Введение
Claude Code — это мощный AI-ассистент для разработки, который понимает контекст вашего проекта, помогает с рефакторингом, код-ревью, проектированием архитектуры и даже генерацией документации. В отличие от простых чат-ботов, Claude Code работает непосредственно с кодом, анализирует структуру файлов и предлагает решения, основанные на лучших практиках. В этой статье я собрал 10 проверенных промтов (промптов), которые помогут вам выжать максимум из этого инструмента — от исправления багов до построения микросервисной архитектуры.
Каждый промт сопровождается пояснением, когда его использовать, и примером вывода. Все промты готовы к копированию — просто вставьте их в Claude Code и укажите нужный контекст (файлы, папки, описание задачи).
1. Код-ревью: поиск уязвимостей и антипаттернов
Когда использовать: Перед мерджем в основную ветку, после написания нового модуля.
Промт:
Проведи код-ревью файлов [список файлов или папка]. Найди:
1. Потенциальные уязвимости безопасности (SQL-инъекции, XSS, утечка данных)
2. Нарушения принципов SOLID и DRY
3. Избыточную сложность (цикломатическая сложность выше 10)
4. Отсутствие обработки ошибок
5. Неоптимальные алгоритмы (O(n^2) там, где можно O(n))
Для каждой проблемы укажи: строку кода, тип проблемы, конкретную рекомендацию по исправлению и пример кода "до/после".
Пример применения: Разработчик загружает файл auth_service.py (120 строк) с реализацией JWT-аутентификации. Claude Code находит, что секретный ключ хранится в коде (нарушение безопасности), рекомендует вынести его в переменные окружения и показывает исправленный код. Также обнаруживает, что функция проверки токена дублируется в трёх местах (нарушение DRY) — предлагает вынести в декоратор.
2. Рефакторинг: превращение спагетти-кода в модульный
Когда использовать: Старый проект с legacy-кодом, который нужно поддерживать.
Промт:
Проведи рефакторинг кода в файле [имя файла] для улучшения читаемости и поддерживаемости. Следуй принципам:
- Раздели логику на функции/классы не длиннее 30 строк
- Удали дублирующийся код
- Добавь аннотации типов (Python 3.10+)
- Переименуй переменные по правилам snake_case (или другой конвенции)
- Добавь docstring для каждой публичной функции
Верни весь рефакторированный файл целиком, а не только изменения. Кратко поясни ключевые изменения.
Пример применения: Файл data_processor.py содержит одну функцию на 200 строк с вложенными циклами и магическими числами. Claude Code разбивает её на 5 функций: validate_input(), transform_row(), aggregate_data(), format_output() и main_process(). Каждая функция получает докстринг и аннотации типов. В результате код становится пригодным для юнит-тестирования.
3. Проектирование архитектуры: от монолита к микросервисам
Когда использовать: Планирование новой фичи или миграция архитектуры.
Промт:
Спроектируй архитектуру для [описание задачи, например, "система заказов интернет-магазина"]. Предложи два варианта:
1. Монолитная архитектура (для MVP)
2. Микросервисная архитектура (для масштабирования)
Для каждого варианта опиши:
- Компоненты и их ответственность
- API-контракты (REST/gRPC)
- Схему базы данных (ключевые таблицы и связи)
- Поток данных для ключевого сценария (например, "создание заказа")
- Плюсы и минусы
Используй принципы Domain-Driven Design. Укажи, какие паттерны (CQRS, Saga, Event Sourcing) уместны.
Пример применения: Команда планирует новый модуль "Управление подписками". Claude Code предлагает: монолит с использованием Django ORM и Celery для фоновых задач, а для микросервисов — отдельный сервис billing-service с gRPC, subscription-service с REST, и notification-service через очереди RabbitMQ. Добавляет схему Saga для распределённых транзакций.
4. Генерация API-эндпоинтов с валидацией
Когда использовать: Нужно быстро набросать REST API с проверкой данных.
Промт:
Сгенерируй REST API эндпоинты для [сущность, например, "пользователи"] на Python с FastAPI. Включи:
- CRUD-операции (GET, POST, PUT, DELETE)
- Pydantic-модели для валидации запросов и ответов
- Обработку ошибок с кастомными исключениями
- Пагинацию для GET-списка
- Базовую аутентификацию (JWT)
- Логирование всех запросов
Верни полный код файла main.py и моделей в отдельном файле schemas.py. Добавь пример curl-запроса для каждого эндпоинта.
Пример применения: Разработчик получает готовый main.py с 5 эндпоинтами для пользователей, включая регистрацию, логин, обновление профиля и удаление. Claude Code автоматически добавляет проверку email через регулярное выражение, хеширование пароля через passlib и генерацию JWT-токена.
5. Написание юнит-тестов с покрытием граничных случаев
Когда использовать: После написания функции или класса — чтобы повысить качество.
Промт:
Напиши юнит-тесты для файла [имя файла] с использованием pytest. Покрой:
1. Основной сценарий (happy path)
2. Все граничные случаи (пустые входные данные, None, отрицательные значения, переполнение)
3. Ошибки и исключения (что функция корректно выбрасывает исключения)
4. Тесты с моками для внешних зависимостей (база данных, API)
Используй фикстуры pytest для подготовки данных. Верни полный код тестов в отдельном файле test_[имя].py. Укажи команду для запуска с отчётом о покрытии.
Пример применения: Для функции calculate_discount(price, coupon_code) Claude Code генерирует 8 тестов: корректная скидка, истёкший купон, неверный код, отрицательная цена, цена 0, максимальная скидка, купон на сумму вместо процента, и проверка, что скидка не превышает 100%.
6. Оптимизация производительности: поиск узких мест
Когда использовать: Приложение тормозит, нужно найти причину.
Промт:
Проанализируй производительность кода в [файл или папка]. Найди:
- Узкие места (циклы, рекурсия, n+1 запросы к БД)
- Неэффективные алгоритмы (сортировка, поиск, фильтрация)
- Избыточное использование памяти (загрузка больших данных в память)
Для каждой проблемы:
1. Укажи строку и объясни, почему это медленно
2. Предложи оптимизацию с кодом
3. Оцени примерное ускорение (например, "вместо O(n^2) -> O(n log n)")
Если есть профилировщик (cProfile), приложи его вывод.
7. Генерация документации OpenAPI/Swagger
Когда использовать: API готов, нужно создать документацию для фронтенда.
Промт:
Сгенерируй OpenAPI 3.0 спецификацию для файла [имя файла с API]. Включи:
- Все эндпоинты с методами, параметрами и телами запросов
- Схемы ответов (с примерами JSON)
- Описание ошибок (4xx, 5xx)
- Authentication scheme (Bearer JWT)
Верни YAML-файл openapi.yaml. Укажи, как запустить Swagger UI для тестирования.
8. Миграция с одной технологии на другую
Когда использовать: Переход с Express на FastAPI, с MySQL на PostgreSQL.
Промт:
Помоги мигрировать код из [исходная технология, например, "Express.js"] в [целевая технология, например, "FastAPI"]. У меня есть файлы: [список]. Выполни:
1. Перепиши каждый маршрут Express на эндпоинт FastAPI
2. Замени Sequelize модели на SQLAlchemy
3. Адаптируй middleware (CORS, аутентификация)
4. Обнови package.json на requirements.txt
Верни пофайловое сравнение: старый код -> новый код с пояснениями.
9. Создание Docker-инфраструктуры
Когда использовать: Контейнеризация приложения для продакшена.
Промт:
Создай Docker-инфраструктуру для проекта на [язык/фреймворк]. Сгенерируй:
1. Dockerfile для продакшена (многоступенчатая сборка)
2. Dockerfile для разработки (с hot-reload)
3. docker-compose.yml с сервисами: приложение, база данных (PostgreSQL), кэш (Redis), nginx
4. .dockerignore с исключением ненужных файлов
5. Makefile с командами: build, up, down, logs, test
Укажи, какие переменные окружения нужно задать через .env.
10. Генерация конфигурации CI/CD
Когда использовать: Настройка пайплайна в GitHub Actions или GitLab CI.
Промт:
Сгенерируй конфигурацию CI/CD для [GitHub Actions / GitLab CI] для проекта на [язык]. Пайплайн должен включать:
1. Линтинг (flake8, ESLint)
2. Запуск тестов с покрытием
3. Сборку Docker-образа
4. Публикацию в Docker Hub или GitHub Container Registry
5. Деплой на сервер через SSH (или Kubernetes)
Верни полный YAML-файл. Укажи, какие секреты нужно добавить в репозиторий.
Заключение
Эти 10 промтов покрывают большинство повседневных задач разработчика: от рефакторинга и код-ревью до проектирования архитектуры и настройки CI/CD. Главное — не просто копировать их, а адаптировать под ваш контекст: указывать конкретные файлы, версии библиотек, цели проекта. Со временем вы натренируете свой стиль общения с Claude Code и сможете составлять промты, которые с первого раза дают идеальный результат.
Помните: AI — это инструмент, а не замена мышлению. Всегда проверяйте сгенерированный код на безопасность и соответствие бизнес-логике. Используйте эти промты как стартовую точку для ускорения разработки, а финальное решение остаётся за вами.
Комментарии