Kod wygenerowany przez AI — jak go uruchomić, sprawdzić i naprawić

Poprosić ChatGPT albo Claude o skrypt w Pythonie to dziś kwestia minuty. Gorzej z drugą minutą: skrypt nie startuje, wyrzuca czerwony komunikat albo — co gorsze — działa, ale robi coś innego, niż chcieliśmy. Ten poradnik pokazuje, jak uruchomić, sprawdzić i naprawić kod wygenerowany przez AI, nawet jeśli nie jesteś programistą.

Krok 1. Zanim uruchomisz: zrozum, co skrypt robi

Nie uruchamiaj kodu, którego działania nie potrafisz opisać jednym zdaniem. Poproś model:

„Opisz krok po kroku, co robi ten skrypt: jakie dane przyjmuje, co z nimi robi i co zwraca. Wskaż wszystkie miejsca, które usuwają pliki, wysyłają dane na zewnątrz albo uruchamiają polecenia systemowe.”

Ostatnie zdanie jest najważniejsze. Usuwanie danych, wysyłanie informacji poza firmę i polecenia systemowe to trzy operacje, przy których błąd modelu kosztuje najwięcej. Jeśli któraś występuje — upewnij się, że rozumiesz dlaczego.

Krok 2. Przygotuj bezpieczne środowisko

• Osobny folder i środowisko wirtualne (python -m venv .venv) — zależności jednego projektu nie psują innego.
• Dane testowe, nie produkcyjne. Kopia arkusza albo kilka fikcyjnych rekordów wystarczy.
• Klucze API w pliku konfiguracyjnym lub zmiennych środowiskowych, nigdy wklejone w kod, który potem trafia do czatu lub repozytorium.
• Kopia danych przed pierwszym uruchomieniem — zawsze, gdy skrypt cokolwiek zapisuje lub modyfikuje.

Krok 3. Uruchom i przeczytaj komunikat o błędzie

Komunikat o błędzie to nie porażka, tylko wskazówka. W Pythonie czytaj go od dołu: ostatnia linia mówi, co się stało, a linie powyżej — gdzie. Najczęstsze przypadki w kodzie z AI:

Komunikat	Co zwykle oznacza	Co zrobić
ModuleNotFoundError	brak zainstalowanej biblioteki	pip install nazwa w aktywnym środowisku wirtualnym
FileNotFoundError	zła ścieżka do pliku	sprawdź, z jakiego folderu uruchamiasz skrypt
KeyError	w danych brakuje oczekiwanego pola	porównaj nazwy kolumn/pól z tym, co zakłada kod
401 / 403 z API	zły lub nieaktywny klucz, brak uprawnień	sprawdź klucz i limity na koncie dostawcy
429 z API	za dużo zapytań lub wyczerpany limit	dodaj przerwy i ponowienia, sprawdź budżet

Krok 4. Poproś o poprawkę — dobrze

„Nie działa, popraw” to najgorsze możliwe polecenie. Model zgaduje, zmienia pół pliku i wprowadza nowe błędy. Zamiast tego podaj:

1. pełny komunikat o błędzie,
2. fragment danych wejściowych (zanonimizowany),
3. co miało się stać, a co się stało,
4. prośbę o minimalną zmianę i wyjaśnienie, dlaczego naprawia problem.

Krok 5. Porównaj kod przed i po

Zanim przyjmiesz poprawkę, zobacz, co dokładnie się zmieniło. Narzędzia porównujące wersje (diff w edytorze, Git) pokazują to w sekundę. Jeśli przy jednym błędzie model przepisał 80 linii — to sygnał ostrzegawczy. Wersjonowanie daje też drugą korzyść: w razie problemu wracasz do poprzedniej, działającej wersji.

Krok 6. Testuj na danych dobrych i złych

Skrypt, który działa na jednym przykładzie, jeszcze nie działa. Sprawdź co najmniej:

• dane prawidłowe — czy wynik jest poprawny, a nie tylko „bez błędu”,
• puste pole lub brakujący wiersz,
• duplikat,
• błędny format (np. data jako tekst, przecinek zamiast kropki),
• niedostępną usługę zewnętrzną — co się dzieje, gdy API nie odpowiada?

Jeśli skrypt korzysta z modelu językowego, dochodzi jeszcze jedna kategoria: treść, która próbuje zmienić instrukcje modelu. Opisujemy ją w artykule o prompt injection w automatyzacjach.

Krok 7. Udokumentuj

Trzy akapity w pliku README wystarczą: do czego służy skrypt, jak go uruchomić (z jakimi zależnościami i konfiguracją) oraz jakie ma ograniczenia. Za trzy miesiące podziękujesz sobie sam — albo podziękuje Ci osoba, która przejmie rozwiązanie.

Najczęstsze pytania

Czy mogę używać kodu z AI w firmie, nie znając programowania?

Tak, pod warunkiem że rozumiesz, co kod robi, testujesz go na danych testowych i nie dajesz mu szerszych uprawnień, niż potrzebuje. Uruchamianie niezrozumianego kodu na danych produkcyjnych to proszenie się o kłopoty.

Który model najlepiej pisze kod?

Modele zmieniają się co kilka miesięcy, więc ważniejszy od wyboru modelu jest proces: jasne wymagania, małe zmiany, testy i porównywanie wersji. Ten proces działa niezależnie od narzędzia.

Podsumowanie

AI pisze kod szybko, ale odpowiedzialność za to, czy działa, zostaje po Twojej stronie. Zrozum przed uruchomieniem, pracuj w bezpiecznym środowisku, czytaj błędy, proś o minimalne poprawki, porównuj wersje i testuj na złych danych. To dokładnie zestaw umiejętności, który odróżnia użytkownika AI od specjalisty AI.