用 AI 除錯的正確流程

寫程式一定會遇到錯誤，這不代表你不會寫，連資深工程師每天也在除錯。差別在於：有經驗的人有一套固定的流程，不會亂槍打鳥。

有了 AI 之後，很多人的除錯方式變成「把錯誤丟給 AI、把它給的程式貼回去、又錯、再丟……」。運氣好時兩三輪就解決；運氣不好時，程式被改得面目全非，原本好的地方也壞了。

上一堂你練習了請 AI 解釋程式，這一堂會用上同樣的能力：先弄懂「為什麼錯」，再動手改。我們要建立一套有方向的除錯流程，讓 AI 成為你的偵探助手，而不是亂改一通的維修工。

第 1 步：先確認問題能重現

「重現」的意思是：你知道怎麼做會讓錯誤出現，而且每次都會出現。

• 是一執行就錯，還是輸入某些資料才錯？
• 是每次都錯，還是偶爾錯？

例如匯率換算腳本，你發現輸入 100 沒問題，輸入 1,000（有逗號）就當掉。這就是很重要的線索，比「有時候會壞掉」有用太多了。

第 2 步：收集完整線索

Python 出錯時，會印出一大段叫做 Traceback 的錯誤訊息，它是程式留給你的「事故報告」。很多初學者看到一長串紅字就慌了，其實它很有規律：由下往上讀。

看不懂沒關係，但請整段複製給 AI，不要自己挑一行。

問 AI 時，要附上這三樣東西：

另外記得說明你做了什麼操作、輸入了什麼資料，以及執行環境（作業系統、Python 版本）。

第 3 步：先問原因，不要急著要答案

比較一下這兩種問法：

Traceback (most recent call last):
  File "rate.py", line 12, in <module>
    total = to_jpy(amount)
  File "rate.py", line 5, in to_jpy
    return twd * RATE
TypeError: can't multiply sequence by non-int of type 'float'

「先說原因、再改」有兩個好處：第一，你會學到這類錯誤的成因，下次自己就看得出來；第二，AI 有時會猜錯原因，你可以在它動手改之前就發現。

以這個例子來說，AI 很可能會指出：input() 讀進來的是文字，不是數字，所以要先用 float() 轉換。這正是 Python 初學者最常遇到的錯誤之一。

第 4 步：一次只改一個地方

AI 常常會一口氣給你一份「全部重寫」的版本，裡面改了五六個地方。就算問題解決了，你也不知道是哪一個修改起作用，更可能悄悄引入新問題。

改之前，可以先把目前能動的版本複製一份備份。之後學到 Git，就能用更正式的方式保存每一個版本。

第 5 步：執行並確認

改完一定要實際執行，而且不只測試原本出錯的輸入，也試試原本正常的輸入，確認沒有改壞別的地方。

如果還是錯，就回到第 2 步，把新的錯誤訊息和目前的程式碼再提供一次。不要只說「還是不行」，因為錯誤訊息可能已經變了，那是很重要的新線索。

卡關時：縮小成最小範例

如果程式很長、錯誤很難找，試著把問題縮小：

1. 另開一個新檔案。
2. 只放重現錯誤所需的最少程式碼，例如把讀檔換成寫死的資料。
3. 一直刪，刪到再刪就不會出錯為止。

這個過程常常讓你自己就發現問題所在。就算沒有，一段十行的範例也比三百行的程式更容易讓 AI 看懂。