10 промтов для CI/CD: GitHub Actions, GitLab CI, ArgoCD — подборка рабочих шаблонов
Каждый день я пишу и дебажу пайплайны. AI — мой второй пилот, особенно когда нужно быстро сгенерировать конфиг для CI/CD, найти баг в .gitlab-ci.yml или нарисовать схему деплоя. Без лишних слов — вот 10 промтов, которые реально экономят время. Никакой теории, только проверенные шаблоны.
1. Генерация базового пайплайна GitHub Actions
Промт: «Создай GitHub Actions workflow для Python-приложения с линтингом (flake8), тестами (pytest) и сборкой Docker-образа. Используй матрицу с версиями Python 3.10, 3.11, 3.12. Добавь кэширование зависимостей и триггеры на push в main и pull request.»
Результат: AI генерирует файл .github/workflows/ci.yml с зигзагообразной структурой: lint → test → build. Всё, что остаётся — скопировать и вставить.
2. Дебаг GitLab CI — «почему упал джоб?»
Промт: «Проанализируй этот лог GitLab CI job. Найди ошибку и предложи исправление. Лог: [вставь текст ошибки]. Скажи, какой stage упал и из-за чего.»
Пример: Однажды AI мгновенно нашёл, что пайплайн валился из-за неверного указания needs — джоб пытался запуститься до завершения предыдущего. AI предложил исправить порядок и добавить artifacts.
3. Оптимизация Dockerfile для CI/CD
Промт: «Оптимизируй этот Dockerfile для мультистейдж-сборки. Раздели на build и runtime. Уменьши финальный образ. Используй alpine-базу. Покажи финальную версию с комментариями.»
Результат: AI переписывает Dockerfile, добавляя --from=build, чистит кэш, объединяет RUN команды. Размер образа падает с 800 MB до 150 MB.
4. Генерация ArgoCD ApplicationSet
Промт: «Создай ApplicationSet для ArgoCD, который разворачивает микросервисы из одного репозитория в несколько окружений (dev, staging, prod). Используй генератор на основе Git. Каждый сервис — в своей директории.»
Пример использования: AI выдает шаблон, который автоматически создаёт приложение для каждой папки в репозитории. Однажды это сэкономило день: не пришлось вручную прописывать 15 Application-ов.
5. Создание матрицы тестов в GitLab CI
Промт: «Сгенерируй GitLab CI job с параллельным запуском тестов на 4 параллельных джобах. Используй parallel:matrix для разных браузеров (Chrome, Firefox) и разрешений (1024x768, 1920x1080). Добавь артефакты со скриншотами.»
Результат: AI создаёт блок с parallel:matrix, который экономит время прогона тестов в 4 раза.
6. Написание кастомного действия для GitHub
Промт: «Напиши Docker-действие для GitHub Actions, которое парсит JSON-логи тестов и отправляет уведомление в Telegram с количеством упавших тестов. Используй entrypoint.sh.»
Пример: AI генерирует action.yml, Dockerfile и скрипт на Bash. После интеграции уведомления приходят прямо в чат команды.
7. Конвертация CI/CD из одного формата в другой
Промт: «Перепиши этот GitLab CI конфиг в GitHub Actions. Сохрани все стейджи: build, test, deploy. Используй матрицу для Node.js 18 и 20. Добавь кэширование node_modules.»
Результат: AI переводит синтаксис, меняя image на runs-on, script на run. Работает без правок.
8. Генерация Helm-чарта для деплоя через ArgoCD
Промт: «Создай Helm-чарт для FastAPI приложения с Values для dev/staging/prod. Добавь deployment, service, ingress. Укажи liveness и readiness probes. Покажи пример деплоя через ArgoCD.»
Результат: AI генерирует Chart.yaml, values.yaml, templates/deployment.yaml. ArgoCD подхватывает чарт автоматически.
9. Оптимизация кэширования в пайплайнах
Промт: «Оптимизируй кэширование зависимостей в GitHub Actions для Python проекта. Используй cache@v4 с хешем requirements.txt. Покажи, как кэшировать pip и pre-commit hooks.»
Пример: AI добавляет actions/cache с правильным key, что ускоряет установку зависимостей с 3 минут до 15 секунд.
10. Генерация скрипта для автоматического деплоя
Промт: «Напиши Bash-скрипт для деплоя через SSH на VPS. Скрипт должен: забирать последний Docker-образ из registry, останавливать старый контейнер, запускать новый, проверять healthcheck, откатывать версию при ошибке.»
Результат: AI выдаёт готовый скрипт с trap для обработки ошибок. Использую его в CI/CD как последний шаг.
Заключение
Эти 10 промтов покрывают 80% моих повседневных задач по CI/CD. Они экономят часы гугления документации и написания YAML-шаблонов. Главное — не копируйте вслепую: всегда проверяйте сгенерированный код на безопасность и соответствие вашей архитектуре. AI — отличный помощник, но финальное решение за вами.
ASI Biont поддерживает подключение к GitHub, GitLab и другим сервисам через API — подробнее на asibiont.com/courses
Комментарии