内呈现你的推理。
最后，你考虑解决方案的操作方面。你思考如何部署、管理、监控和维护Python应用程序。在开发过程的每个步骤中，你都会突出相关的操作问题。
对对对，这个项目我感觉最好的就是：帮助小白解决了环境问题
毕竟很多人最开始都是
pip install XXXX直接安装到本地环境的，并不会虚拟环境。然后很快就会面对大量的兼容性问题……