AI写代码一跑就报错，先别急着换工具或者怪模型——多数时候问题不在代码本身，而在需求没对齐：你随口说的“做个登录页”，和 AI 理解的“登录页”，可能从头到尾是两回事。解决的路子也简单：先让 AI 复述需求和它的假设，确认一致再动手；报错之后贴出完整信息、分小步验证。
先搞清报错的三种常见根源
第一，需求描述太模糊。你说“做个电商网站”，AI 只能靠猜：用什么技术栈、页面长什么样、数据从哪来，全是它的脑补。需求越模糊，代码和你的预期偏差越大，跑起来自然处处是坑。
第二，环境和依赖对不上。AI 默认按它熟悉的环境写代码，而你电脑上的语言版本、依赖包版本、操作系统可能完全不同。代码本身没错，换个环境就报错，这种情况在刚入门的电脑上特别常见。
第三，AI 编造了不存在的 API。模型会一本正经地调用根本不存在的函数名、参数名，这就是幻觉。遇到“找不到这个方法”之类的报错，先去官方文档核实这个 API 到底存不存在，别在假 API 上浪费时间。
三步排错法，照着做就行
第一步，让 AI 先复述需求和假设。动手写代码之前先问一句：“你打算怎么做，先把理解和假设说一遍。”假设错了当场纠正，比写完一千行代码再返工省事得多。
第二步，贴完整报错，别只贴代码片段。把报错堆栈、运行的命令、语言和依赖版本、复现步骤一起发给 AI。只贴代码片段不给报错，等于让医生只看体温计量病——信息不全，再强的模型也只能瞎猜。
第三步，分小步验证，一次只改一个地方。让 AI 每次只改一处，解释改了什么、为什么这样改，跑通了再继续。大段重写一次，出问题根本定位不到是哪一步改坏的。
记住这个顺序：先对齐需求，再给全信息，最后小步验证。报错不是 AI 写代码的终点，而是你和它把需求讲清楚的开始——需求讲明白了，代码报错会少一大半。
