DeepSeek写Python脚本，关键在需求拆解、约束表达、运行验证与教学审查。本文面向AI指导老师，给出可落地的四步实战框架。
很多学习者把DeepSeek当作代码自动贩卖机，输入一句“帮我写个脚本”就期待直接运行。真实教学里，决定结果质量的是任务定义、环境信息、验收标准和迭代反馈。AI指导老师需要把DeepSeek放进一个可验证的工作流：先拆需求，再约束生成，再运行调试，最后审查迁移。这个流程既适用于数据处理、文件批处理，也适用于自动化办公和教学演示。
1. 需求拆解与上下文投喂
在AI指导场景中，DeepSeek写Python脚本的第一步不是写提示词，而是把模糊需求拆成可执行规格。以“把文件夹里的销售表合并成一张总表”为例，教师应引导学生明确输入是CSV还是XLSX、表头是否一致、是否跳过空行、日期格式如何统一、输出文件放哪里、是否保留来源文件名。这些信息如果不交代，DeepSeek只能按常见假设生成代码，运行后才发现字段错位或编码报错。教学时可以先让学生用自然语言写出输入、处理、输出、异常、依赖五个部分，再交给DeepSeek生成初稿，这样幻觉会明显减少。
上下文投喂要具体到运行环境。比如说明“Windows 11、Python 3.11、只允许使用标准库和pandas、数据目录为D:\data、输出到D:\output\merged.xlsx、缺失值保留空字符串、不要修改原文件”。DeepSeek收到这类约束后，通常会使用pathlib处理路径、用glob匹配文件、用pandas.concat合并，并补充基本的异常捕获。若只写“合并表格”，模型可能给出硬编码路径、忽略编码差异，甚至默认覆盖原文件。AI指导老师还要提醒学生脱敏，不要把真实客户姓名、手机号、密钥或内部服务器地址投喂给模型。更稳妥的做法是让DeepSeek先输出步骤说明或伪代码，确认逻辑后再生成完整脚本，便于课堂审查。
2. 约束表达与代码生成
DeepSeek生成Python脚本时，常见问题集中在依赖不明、路径硬编码、异常处理缺失和版本不兼容。约束表达要明确库选择与边界条件，例如“标准库优先，若必须用第三方库请说明安装命令”“使用argparse接收输入目录和输出路径”“文件冲突时自动加序号而不是覆盖”“网络请求设置超时和重试”。以批量重命名图片为例，可以要求只处理jpg和png、按EXIF拍摄日期重命名、无EXIF时保留原名加序号、默认dry-run只打印结果。DeepSeek通常能给出pathlib和PIL方案，但如果不要求dry-run和冲突处理，脚本一旦运行就可能造成不可逆修改。
更有效的教学策略是增量生成，而不是一次要求完整系统。可以先让DeepSeek写核心函数，再补命令行入口，再补日志和类型注解，最后补测试。每轮都要求它解释关键API、时间复杂度和边界情况，例如为什么用shutil.move而不是os.rename、为什么读取大文件要分块。AI指导老师还应检查生成代码中的安全风险：eval、exec、os.system、无超时的requests、直接拼接SQL、忽略SSL验证。发现这些问题后，不要只改答案，而应让DeepSeek给出替代实现并说明风险差异。学生在对比两版代码时，才能理解“能跑”和“可维护”之间的距离。
3. 运行验证与错误迭代
脚本能否运行是检验DeepSeek输出的第一标准。教学中建议先建立虚拟环境，固定依赖版本，再用最小样例验证。遇到报错时，把完整traceback、当前代码、输入样例、期望输出和环境信息一起反馈给DeepSeek，不要只贴“报错了”。例如ModuleNotFoundError提示缺少openpyxl，KeyError说明列名与预期不符，PermissionError可能是文件被Excel占用。DeepSeek能根据这些线索给出修复建议，但学生必须自己复现和确认。AI指导老师可以把错误分为环境、语法、逻辑、数据、权限五类，训练学生先定位再提问。
迭代时要求DeepSeek解释原因，而不是直接索要答案。以pandas的SettingWithCopyWarning为例，背后是链式索引与视图复制问题，让模型给出.loc方案并说明为什么原写法可能失效。再如编码错误，可以让学生分别用utf-8、gbk和utf-8-sig读取同一文件，观察差异，再让DeepSeek总结BOM的作用。验证清单应覆盖空文件、重复表头、路径含空格、中文文件名、网络超时、磁盘写入权限。可让DeepSeek生成pytest用例，但教师必须检查断言是否真正验证了业务规则。只有经过运行、报错、修复、再运行的闭环，学生才会把模型输出当作待验证草稿，而不是最终答案。
4. 教学审查与脚本迁移
AI指导老师用DeepSeek写Python脚本，最终目标不是交付一段代码，而是让学生获得可迁移能力。审查维度包括可读性、可维护性、安全性、性能和合规。可读性看变量命名、函数拆分、注释是否解释意图；可维护性看配置是否外置、日志是否完整、异常是否分级；安全性看是否泄露路径、密钥、内部接口；性能看是否一次性读入超大文件、是否滥用循环查询；合规看数据来源和版权许可。学生可以给DeepSeek的代码补注释、画流程图，或改写成函数库和Notebook，让同一逻辑服务不同场景。
迁移训练比重复生成更有价值。比如从合并CSV迁移到合并JSON，先让学生修改需求说明，再让DeepSeek生成新脚本，最后比较两版在解析、字段映射和错误处理上的差异。也可以把批量重命名脚本迁移为按内容分类归档，要求保留dry-run、日志和冲突策略。DeepSeek可以扮演代码审查员，提出改进点，但教师要把关业务合理性和教学节奏。课堂评价可以看提示词质量、验证记录、调试日志和审查意见，而不是只看最终代码是否跑通。这种能力一旦形成，学生面对新脚本任务时就不会只依赖一次生成，而能主动设计验证路径。
