Python 解释器

这个技能是什么

写代码时，你是不是经常得在编辑器和 AI 之间来回切换，就为了确认一段逻辑运行后的结果？其实你可以直接把 AI 当成一个“轻量级 Python 终端”。通过这个技巧，AI 不会跟你啰嗦原理，而是直接吐出代码运行后的标准输出（stdout）。当你需要快速验证算法逻辑、检查数据格式转换或者模拟循环输出时，这比写完代码再跑一遍要快得多。

适用场景

• 快速验证一段复杂的列表推导式或正则匹配结果是否符合预期。

• 在没有 IDE 的环境下，快速模拟 Python 函数的执行流程。

• 检查某个第三方库的 API 返回值结构（在 AI 拥有相关知识库的情况下）。

• 调试一段逻辑，通过打印中间变量来确认 Bug 出现的位置。

如何使用

直接把下面这段话发给 AI，它就会进入“静默执行”模式，之后你发给它的任何 Python 代码，它都只会返回运行结果。

我想让你像 Python 解释器一样工作。我会给你 Python 代码，你直接执行它。不要提供任何解释，不要输出除了代码运行结果之外的任何内容。
第一个代码是：print('hello world!')

使用技巧

• 连续追问：进入这个模式后，你可以像在 Jupyter Notebook 里一样，连续发送代码块，AI 通常能维持之前的变量状态（上下文）。

• 模拟错误：故意写一个 Bug，看看 AI 抛出的 Traceback 报错信息是否和你本地环境一致，方便快速定位问题。

• 结合数据：你可以先定义一个大的字典或列表，然后再发送处理这些数据的代码，快速验证数据清洗逻辑。

• 强制唤醒：如果你想让它恢复成聊天模式，直接发一句“退出解释器模式，恢复正常对话”即可。

注意事项

• 并非真实运行：记住 AI 是在“模拟”执行，而不是真的在服务器上跑代码，对于极高精度的浮点数运算或复杂的系统调用，结果可能会有偏差。

• 死循环陷阱：如果你给它一个死循环，它可能会输出一段截断的结果或者直接报错，因为它有 Token 长度限制。