Python-автоматизация редко начинается с идеального технического задания. Обычно есть папка с файлами, API с неполной документацией, ручная операция в Excel или скрипт, который падает по ночам. Ниже — 10 промптов, которые помогают быстро сформулировать задачу для ИИ и получить черновик решения. Важно: результат модели не является гарантированно правильным кодом, его нужно читать, запускать в тестовой среде и проверять на реальных ограничениях проекта.
Как выбрать промпт под задачу
| Сценарий | Лучший старт | Что уточнить |
|---|---|---|
| Нужен разовый скрипт | Промпт 1 | Входные данные, ОС, версия Python |
| Нужно обработать файлы | Промпт 2 или 3 | Форматы, кодировка, размер |
| Нужна интеграция с API | Промпт 4 | Авторизация, лимиты, пагинация |
| Нужно запускать по расписанию | Промпт 6 | cron, Windows Task Scheduler или APScheduler |
| Скрипт нестабилен | Промпт 8 или 9 | Логи, исключения, повторные попытки |
Промпты для скриптов и файлов
Промпт 1
Когда использовать: когда нужно превратить ручную операцию в понятный Python-скрипт.
Ты senior Python-разработчик. Напиши скрипт для автоматизации задачи: {описание_задачи}. Входные данные: {источник_данных}. Результат: {ожидаемый_результат}. Используй Python {версия}. Добавь комментарии, обработку ошибок и инструкцию запуска.
Переменные: {описание_задачи}, {источник_данных}, {ожидаемый_результат}, {версия}. Ожидаемый выход: готовый скрипт и команда запуска. Проверка качества: есть функция main(), валидация входа, нет захардкоженных секретов. Частый сбой: модель пропускает крайние случаи, например пустой файл или недоступный путь.
Промпт 2
Когда использовать: для массового переименования, сортировки или переноса файлов.
Составь безопасный Python-скрипт для обработки файлов в папке {путь}. Нужно: {операция}. Учитывай расширения {расширения}, не перезаписывай существующие файлы, веди лог изменений и добавь режим dry-run.
Переменные: {путь}, {операция}, {расширения}. Ожидаемый выход: код с pathlib, логированием и dry-run. Проверка качества: сначала тест на копии папки, затем реальный запуск. Частый сбой: неверная работа с кириллицей, пробелами и одинаковыми именами.
Промпт 3
Когда использовать: когда нужно объединить CSV, Excel или JSON и привести поля к одному виду.
Напиши Python-пайплайн для чтения файлов формата {формат} из {папка}. Нужно очистить данные: {правила_очистки}, объединить их и сохранить в {формат_выхода}. Добавь проверку схемы, отчет об ошибочных строках и пример тестовых данных.
Переменные: {формат}, {папка}, {правила_очистки}, {формат_выхода}. Ожидаемый выход: скрипт на pandas или стандартной библиотеке. Проверка качества: сверить количество строк до и после обработки. Частый сбой: модель предполагает одинаковые заголовки и не учитывает пропуски.
Промпты для API и интеграций
Промпт 4
Когда использовать: для выгрузки данных из REST API.
Создай Python-клиент для API {название_API}. Эндпоинт: {url}. Авторизация: {тип_авторизации}. Нужно получить все записи с учетом пагинации, лимитов и ошибок 429/5xx. Секреты читать из переменных окружения.
Переменные: {название_API}, {url}, {тип_авторизации}. Ожидаемый выход: клиент с requests, ретраями и сохранением результата. Проверка качества: проверить таймауты, статус-коды и отсутствие токенов в коде. Частый сбой: модель выдумывает параметры API, если не дать фрагмент документации.
Промпт 5
Когда использовать: когда надо отправлять данные в CRM, таблицу, трекер задач или webhook.
Напиши функцию Python для отправки подготовленных данных в {сервис}. Формат входа: {структура_данных}. Требования: валидация, пакетная отправка по {размер_пакета}, повтор при временной ошибке, лог успешных и неуспешных записей.
Переменные: {сервис}, {структура_данных}, {размер_пакета}. Ожидаемый выход: функция отправки и пример вызова. Проверка качества: протестировать на песочнице или тестовом webhook. Частый сбой: нет идемпотентности, поэтому повторный запуск создает дубли.
Промпты для расписаний и фоновых задач
Промпт 6
Когда использовать: если скрипт должен запускаться ежедневно, ежечасно или по будням.
Предложи способ запуска Python-скрипта {имя_скрипта} по расписанию {расписание} на системе {ОС}. Дай вариант для cron или планировщика, команду запуска, настройку логов и способ проверить, что задача действительно выполняется.
Переменные: {имя_скрипта}, {расписание}, {ОС}. Ожидаемый выход: инструкция настройки и пример команды. Проверка качества: указаны абсолютные пути и окружение Python. Частый сбой: задача работает вручную, но падает в планировщике из-за другого рабочего каталога.
Промпт 7
Когда использовать: для длинных операций: парсинг, загрузки, генерация отчетов.
Перепиши задачу {описание_задачи} как надежный фоновый процесс на Python. Добавь прогресс, сохранение промежуточного состояния, возможность продолжить после сбоя и ограничение скорости выполнения.
Переменные: {описание_задачи}. Ожидаемый выход: архитектура и код с чекпоинтами. Проверка качества: имитация остановки процесса и повторный запуск. Частый сбой: состояние сохраняется слишком редко, и часть работы теряется.
Промпты для ошибок, логов и надежности
Промпт 8
Когда использовать: если уже есть скрипт, но он падает или дает странный результат.
Проведи code review Python-скрипта ниже. Найди ошибки, рискованные места, проблемы с обработкой исключений и предложи исправленную версию. Объясни каждое изменение. Код: {код_скрипта}. Логи ошибки: {логи}.
Переменные: {код_скрипта}, {логи}. Ожидаемый выход: список проблем и патч. Проверка качества: изменения должны быть минимальными и воспроизводимыми. Частый сбой: модель меняет архитектуру без необходимости и вносит новые баги.
Промпт 9
Когда использовать: чтобы добавить нормальное логирование и диагностику.
Добавь в этот Python-код структурированное логирование. Нужны уровни INFO, WARNING, ERROR, запись в файл {файл_лога}, ротация логов, идентификатор запуска и понятные сообщения без персональных данных. Код: {код}.
Переменные: {файл_лога}, {код}. Ожидаемый выход: код с logging и ротацией. Проверка качества: по логу можно понять вход, этап и причину ошибки. Частый сбой: в лог случайно попадают токены, email или содержимое документов.
Промпт 10
Когда использовать: перед запуском автоматизации в работу.
Составь набор тестов для Python-скрипта {описание_скрипта}. Покрой успешный сценарий, пустые входные данные, неверный формат, недоступный API, таймаут, повторный запуск и проверку итогового файла. Используй pytest и временные файлы.
Переменные: {описание_скрипта}. Ожидаемый выход: тестовые случаи и примеры pytest. Проверка качества: тесты запускаются локально и проверяют не только отсутствие исключений, но и результат. Частый сбой: тесты слишком привязаны к реальному API и становятся нестабильными.
Чеклист запуска
- Проверить код вручную: импорты, пути, секреты, версию Python.
- Запустить на малом наборе данных и сохранить исходники.
- Добавить логи, таймауты, повторные попытки и уведомление об ошибке.
- Настроить переменные окружения, а не хранить токены в файле.
- Зафиксировать зависимости в
requirements.txtилиpyproject.toml. - Проверить, что в теле материала есть все блоки: Промпт 1, Промпт 2, Промпт 3, Промпт 4, Промпт 5, Промпт 6, Промпт 7, Промпт 8, Промпт 9, Промпт 10.
FAQ
Можно ли сразу вставлять сгенерированный код в продакшен? Нет. ИИ-вывод требует человеческой проверки, тестов и оценки безопасности.
Что лучше давать модели: задачу или текущий код? Если код уже есть, давайте и задачу, и минимальный фрагмент кода, и реальные логи без секретов.
Почему один и тот же промпт дает разные ответы? Результат зависит от модели, настроек, контекста и качества входных данных.
Источники и ограничения
Полезные справочные материалы: рекомендации OpenAI по промптам, документация Python logging, pathlib, pytest, requests. Ограничение подборки: промпты дают рабочую рамку, но не заменяют документацию API, ревью разработчика и тестирование на ваших данных.