出错不可怕，看不到错才可怕
AI 第一遍写的代码跑不通、答案有漏洞，太正常了。真正的问题是：它根本不知道自己错了——因为报错没回到它桌面上。
🔆就像学生交了作业，但老师的批改你压根没给他看，他下次还会错同一个地方。把报错喂回去，等于把红笔批注递到它眼前。
自我纠正循环：跑 → 看错 → 改 → 再跑
让 AI 自己改的套路，就是一个循环：让它产出 → 真的去跑 → 把报错原样喂回去 → 让它据此修改 → 再跑……直到通过。
code = llm("写一个函数：判断回文")
for _ in range(3): # 最多试 3 轮
err = run(code) # 真的去跑
if err is None:
break # 通过了就停
code = llm(f"这段代码报错了：\n{err}\n请修复：\n{code}")💡关键动作就一个：把真实报错原样喂回去。错误信息越具体，它越能精准定位问题。
别让它无限打转
循环很好用，但要给它踩刹车——设一个最多试几轮的上限，或“连续两次没进展就停”。
⚠️没有停止条件，AI 可能在改 A 又错 B、改 B 又错 A 之间无限打转，白白烧钱烧时间。永远留一个出口。
自测 · 学完检查一下
想真正动手做题、记进度、攒连胜？到互动课里练。
“让 AI 看着报错自己改”的核心动作是什么？
答案：把运行后的报错原样喂回去，让它据此修改
自我纠正的关键就是把真实报错送回它的上下文，它才看得到哪里错了、才能改对。
判断：如果不把报错信息喂回给 AI，它通常无法知道自己上一版哪里错了。
答案：对
AI 看不到没摆上桌面的东西。报错不回传，它就像没看到批改的学生，会重复犯错。
下面哪条反馈最可能帮 AI 真正改对代码？
答案：“第 8 行报错：变量 total 未定义”
具体、可定位的报错（哪一行、什么错）才能让模型精准修复；笼统责备没有提供任何可用信息。
喂回去的反馈越 ___（比如带上行号和具体错误），AI 越能精准定位并修复问题。
答案：具体
反馈越具体，模型越能锁定问题。模糊的“不对、重写”几乎等于没给信息。
判断：自我纠正循环应该一直跑到 AI 改对为止，不需要设任何上限。
答案：错
必须设停止条件（如最多 N 轮）。否则 AI 可能在两个错误间无限打转，白白消耗时间和成本。
为防止 AI 在循环里无限打转，要给它设一个停止条件，比如“最多试几___”。
答案：轮
给循环设上限（最多试几轮）是必备的刹车，避免无限循环空烧资源。