夜雨聆风最近实习中遇到了大量可以通过AI书写自动化程序的工作，但在实际使用AI的过程中我发现AI要写出60分的东西一般只需要一次指令，但要让它的程序达到90分以上却要反复的修改以及精准的指令，而我几百次的对话中大量的指令是通用而重复的，因此我总结了两个我常用的模板，以及一些使用经验
两个模板一个是AI程序指令（这个原来是用于工作中写VBA或者excel的自动化更新，如果需要做其他用途比如docx也可以用，只需要告知ai并相应替换库等即可，主体不用变，但是如果需要自动写pptx可能训练skill比写python程序更好）
具体通用部分不用记，每次把需求写到第二、三部分相应位置即可
另一个是简洁的UI模板，可以在功能程序写完之后/输入AI指令时做成txt附件直接喂给AI，让程序运行界面更加直观简洁
代码细节无需看懂，直接丢给ai即可
UI模板做的界面大概长这样，加入业务代码改改标题就能用：
两个模板的压缩包链接如下，选择保存发送发给自己就能直接看到压缩包了，具体内容因为太长故以图片形式放在文末：
这两个模板用到的环境配置教程如下：
首先需要安装python（如果是写成python文件），直接安装然后平时用IDLE的file->new file新建文件把ai给的代码贴入，然后run-run module试运行，如果报错或者结果不符合要求就把报错的红字或者不符合的点告诉ai即可，调试成功后只需要每次双击py文件就可以运行
用python指令模板推荐先安装 pandas、openpyxl、pywin32 这几个常用库，具体安装方式：
Win+R->键入cmd->键入python -m pip install pandas openpyxl pywin32（如果失败尝试换成 py -m pip install pandas openpyxl pywin32，或者先 where python，然后地址 -m pip ......）
安装超时可以在后面加 -i https://pypi.tuna.tsinghua.edu.cn/simple用国内镜像网址安装
安装后在 IDLE 输入
python
import pandas
import openpyxl
import win32com
import win32com.client
无报错则安装成功
用UI配置模板需要额外安装customtkinter这个库，安装方式一样，安装后输入import customtkinter不报错就成功了
AI使用经验（避坑指南）（·中的内容是针对claude code等专门写代码的ai专用内容）
一、撰写指令&调试
大框架可以直接复制之前的模板，不需要每次从头开始写
如果是使用 Claude Code，要实现“框架自动保留”，并不需要每次都复制粘贴。推荐在项目根目录维护一个CLAUDE.md或 Documentation Index（文档索引）。将“最高指令”、“路径映射规则”和“安全红线”等内容固化在这个 Markdown 文件里。每次开启新对话时，AI 会自动读取该文件，无需重复说明。
尽可能指明复制/处理行列，给程序提供尽量明确的定位方式（比如文件查找给一个示例路径，根据每次输入的季度/月份调整路径即可，极大减少输入复杂度）。处理大量数据的表格时候尽可能找可以批量处理的方式不要让python一个个覆写过去，非常慢。同理少用跳行跳列复制，宁愿让它整体复制到目标文件的临时sheet然后删列删行，比它先判断跳哪几列要快得多。
让程序进行进度播报，做好错误处理和防呆处理，这样可以快速查卡死和error来源，方便让ai进行修改或者实际操作时明确出问题的文件，写prompt指明每次修改后让它直接提供新版完整代码。程序报错或者卡死直接把当前命令行内容喂给AI即可。
复杂程序可以拆成几个部分的prompt分别交给ai写程序，都可以之后做合并，减少因为需求过长，ai遗漏需求的问题，以及功能区多很难找问题的麻烦。
在 Claude Code 下，拆解复杂需求时，建议不要直接让它写代码，而是利用它的 Plan 模式（只读，不写文件，不执行命令）。正确的流程是：先进入 Plan 模式让 AI 出方案文件 -> 等待用户批准方案 -> 退出 Plan 模式再执行。根据 Dev Rules，新模块或重写必须走四步：1. Proposal (出方案) -> 2. Design (模块划分与数据流) -> 3. Tasks (拆解成最小可行任务，用checklist跟踪) -> 4. Implement (逐项编码+测试)。这样能极大缓解您提到的“需求过长、AI遗漏”的问题。同时，每次纠错后，指令里明确要求它输出新版 完整代码（毕竟 Claude Code 可以直接操纵和重写文件）。
如果ai多次反复出错，更好的方式是让它总结当前对话框，然后把总结的回复贴到新开的对话框，因为大量错误回答会污染对话历史，让ai写出对的回答的概率更低。同时比较复杂的需求可以拆成几个板块分别丢给单独的对话框写，之后再合并，减少遗漏风险。另外每次修改可以写一句直接返回完整代码，以免出现零零散散十几处甚至几十处修改造成的混乱场面（如果改错了还不好查是没修改还是ai的代码有问题）
在 Claude Code 中，可以通过 “/clean”或直接开启新对话来确保 Session Hygiene（会话卫生），避免在同一长对话里串联完全不同的主题。历史过长但只需要保留结论时，可以先总结，再清理，只保留精简版，从而节省 Token 成本。记住一个核心原则：同样的上下文内容，如果能从缓存读取，比重新输入便宜约 10倍。
二、常见ai犯错的点（我主要做的是制作表格的程序所以更多针对excel）：
1，每次必须说明“交互式输入”，否则ai极有可能直接写定输入项。
2，大数据处理表格容易卡死-目前没找到能让ai直接纠错的，应该只能碰到了就把卡死的点喂给它重新生成。
3，每次纠错后加一句让它输出完整代码，程序长了之后零碎修改找起来很麻烦。
4，改link很容易出现连接损坏，需要提示ai尽可能找不损坏文件的方式修改（损坏很有可能是openpyxl处理造成，可能提示它用EXCEL COM的功能会好一些）。
5，拖拽填充一定需要反复强调，ai很容易处理成纯复制。
6，文件查找路径有可能会被其他的link带偏（主要是拖拽公式+局部link修改的时候），强调指定路径，只进行月份文件夹替换。
7，部分材料文件标题不统一，可能造成查找出错（比如xxx-v2，xxx-new version但其他月份不是这么写的，程序会直接找xxx，造成数据出错）--这个问题有一个解决方式是查找文件名包含需求内容的最新文件，但对于部分情况不适用，比如说aaa同时有多个包含该文件名的不同文件（如同一个文件夹里由aaa-bb，aaa-cc等））。
8，需要路径输入的，指明是否有“”都要可以。需要自动查询的，指明如果查不到需要的文件，提示用户xxx文件未找到要求手动输入，提示的应该是文件名而不是程序的变量名，同时原本的查找路径不要显示。
9，部分ai有可能会在空行里加python识别不了的换行符，遇到可以单开一个word文档替换掉再粘贴即可（比如 ）。（或者直接换掉这个不聪明的ai，毕竟大部分ai不会这样）
10，python很难识别格子的格式，最好直接复制某格格式而不是让它来填色等，很容易填的颜色乱七八糟。
数据安全与编码：AI 乱码或编码问题非常常见，针对第 9 点，可以要求它在代码开头强制配置 `Environment（环境配置）`，如 UTF-8 编码，避免中文乱码和换行符识别异常。同时，直接写入 Safety Rules（安全红线）（如“共享盘只读”、“写入前必须人工确认”）。
大数据量处理：针对第 2、6 点，如果 Excel 表格非常大，容易卡死，可以尝试升级数据底层架构。让 Claude Code 将海量 Excel 转成 SQLite / CSV 数据库，用 SQL 语言做筛选和聚合，然后再导回 Excel 模板。这比它通过 Python 一个个单元格处理要快得多。
简化映射查找：针对第 7 点“标题不统一”的问题，可以建立独立的 Mapping 主数据。在 CLAUDE.md 中维护好一份主数据，后续所有脚本、所有报告查表时，都能通过这份映射自动受益，避免因为某个月的 Excel 标题变了而报错。模型选择方面，根据任务复杂度使用不同模型（简单格式转换用轻量模型，复杂架构用高端模型），能显著降低 Token 消耗和成本。
python指令：
UI代码：