DeepSeek报错排查-提示词添加示例与结果稳定性提升

精准排查DeepSeek代码报错需要严格遵循验证机制：完整呈现错误现场，提供可复现输入样本，明确定义预期输出，并通过分步归因锁定问题根源。

必须前置错误锚点

提示词首行需粘贴未经修改的原始报错信息，格式为【错误锚点】: 异常堆栈（包含文件名、行号、错误类型及关键变量值）。示例：【错误锚点】: TypeError: 'NoneType' object is not subscriptable at main.py:42, where user_data is None。

注意保留原始错误文本的完整细节，人工概括会丢失模型进行静态分析所需的行号和变量名等关键信息。

提供最小可复现输入

在错误锚点后立即以"输入示例:"开头，提供能够稳定触发报错的最简输入数据。必须使用可直接执行的代码字面量，避免模糊描述。

正确示例：输入示例: {"role": "admin", "id": 123}。

若输入涉及嵌套结构或特殊数据类型，需明确写出其Python字面量表示形式，防止模型错误解析导致归因偏差。

明确定义预期行为

使用"预期行为:"开头，具体描述输入数据应当产生的正确输出结构。需精确到字段类型和数据结构层级，不接受笼统表述。

示例：预期行为: 返回含 user_name 字段的 dict，且 user_name 值为字符串类型。

关键点：此处定义的变量名必须与错误锚点完全一致（包括大小写和下划线），否则模型无法建立准确的变量映射关系。

强制分步归因输出

在指令末尾添加结构化要求，确保模型展示完整的推理过程：

请严格按以下三步输出：

1. 直接触发条件（具体报错位置、操作类型及失败原因）
2. 上游依赖状态（分析变量异常原因，如未返回值或键名错误）
3. 环境约束因素（检查初始化流程或外部服务依赖）

每个步骤的结论都必须能够通过【错误锚点】进行反向验证，避免使用不确定的推测性表述。

通过系统化呈现错误现场、可验证样本和分步归因，可显著提升DeepSeek诊断代码问题的准确性和修复方案的可靠性。