Топ-10 промптов для Python-автоматизации

<p>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.</p><h2>Как выбрать промпт под задачу</h2><table><thead><tr><th>Сценарий</th><th>Лучший старт</th><th>Что уточнить</th></tr></thead><tbody><tr><td>Нужен разовый скрипт</td><td>Промпт 1</td><td>Входные данные, ОС, версия Python</td></tr><tr><td>Нужно обработать файлы</td><td>Промпт 2 или 3</td><td>Форматы, кодировка, размер</td></tr><tr><td>Нужна интеграция с API</td><td>Промпт 4</td><td>Авторизация, лимиты, пагинация</td></tr><tr><td>Нужно запускать по расписанию</td><td>Промпт 6</td><td>cron, Windows Task Scheduler или APScheduler</td></tr><tr><td>Скрипт нестабилен</td><td>Промпт 8 или 9</td><td>Логи, исключения, повторные попытки</td></tr></tbody></table><h2>Промпты для скриптов и файлов</h2><h3>Промпт 1</h3><p><strong>Когда использовать:</strong> когда нужно превратить ручную операцию в понятный Python-скрипт.</p><blockquote>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.</blockquote><p><strong>Переменные:</strong> {описание_задачи}, {источник_данных}, {ожидаемый_результат}, {версия}. <strong>Ожидаемый выход:</strong> готовый скрипт и команда запуска. <strong>Проверка качества:</strong> есть функция <code>main()</code>, валидация входа, нет захардкоженных секретов. <strong>Частый сбой:</strong> модель пропускает крайние случаи, например пустой файл или недоступный путь.</p><h3>Промпт 2</h3><p><strong>Когда использовать:</strong> для массового переименования, сортировки или переноса файлов.</p><blockquote>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.</blockquote><p><strong>Переменные:</strong> {путь}, {операция}, {расширения}. <strong>Ожидаемый выход:</strong> код с <code>pathlib</code>, логированием и dry-run. <strong>Проверка качества:</strong> сначала тест на копии папки, затем реальный запуск. <strong>Частый сбой:</strong> неверная работа с кириллицей, пробелами и одинаковыми именами.</p><h3>Промпт 3</h3><p><strong>Когда использовать:</strong> когда нужно объединить CSV, Excel или JSON и привести поля к одному виду.</p><blockquote>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.</blockquote><p><strong>Переменные:</strong> {формат}, {папка}, {правила_очистки}, {формат_выхода}. <strong>Ожидаемый выход:</strong> скрипт на <code>pandas</code> или стандартной библиотеке. <strong>Проверка качества:</strong> сверить количество строк до и после обработки. <strong>Частый сбой:</strong> модель предполагает одинаковые заголовки и не учитывает пропуски.</p><h2>Промпты для API и интеграций</h2><h3>Промпт 4</h3><p><strong>Когда использовать:</strong> для выгрузки данных из REST API.</p><blockquote>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.</blockquote><p><strong>Переменные:</strong> {название_API}, {url}, {тип_авторизации}. <strong>Ожидаемый выход:</strong> клиент с <code>requests</code>, ретраями и сохранением результата. <strong>Проверка качества:</strong> проверить таймауты, статус-коды и отсутствие токенов в коде. <strong>Частый сбой:</strong> модель выдумывает параметры API, если не дать фрагмент документации.</p><h3>Промпт 5</h3><p><strong>Когда использовать:</strong> когда надо отправлять данные в CRM, таблицу, трекер задач или webhook.</p><blockquote>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.</blockquote><p><strong>Переменные:</strong> {сервис}, {структура_данных}, {размер_пакета}. <strong>Ожидаемый выход:</strong> функция отправки и пример вызова. <strong>Проверка качества:</strong> протестировать на песочнице или тестовом webhook. <strong>Частый сбой:</strong> нет идемпотентности, поэтому повторный запуск создает дубли.</p><h2>Промпты для расписаний и фоновых задач</h2><h3>Промпт 6</h3><p><strong>Когда использовать:</strong> если скрипт должен запускаться ежедневно, ежечасно или по будням.</p><blockquote>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.</blockquote><p><strong>Переменные:</strong> {имя_скрипта}, {расписание}, {ОС}. <strong>Ожидаемый выход:</strong> инструкция настройки и пример команды. <strong>Проверка качества:</strong> указаны абсолютные пути и окружение Python. <strong>Частый сбой:</strong> задача работает вручную, но падает в планировщике из-за другого рабочего каталога.</p><h3>Промпт 7</h3><p><strong>Когда использовать:</strong> для длинных операций: парсинг, загрузки, генерация отчетов.</p><blockquote>Перепиши задачу {описание_задачи} как надежный фоновый процесс на Python. Добавь прогресс, сохранение промежуточного состояния, возможность продолжить после сбоя и ограничение скорости выполнения.</blockquote><p><strong>Переменные:</strong> {описание_задачи}. <strong>Ожидаемый выход:</strong> архитектура и код с чекпоинтами. <strong>Проверка качества:</strong> имитация остановки процесса и повторный запуск. <strong>Частый сбой:</strong> состояние сохраняется слишком редко, и часть работы теряется.</p><h2>Промпты для ошибок, логов и надежности</h2><h3>Промпт 8</h3><p><strong>Когда использовать:</strong> если уже есть скрипт, но он падает или дает странный результат.</p><blockquote>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}.</blockquote><p><strong>Переменные:</strong> {код_скрипта}, {логи}. <strong>Ожидаемый выход:</strong> список проблем и патч. <strong>Проверка качества:</strong> изменения должны быть минимальными и воспроизводимыми. <strong>Частый сбой:</strong> модель меняет архитектуру без необходимости и вносит новые баги.</p><h3>Промпт 9</h3><p><strong>Когда использовать:</strong> чтобы добавить нормальное логирование и диагностику.</p><blockquote>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}.</blockquote><p><strong>Переменные:</strong> {файл_лога}, {код}. <strong>Ожидаемый выход:</strong> код с <code>logging</code> и ротацией. <strong>Проверка качества:</strong> по логу можно понять вход, этап и причину ошибки. <strong>Частый сбой:</strong> в лог случайно попадают токены, email или содержимое документов.</p><h3>Промпт 10</h3><p><strong>Когда использовать:</strong> перед запуском автоматизации в работу.</p><blockquote>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.</blockquote><p><strong>Переменные:</strong> {описание_скрипта}. <strong>Ожидаемый выход:</strong> тестовые случаи и примеры <code>pytest</code>. <strong>Проверка качества:</strong> тесты запускаются локально и проверяют не только отсутствие исключений, но и результат. <strong>Частый сбой:</strong> тесты слишком привязаны к реальному API и становятся нестабильными.</p><h2>Чеклист запуска</h2><ul><li>Проверить код вручную: импорты, пути, секреты, версию Python.</li><li>Запустить на малом наборе данных и сохранить исходники.</li><li>Добавить логи, таймауты, повторные попытки и уведомление об ошибке.</li><li>Настроить переменные окружения, а не хранить токены в файле.</li><li>Зафиксировать зависимости в <code>requirements.txt</code> или <code>pyproject.toml</code>.</li><li>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.</li></ul><h2>FAQ</h2><p><strong>Можно ли сразу вставлять сгенерированный код в продакшен?</strong> Нет. ИИ-вывод требует человеческой проверки, тестов и оценки безопасности.</p><p><strong>Что лучше давать модели: задачу или текущий код?</strong> Если код уже есть, давайте и задачу, и минимальный фрагмент кода, и реальные логи без секретов.</p><p><strong>Почему один и тот же промпт дает разные ответы?</strong> Результат зависит от модели, настроек, контекста и качества входных данных.</p><h2>Источники и ограничения</h2><p>Полезные справочные материалы: <a href="https://help.openai.com/en/articles/10032626-prompt-engineering-best-practices-for-chatgpt">рекомендации OpenAI по промптам</a>, <a href="https://docs.python.org/3/library/logging.html">документация Python logging</a>, <a href="https://docs.python.org/3/library/pathlib.html">pathlib</a>, <a href="https://docs.pytest.org/">pytest</a>, <a href="https://requests.readthedocs.io/">requests</a>. Ограничение подборки: промпты дают рабочую рамку, но не заменяют документацию API, ревью разработчика и тестирование на ваших данных.</p>