GPT 编程指南:给足上下文,仔细审查每行代码
GPT 能解析报错、编写函数、解释陌生的代码文件并提供测试用例。但它只能看到你提供的信息,且可能一本正经地犯错。本指南教你如何提问、补充信息与审核代码。

GPT 是绝佳的编程帮手:它任劳任怨地阅读调用栈、起草枯燥的模板函数、解释遗留代码中的复杂正则表达式,还能给出你想不到的测试用例。但它也会虚构不存在的函数、遗漏边界情况,写出看似正确却在第二次输入时就崩溃的代码。想要扬长避短,关键在于提供充分的上下文并严谨审查其生成的所有内容。本指南将介绍如何在我们的免费 GPT 聊天中做好这两点。
GPT 擅长什么,又容易在哪里翻车
语言模型在训练期间学习了海量的公开代码和文档,因此非常擅长主流语言中的常见模式。典型的适用场景包括:
- 逐行解释一段代码的具体作用;
- 根据报错信息列出最可能的排查方向;
- 编写轻量、独立的函数、脚本和 SQL 查询;
- 为你粘贴的代码起草单元测试;
- 在不同语言或库版本之间迁移代码;
- 审查 diff,排查潜在 bug、命名问题和代码可读性。
它的短板也同样明显。模型只能看到你粘贴的内容,其余部分全靠推测;其知识受限于训练数据截止时间,因此可能不了解最新的库版本;而且它无法运行你的代码——在我们的聊天界面中,它没有终端权限,也无法访问互联网,所以它说“这段代码可用”只是一种预测,而非实际测试结果。
像给同事提问一样提供上下文
在寻求排错帮助之前,请先准备好人工审核代码时需要的信息:
- 编程语言、框架及具体版本,例如“Python 3.12, Django 5”。
- 复现问题所需的最小代码片段,而不是扔出整个代码仓库。
- 直接复制完整的报错信息和调用栈,不要手打缩写。
- 你的预期结果、实际发生的异常,以及你已经尝试过的解决办法。
效果差的提问: 我的代码跑不通,帮我修一下。 效果好的提问: Node 22, Express 5。该路由本应返回 JSON 格式的用户数据, 但请求一直挂起无响应。控制台没有任何报错。 以下是路由及其使用的中间件: [粘贴代码] 请先解释原因,然后仅提供修改后的路由代码。
清晰详尽的提问能让模型明确排查方向、掌握修复标准并规范输出格式。要求先解释再给代码,也有助于你及早发现诊断偏差。
日常编程常用 Prompt
以下模板可供直接参考。将方括号中的内容替换为你自己的实际需求即可:
- 代码解释:“请向一个懂基础编程但不熟悉该库的人解释这个 [语言] 函数。如果有任何反直觉的写法,请指出来。”
- 编写测试:“为这个函数编写 [框架] 单元测试。覆盖正常输入、空输入、极大值输入以及非法类型。不要修改原函数。”
- 代码重构:“在不改变逻辑的前提下重构以提高可读性。保留公开函数名。列出你所做的每一处修改。”
- 代码审查:“请以严格的资深开发者视角审查这段 diff。优先指出 bug,其次是高风险模式,最后是代码风格。每条建议请附上对应行号。”
- 正则表达式:“写一个匹配 [模式] 但排除 [反例] 的正则表达式。分别列出五个应匹配和五个应拒绝的测试字符串。”
不妨现在就试试:让它写一个带测试的函数。在编程提示词页面查看更多模板,智能助手列表里也提供了现成的编程辅助工具。
写代码选 Luna 还是 Terra?
我们的聊天工具提供两款模型。默认的 GPT-6 Luna 响应迅速,适合解释代码、编写小型函数、起草样板代码以及修改单行问题。对于需要细致逻辑推导的任务,建议开启 Think:它将启用 GPT-6.1 Terra,在回答前会进行简短的思考。OpenAI 称 Terra 在软件工程能力上较前代有显著提升,但同时也指出,面对最复杂的编程任务,其超大模型 GPT-6.1 Sol 和 GPT-6 Astra 依然是更优选。这两款模型未在 gpt.me 上线;GPT-6 Sol 包含在我们需 Pro 订阅的 AI Chat 应用中。
实用选择建议:
- Luna:“这段代码是干什么的”、语法咨询、代码片段转换、编写文档注释。
- Terra:差一错误(off-by-one)、并发问题、算法设计、审查长函数中的复杂逻辑。
阅读 Luna 与 Terra 对比评测了解更详细的区别。
以审查为主的工作流
请把模型的每一次回答,都当作是一位手速极快却从不跑测试的初级同事提的 PR。
- 先看解释。如果模型推断的原因与你的实际症状不符,在看代码前就及时指出来。
- 看 diff,而不是只看最终代码。如果它重写了整段内容,可以要求它“仅展示修改过的行”。
- 在本地运行,配合你自己的测试用例,务必包含之前导致报错的输入。
- 反馈运行结果。把新的报错或未通过的测试贴回对话框。这种反复迭代才是充分发挥 AI 对话价值的核心所在。
我们聊天的两项功能对此很有帮助:代码块格式清晰且自带一键复制按钮,避免误粘多余字符;当你重新生成时,之前的回答会以版本形式保留,方便你并排对比针对同一 bug 的不同解法,选出最优方案。
AI 生成代码的安全注意事项
- 切勿粘贴敏感信息。在发送之前,将 API 密钥、密码、Token 和数据库连接串等替换为
YOUR_KEY之类的占位符。 - 核实依赖包是否存在。模型有时会凭空捏造看似合理的库名或函数名。在安装前,请务必去官方包管理器仓库核实。
- 谨慎执行 Shell 命令。对任何涉及删除、移动或修改权限的命令都要逐字核对,绝不要仅因 AI 建议就以管理员身份运行。
- 守住基础安全底线。明确要求模型注意 SQL 注入、输入校验和异常处理;初稿往往会忽略这些安全细节。
- 遵守开源协议与公司规定,确保内部代码与外部服务共享时符合相关规范。
什么时候不建议用对话界面
对话框的上下文完全依赖你输入的内容。较长的对话会被自动截断,模型只能看到最近的对话片段,这意味它可能会遗忘你一小时前粘贴的文件。如果要进行跨多个文件的代码重构,带有内置 AI 的编辑器,或能通读项目并运行测试的编码 Agent 会更胜任。但如果只是针对单个函数、分析报错信息或进行快速审查,直接对话通常是最快的方式。开发者也可以参考我们的开发者专页和代码助手工具。
常见问题
GPT 可以在你们的聊天界面里运行我的代码吗?
不能。我们的聊天工具不提供代码执行环境,也无法访问互联网。它只是阅读代码并推测运行逻辑,因此请务必自己在本地运行并测试结果。
它支持哪些编程语言?
支持所有主流语言,包括 Python、JavaScript、TypeScript、Java、C#、C、C++、Go、Rust、PHP、Ruby、Swift、Kotlin 和 SQL。如果是生僻语言或极新的库版本,生成质量可能会有所下降。
把公司代码发给它安全吗?
请先确认你雇主的安全合规政策。消息会经由我们的服务器和 AI 网关传输至 OpenAI 的模型;我们不会留存文本内容,但你仍应提前剔除所有密钥和敏感机密数据。详情请参阅隐私政策。
为什么回答里用了一个根本不存在的函数?
模型是通过概率预测生成代码的,哪怕某个库里根本没有该方法,它也可能凭空编造一个看似合理的函数名。遇到这种情况,可将相关官方文档片段粘贴给它,要求它严格基于文档中列出的 API 进行编写。


