先确认 VS Code 右下角显示的是【CodeGeex: Ready】，再写中文注释，把光标放在注释下方一行，按 Ctrl+Enter 就能触发代码生成。随后检查导入语句、变量命名和异常处理，最后用一小批测试数据跑一遍验证逻辑——这四个步骤做完，基本就比较稳妥了。

如果你正准备使用 CodeGeeX 快速生成一段可直接运行的 Python 代码，往往会卡在最开始：应该先怎么操作？提示词要怎么写？生成后的代码如何判断能不能用？甚至还不确定本地 Python 环境和依赖是否已经安装完整。别着急，把流程拆开来看，其实很清晰。

确认插件状态与基础环境

打开 VS Code 后，先看右下角状态栏，确保显示 【CodeGeex: Ready】。只有处于这个状态，才说明插件和模型已经准备完成。如果没有显示，通常代表模型还没加载结束，这时无论怎么按快捷键，生成结果都可能为空，或者直接报错。

如果一直停留在“Loading…”状态不动，可以点击状态栏图标，选择“Reload Model”手动重新加载模型。要是重载后仍然失败，就需要检查网络连接，或者确认本地是否已经成功缓存了约 120MB 的轻量模型文件。

另外，目标依赖库也要提前安装好，例如 requests、pandas、flask 等常见 Python 库。CodeGeeX 不会自动替你执行 pip install，如果生成的代码里包含 import requests，而你的环境里并没有安装 requests，运行时就会直接报出 ModuleNotFoundError。

用自然语言注释触发代码生成

方法一：在 .py 文件中先写一行中文注释，例如：# 读取 data.csv，删除重复行，对 age 列用中位数填充，保存为 clean.csv

接着把光标放到这行注释正下方的空白行，再按 Ctrl+Enter（Windows/Linux）或 Cmd+Enter（macOS），CodeGeeX 就会根据注释内容自动生成对应的 Python 代码。

方法二：不写注释也可以，直接在空白文件第一行输入完整指令，比如：“生成 Python 代码：用 pandas 读取 sales.xlsx，按 region 分组计算 total 列 sum 和 count，结果导出为 summary.csv”，然后再按快捷键触发生成。

整个操作其实并不复杂，关键就是把光标准确放到对应位置后再按快捷键。不过这里有一个特别容易忽略的细节：光标必须放在注释下方的空行上，不能停留在注释行内部，否则插件往往无法正确识别上下文内容。

校验与修正生成结果

代码生成出来以后，先别急着直接运行，建议优先检查以下四个方面：

第一，导入语句是否完整。常见问题包括漏写 from pydantic import BaseModel 或 import numpy as np。一旦关键依赖没导入，后续代码执行时就容易报错，甚至出现 SyntaxError 或 NameError。

第二，变量名是否与你的真实数据结构一致。比如你的提示词写的是“对 price 列填充缺失值”，结果生成的代码却用了 df['amount'].fillna(...)，这就属于字段命名不匹配。遇到这种情况，手动替换成正确列名即可。

第三，异常处理是否到位。比如没有用 try/except 包裹 requests.get()，网络稍有波动程序就可能中断；又或者没有先做 df.dropna(how='all') 就直接执行 df.groupby()，遇到空行或异常数据时，可能引发 KeyError 等问题。

第四，用最小测试数据集验证核心逻辑。你可以新建一个三行两列的 CSV，内容类似这样：name,age↵Alice,25↵Bob,↵Charlie,30，然后执行生成的清洗函数，检查 age 列是否真的被中位数 25 正确填充。这个小步骤看似简单，却能提前发现很多隐藏的逻辑问题。