AI建了三个任务为何都做最后一个？
让AI写一个批处理脚本，循环里明明创建了三个任务，最后都处理同一个文件。任务数量没少，程序也没有报错，问题可能不在模型或队列，而在回调函数读取变量的时间。

我在Python 3.9.6里做了实验：在函数内部遍历A、B、C，每一轮把lambda: item加入任务列表，等循环结束后再逐个调用。你可能期待A、B、C，实际得到的却是C、C、C。函数对象不同，但它们读取的是同一个外层变量。

Python官方编程FAQ专门解释了这种行为：函数使用外层变量时，通常在调用阶段读取它的值，而不是定义函数时自动保存一份。当循环已经结束，item最后指向C，稍后执行的三个回调便都读到C。这常被称为闭包的晚绑定问题。

可以比喻为，给每个任务留了一张“去看白板上当前名字”的纸条，而不是各自抄下当时的名字。等大家开始执行，白板上只剩最后一项。纸条有三张，并不意味着三张纸条保存了三个不同的名字。

在AI生成的自动化代码中，这可能影响文件处理、按钮回调和延后执行的评测任务。尤其要留意“先循环创建函数，再统一调用”的结构。如果在每一轮循环里立刻调用，变量尚未变化，简单测试可能看不出问题；推迟执行后才暴露。

对这个例子，可以写成lambda item=item: item。右侧默认值在函数定义时求值，每个回调因此绑定当轮的字符串。用相同输入重新测试，结果就恢复成A、B、C。这里讨论的是不传参数地调用这些回调；显式传入参数仍可以覆盖默认值。

但不要把这招理解成自动复制全部数据。若绑定的是列表或字典，默认参数保留的是当时那个对象的引用，之后对对象内容的修改仍可能被看到。想要不可变的任务描述，可以优先保存独立的文件路径、编号等字段，并明确哪些内容允许后续变化。

另一种设计是用一个工厂函数接收当前参数，再返回对应的任务函数，让每次工厂调用形成独立的参数绑定。也可以让任务执行器显式接收函数与参数，减少依赖外部循环变量。选择取决于接口与数据生命周期。

验证时不要只数“创建了几个任务”。记录每个任务真正收到的输入标识，再检查是否覆盖预期集合、是否出现重复。用至少三个不同输入，在循环完全结束后执行，才能覆盖这个错误典型触发条件。

AI把循环写出来，只完成了表面结构。任务何时读取参数、参数绑定到哪里，决定了最后做的是不是你交代的那件事。
人工智能 Python 自动化 编程技巧