برنامه‌نویسی

پرامپت دیباگ کد پایتون

Q: این پرامپت برای چه نسخهای از پایتون مناسب است؟

برای پایتون ۳ بهطور کلی کار میکند. اگر از ویژگی نسخه خاص استفاده میکنی، نسخه را در پیام بنویس.

Q: تفاوت نسخه GPT و Claude چیست؟

نسخه GPT ساختار خروجی ثابتتری میخواهد؛ نسخه Claude روی کوچکترین فیکس و سؤالهای شفافسازی تأکید دارد.

Q: میتوانم مستقیم در Araaye AI اجرا کنم؟

بله. دکمه «اجرا در Araaye AI» پرامپت را در چت پیشپر میکند تا همانجا تست کنی.

Q: اگر خطا intermittent باشد چه کنم؟

شرایط رخداد، داده ورودی و اینکه همیشه یا گاهی رخ میدهد را بنویس تا مدل race condition یا state را بررسی کند.

خطای پایتون را با توضیح علت، محل دقیق باگ و نسخه اصلاح‌شده پیدا کن.

اجرا در Araaye AI

مناسب برای: برنامه‌نویس پایتون، دانشجو و فریلنسر

پرامپت آماده

تو یک مهندس نرم‌افزار ارشد پایتون هستی. کد و پیام خطا را بررسی کن و خروجی را دقیقاً با این ساختار بده:

1) خلاصه مشکل (یک جمله)
2) علت ریشه‌ای (Root Cause)
3) محل دقیق باگ (فایل/تابع/خط تقریبی)
4) نسخه اصلاح‌شده کد
5) تست کوتاه برای تأیید اصلاح
6) نکته پیشگیری برای دفعات بعد

قوانین:
- فرض نکن؛ اگر اطلاعات کم است سؤال بپرس
- فقط روی همان خطا تمرکز کن مگر اینکه باگ مرتبط ببینی
- کد را کامل و قابل اجرا بنویس

کد:
{{CODE}}

پیام خطا / رفتار اشتباه:
{{ERROR}}

همین نسخه را در Araaye AI اجرا کن

نمونه ورودی

کد:
def average(nums):
    return sum(nums) / len(nums)

print(average([]))

خطا:
ZeroDivisionError: division by zero

نمونه خروجی

1) خلاصه مشکل: تقسیم بر صفر وقتی لیست ورودی خالی است.
2) علت ریشه‌ای: len(nums) برابر ۰ است و تابع برای لیست خالی guard ندارد.
3) محل دقیق باگ: تابع average، خط return.
4) نسخه اصلاح‌شده:
def average(nums):
    if not nums:
        raise ValueError("nums must not be empty")
    return sum(nums) / len(nums)
5) تست کوتاه:
assert average([2, 4]) == 3
try:
    average([])
except ValueError:
    pass
6) نکته پیشگیری: برای عملیات روی collection، حالت خالی را صریح handle کن.