Промты для кода и автоматизации

Раздел «Код» — 84 промта, и собраны они не под одну сеть, а под четыре, которые в кодовых задачах ведут себя по-разному: DeepSeek (20 карточек), Claude (35), ChatGPT (14), Kimi (8), плюс Qwen, Gemini и YandexGPT. Ходовые задачи здесь не «напиши мне программу», а те, что отнимают время у живого разработчика: понять чужой легаси, найти причину падения по стектрейсу, провести ревью с приоритетами, дописать тесты, ускорить медленный SQL, собрать воркфлоу в n8n. Общая механика у всех карточек одна, и она же главное отличие рабочего промта от бесполезного: модели показывают вход и ожидаемый выход, называют версию языка и библиотек, обозначают ограничения среды. Без этого ответ выходит правдоподобным и неверным — с несуществующим методом, с ошибкой в граничном случае, с библиотекой, которой в проекте нет. Поэтому в карточках рядом с промтом стоит, что проверить в ответе прежде, чем вставлять его в проект.

Чужой код: сначала карта, потом правки

Самая читаемая карточка раздела — рефакторинг легаси-модуля в Kimi: модель сперва строит карту модуля и план по шагам, и только потом трогает код. Порядок тут не формальность — это единственный способ увидеть, что правка в одном месте ломает другое. Рядом разбор легаси по строкам и обзорный аудит всей кодовой базы — обе опираются на длинный контекст, ради которого эти сети сюда и берут. Отдельно миграция на другой фреймворк и переезд с Python 2 на 3 с проверкой совместимости.

Падение и медленный код: воспроизвести, а не угадать

Здесь модель полезнее всего, потому что стектрейс — это готовый вход, его не надо пересказывать. Поиск причины падения по стектрейсу даёт не только версию, но и план проверки: что запустить, чтобы убедиться. То же в разборе traceback Python и пошаговой отладке. Со скоростью иначе: профилирование Python и оптимизация медленного SQL требуют приложить план запроса или замер — без цифр модель предложит общие советы вместо вашего узкого места.

Ревью и тесты: чтобы замечания были по делу

Ревью без рамок превращается в список придирок к форматированию. Поэтому в ревью с приоритизацией и разборе pull request замечания делятся на блокирующие и косметические, а аудит по OWASP Top 10 идёт по списку категорий, а не по наитию. Тесты — unit-тесты для функции, pytest, цикл red-green-refactor и E2E на Playwright.

Автоматизация и n8n: четверть раздела

Заметная часть карточек — не про код в редакторе, а про сборку автоматизации. Телеграм-бот на n8n приходит схемой нод, которую реально собрать за вечер; проектирование ИИ-агента и системный промпт для ноды AI Agent закрывают вторую половину задачи — что этот агент должен и чего не должен делать. Если воркфлоу уже сломан, есть разбор ошибки в n8n. Рядом прикладные скрипты: парсер, ежедневный отчёт по выручке, калькулятор сметы.

Документация и схемы

Рутина, которую откладывают дольше всего: README по структуре репозитория, docstring в Google-стиле, техзадание разработчику из постановки. Схемы модель отдаёт текстом в Mermaid, и это удобнее картинки — диаграмма живёт в репозитории рядом с кодом: блок-схема процесса, ER-диаграмма базы, схема по коду функции.

Чего раздел не делает

• Не пишет проект за вас. Модель хорошо закрывает функцию, модуль, скрипт — и плывёт там, где нужно держать в голове систему целиком и её историю.
• Не отвечает за корректность. Ответ выглядит уверенно и на граничных случаях ошибается чаще всего: пустой список, ноль, отрицательное число, часовые пояса.
• Не знает вашего окружения. Версии библиотек, внутренние обёртки и принятые в команде соглашения придётся назвать словами — иначе придёт код под чужой стек.
• Не заменяет ревью человеком. Промты ревью нужны, чтобы прийти к коллеге с готовым списком, а не вместо коллеги.