Mục tiêu

Prompt này được thiết kế để hỗ trợ phân tích mã nguồn Python nhằm phát hiện bug logic, ngoại lệ tiềm ẩn, điều kiện biên bị bỏ sót và các nhánh xử lý chưa an toàn. Thay vì chỉ kiểm tra cú pháp, nội dung tập trung vào hành vi thực tế của chương trình khi chạy với dữ liệu đầu vào khác nhau.

Đây là lựa chọn phù hợp cho lập trình viên, QA kỹ thuật, reviewer hoặc người đang bảo trì code cũ cần rà soát nhanh các điểm dễ phát sinh lỗi trước khi test thủ công hoặc triển khai.

Khi nào nên dùng

• Khi một đoạn Python chạy được nhưng cho ra kết quả sai.
• Khi cần tìm nguyên nhân của lỗi không ổn định hoặc chỉ xuất hiện ở một số input nhất định.
• Khi review pull request, module mới hoặc code legacy chưa có test đầy đủ.
• Khi muốn AI chỉ ra các ngoại lệ có thể xảy ra như IndexError, KeyError, TypeError, ValueError, ZeroDivisionError hoặc lỗi do dữ liệu rỗng, None, sai kiểu.
• Khi cần gợi ý cách sửa mà vẫn giữ nguyên mục tiêu nghiệp vụ của đoạn mã.

Hướng dẫn tùy biến

1. Dán đúng phạm vi mã nguồn

Hãy cung cấp đoạn code cần phân tích, tốt nhất kèm theo hàm chính, input mẫu, output mong đợi và mô tả ngữ cảnh sử dụng. Nếu code dài, nên chỉ rõ phần nghi ngờ có lỗi.

2. Nêu rõ hành vi mong đợi

Nếu bạn biết kết quả đúng cần là gì, hãy ghi cụ thể để AI có cơ sở đối chiếu bug logic. Đây là yếu tố rất quan trọng vì nhiều lỗi không nằm ở cú pháp mà ở sai lệch nghiệp vụ.

3. Yêu cầu mức độ phân tích

Bạn có thể yêu cầu AI chỉ ra lỗi theo mức ưu tiên cao, trung bình, thấp; hoặc bắt buộc phân tích theo nhóm như logic, exception, dữ liệu biên, hiệu năng và khả năng bảo trì.

4. Bổ sung ràng buộc đầu ra

Nên yêu cầu AI trả kết quả theo cấu trúc rõ ràng như: mô tả lỗi, vị trí, nguyên nhân, tình huống tái hiện, mức độ ảnh hưởng và hướng sửa. Điều này giúp tiết kiệm thời gian khi chuyển sang bước sửa code.

Lưu ý

• AI có thể phát hiện rủi ro tốt hơn khi bạn cung cấp thêm input mẫu, traceback hoặc mô tả lỗi thực tế.
• Không nên chỉ dán thông báo lỗi mà thiếu mã nguồn liên quan, vì như vậy AI khó xác định nguyên nhân gốc.
• Với hệ thống nhiều file, hãy nói rõ quan hệ giữa các module để tránh kết luận sai do thiếu ngữ cảnh.
• Nên kiểm chứng lại mọi đề xuất sửa lỗi bằng test case thực tế trước khi đưa vào production.