用 GPT 自动生成 Python 脚本：实用场景与限制点

很多人开始尝试用 GPT 来自动生成 Python 脚本。从数据分析、自动化任务，到接口对接、测试用例生成，GPT 展示出了不俗的“即写即用”能力。但与此同时，它的“幻觉”、“错用标准库”、“逻辑浅尝辄止”等问题也在复杂任务中频繁暴露。

这篇文章，我将结合自己使用 GPT 自动生成 Python 脚本的实际经验，聊聊它到底擅长什么、不能干什么、我们又该如何正确使用。

---

🧩 适合 GPT 自动生成 Python 脚本的典型场景

从我的观察来看，GPT 在下面这几类任务中表现稳定且有用：

1. 通用的自动化脚本

比如：

• 批量重命名文件

• 操作 Excel（openpyxl / pandas）

• 读取 JSON/CSV 并转换为结构化数据

• 利用 requests 调用 REST API

这些脚本往往逻辑清晰、依赖常见库，而且目标明确。只要你用中文说明清楚目的，GPT 给出的代码通常能跑，或者只需微调即可。

示例 Prompt：

用 Python 写一个脚本，从 data.xlsx 中提取所有“客户ID”，并将结果保存为 ids.json。

2. 简单 Web 服务或 CLI 工具原型

GPT 可以轻松生成基于 Flask/FastAPI 的 Web 服务骨架，或带参数解析（argparse）的命令行工具。对于开发早期的“快速试错”，它是极好的加速器。

例如：

• Flask 路由接口定义

• FastAPI 接口带参数校验

• argparse/typer 构造命令行结构

3. 测试代码、Mock 脚本、数据生成器

在撰写单元测试或模拟外部接口响应时，GPT 可以快速补齐测试样例、构造模拟数据，节省开发者大量重复劳动。

---

🚫 GPT 不擅长的几个关键点（踩坑经验）

虽然 GPT 看起来什么都能写，但一旦进入“严肃工程”范畴，它的能力边界就暴露出来了。以下是一些典型的“坑点”。

❌ 1. 结构化复杂项目的工程能力弱

GPT 生成代码往往是片段化、局部最优，难以掌握整个工程结构：

• 不会自动拆分模块、管理包依赖

• 不会处理目录结构、入口点、配置文件统一

• 缺乏面向测试和可维护性的设计

比如你让它“写一个 Flask 项目”，它可能给你的是一个 app.py，包含了所有业务逻辑和路由绑定，完全不符合工业级可维护标准。

❌ 2. 对于非主流库或冷门 API 的理解有限

GPT 对 pandas、numpy、requests、openai 这些主流库掌握良好，但如果你涉及的是：

• 公司内部封装的 SDK

• 某些领域性库（如卫星图像分析）

• CLI 工具嵌套调用等

它的回答往往基于猜测，甚至完全编造 API 名称（典型“幻觉”），生成的代码根本无法运行。

❌ 3. 缺乏调试与反馈闭环

GPT 给出的代码没有运行上下文，它无法：

• 判断文件是否存在

• 感知某段逻辑是否真的可行

• 根据错误信息自动修正 bug（除非你手动贴上来）

这使得它适合做“第一稿”，但不能替你 debug。

---

🧭 正确使用 GPT 生成 Python 脚本的方法论

为了最大化利用 GPT，同时避免“它写得很像、但其实错了”的陷阱，我建议如下用法策略：

✅ 把 GPT 当作“助手”，而非“代理”

你应该：

• 明确告诉它“要实现什么逻辑”，而不是让它猜

• 要求它输出完整的脚本（而不是碎片）

• 在关键库或接口上附上官方文档链接，提升准确率

示例 Prompt：

用 pandas 实现：从 df 中筛选“状态”为“已完成”的记录，并按“提交时间”降序排序，最后保留前 100 条。请输出完整函数代码，函数名为 filter_top_completed(df)。

✅ 强化“分步骤生成+评审”模式

GPT 一次性生成大段代码容易混乱，不如：

1. 先请它生成函数签名与结构框架

2. 再补齐内部逻辑

3. 最后你人工 review、补测试、做运行验证

这类似“pair programming”（结对编程），你是 driver，GPT 是 navigator。

✅ 善用“补丁式”使用

当你有一段现成代码，想改某一处逻辑，可以只贴这段代码，并说明想修改的目标。这种“以旧代码为 anchor”的上下文使用方式，更能确保 GPT 不胡写。

---

📌 小结：GPT 写代码，不是自动驾驶，是辅助驾驶

大语言模型让写 Python 变得更轻松了，但它不是替你编码的“机器人”，而是一个超级能干的“助手”：

• 会写样例，但不会替你测试

• 擅长搭架子，但难做深优化

• 能补逻辑，但不会理解上下游依赖关系

越复杂的系统，越需要你做架构师，GPT 来做工人。

你不能全靠它，但你也不能不用它。在“自动生成脚本”这个场景里，最优解从来不是 0 或 1，而是 把它变成你编码流程的一部分。

---

如果你也用 GPT 生成过 Python 脚本，踩过哪些坑、获得哪些加速？欢迎评论交流，我们一起摸清这位“AI 编程伙伴”的用法上限。

🛠️ Happy Hacking！