Python裝飾器是一種在不修改原始函數代碼的情況下，為函數增加新功能的方法。它們可以通過以下方式增強程序的穩定性：

1. 日志記錄：通過記錄函數的調用日志，可以幫助開發者了解程序的運行情況，從而更容易地發現和解決問題。例如：

import functools
import logging

logging.basicConfig(level=logging.INFO)

def log_decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        logging.info(f"Calling {func.__name__} with args: {args} and kwargs: {kwargs}")
        result = func(*args, **kwargs)
        logging.info(f"{func.__name__} returned: {result}")
        return result
    return wrapper

@log_decorator
def add(a, b):
    return a + b

add(1, 2)

2. 性能測試：裝飾器可以在函數執行前后添加性能測試代碼，以檢查函數是否滿足性能要求。例如：

import time

def performance_test_decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"{func.__name__} took {end_time - start_time:.4f} seconds to execute")
        return result
    return wrapper

@performance_test_decorator
def slow_function():
    time.sleep(2)
    return "Slow function executed"

slow_function()

3. 緩存：通過緩存函數的結果，可以避免重復計算，從而提高程序的運行效率。例如：

import functools

def memoize_decorator(func):
    cache = {}
    
    @functools.wraps(func)
    def wrapper(*args):
        if args in cache:
            return cache[args]
        result = func(*args)
        cache[args] = result
        return result
    return wrapper

@memoize_decorator
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)

print(fibonacci(10))

4. 異常處理：裝飾器可以在函數執行過程中捕獲異常，并采取相應的措施，從而提高程序的穩定性。例如：

import functools

def exception_handler_decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        try:
            return func(*args, **kwargs)
        except Exception as e:
            print(f"Error occurred in {func.__name__}: {e}")
    return wrapper

@exception_handler_decorator
def divide(a, b):
    return a / b

print(divide(10, 2))
print(divide(10, 0))

通過使用這些裝飾器，可以在不修改原始函數代碼的情況下，增強程序的穩定性、性能和可維護性。