ChatGPT脚本可配置提示词写法：保留默认行为

让ChatGPT把一段固定逻辑的脚本改写成可配置版本，同时确保所有未显式配置的参数自动回退到原始默认值——这事听起来简单，实操中翻车的案例可不少。关键就在于提示词里对“配置项识别边界”和“默认值继承机制”的约束是否精准到位。下面直接上干货，拆开揉碎了说。

你可能会问：为什么明明给了原始脚本，模型还是会把一些常量当成配置项改掉？原因就是没在提示词里划清“哪些是默认值”。所以第一步，也是最容易忽略的一步，必须做好。

明确声明配置意图与默认值锚点

在提示词的开头，直接、明确地写出目标：“请将以下脚本重构为支持外部配置的版本，所有原硬编码参数必须转为可选配置项；未提供配置时，行为必须与原始脚本完全一致。”别绕弯子，这就是指令的核心。

紧接着，把原始脚本粘贴过去，并在下方用注释块标出所有当前默认值。比如这样写：// 默认值锚点：timeout=30, retry=3, format='json', debug=False。这一步看似多余，实际是整段提示词的基石——没有显式锚点，模型很可能把常量、字符串字面量甚至魔法数字都当成可配项，导致默认行为面目全非。

限定配置方式与结构格式

有了默认值锚点，接下来要告诉模型怎么接收这些配置。方法一：要求使用 Python 字典作为配置入口点。指令可以写成：“配置必须通过一个名为 config 的 dict 参数传入，键名严格对应锚点中列出的参数名；config 中未出现的键，必须使用锚点声明的默认值。”这就锁死了传参格式。

方法二：支持多层级配置，但禁止嵌套覆盖。这一点很容易踩坑——如果你允许 config['api']['timeout'] 这种形式，就必须明确：仅当该路径完整存在时才生效；任何中间键缺失（比如 config['api'] 根本不存在），整条路径必须回退到锚点默认值。这里要特别强调：不允许 fallback 到上层默认或空值。否则可能出现 config 里有个空 dict 就导致 timeout 变成 None 的诡异 bug。

强制保留原始执行流程与副作用

配置框架搭好了，最后也是最容易出问题的一步：原始脚本的执行流程和副作用绝对不能动。具体操作有三层：

第一层，逐行比对原始脚本的控制流，禁止模型插入新分支、删除日志或合并条件判断。模型天生喜欢“优化”代码，但配置化要求的是一对一替换，不是重构。

第二层，所有 if/for/try 块内部的变量引用必须保持原样，仅将具体值替换为 config.get('key', DEFAULT_VALUE) 形式。别的地方不要动。

第三层，原始脚本里调用的函数、打开的文件路径、发送的 URL 字符串——只要不是锚点里列出的参数，一律不得改动。哪怕看起来“可以配置”，也必须保留硬编码。这一步最容易出错：模型倾向把重复代码抽成函数，或把相似字符串统一成变量，结果导致 mock 测试失败或 API 路径变更。

说到底，配置化的核心是“精准替换”而非“智能进化”。把握住这几个原则，ChatGPT 生成的代码才能做到：配置到位时按配置运行，配置缺席时跟原始脚本一模一样。