Nature|有Bug?科学软件查错指南

计算机科学家分享他们的建议，教你如何确保你的科学软件能够正常运行。

原文出处：Nature 652, 1080-1081 (2026)
doi: https://doi.org/10.1038/d41586-026-01261-w

科学的计算属性正日益增强。实验数据需要被记录、清理、检查和分析。数据分析常常涉及使用 Python 和 R 等“脚本”编程语言进行反复的试错过程。这类程序的输出结果随后会被纳入论文、演示文稿和基金申请书中。一段典型的专业软件代码中，每 1000 行就大约包含 50 个错误。然而，科学代码主要由那些几乎没有受过软件开发培训的研究生和博士后编写，因此更容易出错。华盛顿大学西雅图分校信息学院的计算机科学家 Amy Ko 表示，自学成才的编程者——以及他们有时会使用的 AI 驱动辅助工具——可以创建出看似运行正常，但实际会产生荒谬结果的程序。她说：“如果你有一个程序能计算出某个结果，这并不意味着它算对了。”

如何修复你的科学编码错误

有时代码会因为语法错误而完全无法运行。佛罗里达大学盖恩斯维尔分校的生态学家兼程序员 Ethan White 表示，这种情况“虽然恼人，但并非世界末日”，很容易就能修复。他说：“最糟糕的代码是那种能执行，但结果是错的代码。”这时就需要用到调试（debugging）了，这是一项对软件开发者至关重要的技能，但很少被传授给科学家程序员们。德国萨尔布吕肯 CISPA 亥姆霍兹信息安全中心的软件工程师、《调试书》（The Debugging Book）的作者 Andreas Zeller 形容，调试“就像一个侦探故事，而你既是侦探，也是凶手”。

调试基础

Nature杂志邀请了计算领域的专家，分享他们关于调试和确保代码正确运行的技巧。

记录触发 bug 的条件：例如，是否存在有问题的输入？如果可能，尝试确定一个最小工作示例（使用精简的数据或代码，加上固定变量如随机数生成器的种子），以便于复现问题。

使用打印语句：最简单的调试方法是在代码中大量使用“print”命令，以揭示程序运行时的内部状态。例如，在遍历一组文件以计算某个数值时，你可以让代码输出当前处理的文件、当前值和累计值。Python 的“logging”库提供了一种机制，可以按不同的详细程度进行日志记录。Zeller 推崇打印语句方法，因为它能生成详细且可搜索的事件日志。但他强调，编码者必须科学地处理问题：“你是没有清晰思路，只是随意在各个方向试探吗？还是像科学家一样，以系统化的方式推进？”

启动调试器（debugger）：集成在 VS Code、RStudio 和 Jupyter 计算笔记本等主流编程环境中的调试器，是一种交互式工具，允许程序员在任意位置暂停程序（称为设置断点），然后逐指令地单步执行并探查系统状态。伊利诺伊大学厄巴纳-香槟分校的核工程师、2015 年书籍《物理学中的高效计算》的合著者 Katy Huff 形容道：“你有点像侦探，对吧？你在你认为‘丢失的钻石’所在的大致范围内设置一个断点。”然后，你可以逐行执行代码，并观察计算环境的变化。她说：“你可以在程序运行时暂停它，然后问，这个数值此时是多少？哦，它还是个整数？好，继续下一步。它还是整数吗？还是变成了 NaN（非数字）？”关键在于，调试器允许用户动态地更改数值，并观察其影响。不过，openRxiv（旗下拥有 bioRxiv 和 medRxiv 预印本服务器）的首席执行官 Tracy Teal 提醒说，调试器通常与数据分析中特有的“探索性分支模式”不兼容。在这种情况下，打印语句可能更有效。

跟橡皮鸭讲讲：或者，你也可以把遇到的问题大声讲出来。Zeller 说：“在调试时，把你认为可能的原因用语言表达出来，这个简单的行为本身就极其有效。”倾听你思考的对象可以是同事，但传统上，那是一只橡皮鸭。Zeller 说：“我隔壁的办公室里，学生们真的放着几十只橡皮鸭。”Ko 补充说，AI 聊天机器人也可以作为倾诉对象——即使它们告诉你的内容可能很荒谬。例如，Ko 曾尝试使用 AI 公司 Anthropic 的编程工具 Claude Code 来调试她维护的一个软件系统。她说：“当我详细描述问题时，我意识到了可能的原因，于是决定自行调查，而 Claude 则在一旁忙活，尝试帮我调试。它给出了一个非常自信但错误的原因。我在它完成之前就找到了真正的原因。”

信任，但需验证

一旦你的代码能运行了，还要确保它确实符合你的预期。一种方法是单元测试。假设你编写了一个查找两个数中较小值的函数。你的测试套件可以给它输入一系列不同的值——正数、负数、字符串、极值等——来检验其行为。例如，R 语言中的“testthat”库和 Python 中的“pytest”库提供了创建和运行此类测试的功能。将这些测试与自动化系统（使用如 GitHub Actions 等“持续集成”技术）结合起来，可以确保代码的改动不会破坏你的核心算法。