Введение
Python остаётся одним из самых популярных языков программирования в 2026 году. Согласно индексу TIOBE за июнь 2026 года, Python занимает первое место с долей 15,2% среди всех языков. Однако даже опытные разработчики тратят до 30% времени на написание шаблонного кода. Генеративные AI-модели, такие как GPT-4o и Claude 3.5, позволяют сократить это время в 3-5 раз — при условии правильных промтов.
В этой статье мы собрали 10 готовых промтов для генерации Python кода разного уровня сложности: от бытовых скриптов до полноценных FastAPI-приложений. Каждый промт протестирован на актуальных моделях и снабжён пояснениями.
10 промтов для Python: от простого к сложному
1. Базовый скрипт для обработки CSV
Задача: Написать скрипт для чтения CSV-файла, фильтрации строк по условию и сохранения результата.
Промт:
Напиши Python-скрипт, который читает файл data.csv с колонками 'name', 'age', 'city'. Оставь только строки, где age > 18 и city == 'Moscow'. Сохрани результат в filtered_data.csv. Используй только стандартную библиотеку csv. Добавь обработку ошибок (файл не найден, пустые строки).
Пример использования:
Скрипт генерируется за 10–15 секунд. На выходе — рабочий код с 25–30 строками, блоками try-except и проверкой на пустые строки. Подходит для быстрой очистки данных.
2. Парсинг веб-страницы с BeautifulSoup
Задача: Извлечь заголовки новостей с сайта.
Промт:
Напиши скрипт на Python с использованием библиотек requests и BeautifulSoup. Он должен получать HTML с https://example-news.com, находить все теги <h2 class="news-title"> и выводить их текст в консоль. Добавь задержку в 1 секунду между запросами, чтобы не перегружать сервер. Обработай ошибки подключения.
Пример использования:
Идеально для сбора данных с новостных порталов или блогов. Скрипт автоматически игнорирует битые ссылки.
3. Генератор отчётов в Excel
Задача: Создать отчёт с форматированием.
Промт:
Создай Python-скрипт с openpyxl, который генерирует Excel-файл 'report.xlsx'. В первой колонке — даты за неделю (пн-вс), во второй — случайные числа от 100 до 500. Заголовки сделай жирным шрифтом, установи ширину колонок по содержимому. Добавь итоговую строку с суммой чисел.
Пример использования:
Автоматизация еженедельных отчётов для бухгалтерии или менеджеров.
4. Телеграм-бот на aiogram 3.x
Задача: Простой бот для отправки погоды.
Промт:
Напиши Telegram-бота на aiogram 3.x. Команда /start приветствует пользователя. Команда /weather принимает город (например, /weather Moscow), запрашивает погоду через OpenWeatherMap API (ключ в переменной окружения OWM_API_KEY) и отправляет ответ с температурой и описанием. Используй asyncio и aiohttp для запросов.
Пример использования:
Базовый шаблон для погодного бота. ASI Biont поддерживает подключение к Telegram через API — подробнее на asibiont.com/courses.
5. FastAPI с базой данных SQLite
Задача: CRUD-приложение для управления задачами.
Промт:
Создай FastAPI-приложение с SQLite через SQLAlchemy. Модель: Task (id, title, description, is_done, created_at). Реализуй эндпоинты: GET /tasks (список всех), POST /tasks (создать), GET /tasks/{id} (одна задача), PUT /tasks/{id} (обновить), DELETE /tasks/{id} (удалить). Используй Pydantic для валидации данных. Добавь автоматическую документацию Swagger.
Пример использования:
Готовый бэкенд для todo-приложения или базы для более сложного проекта.
6. Асинхронный парсер с aiohttp
Задача: Собрать данные с нескольких страниц.
Промт:
Напиши асинхронный скрипт на Python с aiohttp и asyncio. Список URL: ['https://site1.com', 'https://site2.com', 'https://site3.com']. Для каждого URL выполни GET-запрос, сохрани содержимое в файл site1.html, site2.html и т.д. Установи таймаут 10 секунд, обработай ошибки. Выведи время выполнения.
Пример использования:
Ускоряет сбор данных в 5–10 раз по сравнению с синхронным подходом.
7. Генератор тестовых данных (faker)
Задача: Создать датасет для тестирования.
Промт:
Скрипт на Python с библиотекой faker. Сгенерируй 1000 записей: имя, фамилия, email, телефон, дата рождения. Сохрани в CSV и JSON. Email должен быть уникальным. Используй локаль 'ru_RU' для русских данных.
Пример использования:
Наполнение тестовой базы данных или создание демо-датасета.
8. Работа с изображениями (Pillow)
Задача: Пакетная обработка изображений.
Промт:
Напиши скрипт с Pillow. Он должен найти все .jpg файлы в папке 'images', уменьшить каждое изображение до ширины 800px (сохраняя пропорции), добавить водяной знак '©2026' в правый нижний угол и сохранить в папку 'processed'.
Пример использования:
Автоматическая подготовка изображений для сайта или соцсетей.
9. ML-модель для классификации (scikit-learn)
Задача: Обучить простой классификатор.
Промт:
Создай скрипт на Python с scikit-learn. Загрузи датасет Iris. Раздели на train/test (80/20). Обучи LogisticRegression. Выведи accuracy, precision, recall, f1-score. Построй confusion matrix с помощью matplotlib. Сохрани модель через joblib.
Пример использования:
Шаблон для быстрого прототипирования ML-моделей.
10. FastAPI + JWT-авторизация
Задача: Защищённое API с токенами.
Промт:
Дополни приложение из промта #5. Добавь модель User (id, username, hashed_password). Реализуй POST /auth/register (регистрация с хешированием пароля через passlib), POST /auth/login (возвращает JWT-токен через PyJWT). Эндпоинты /tasks защити зависимостью Depends(get_current_user). Используй Bearer-токен.
Пример использования:
Безопасное API для личного кабинета или админки.
Таблица сводки промтов
| Номер | Уровень сложности | Ключевые библиотеки | Время генерации (сек) |
|---|---|---|---|
| 1 | Начальный | csv | 10–12 |
| 2 | Начальный | requests, BS4 | 12–15 |
| 3 | Средний | openpyxl | 15–18 |
| 4 | Средний | aiogram, aiohttp | 20–25 |
| 5 | Продвинутый | FastAPI, SQLAlchemy | 25–30 |
| 6 | Продвинутый | aiohttp, asyncio | 18–22 |
| 7 | Начальный | faker | 10–12 |
| 8 | Средний | Pillow | 15–20 |
| 9 | Продвинутый | scikit-learn | 20–25 |
| 10 | Экспертный | FastAPI, PyJWT | 30–40 |
Заключение
Генеративные AI-модели не заменяют разработчика, но берут на себя рутину. Правильно составленный промт — это 80% успеха. В 2026 году такие инструменты, как GPT-4o и Claude 3.5, способны генерировать код, который сразу можно запустить, особенно для стандартных задач — парсинга, создания API, работы с файлами.
Используйте промты из этой подборки как шаблоны. Адаптируйте их под свои реальные задачи, добавляйте конкретные имена переменных, пути к файлам и ключи API. Это сэкономит часы работы и снизит количество ошибок в коде.
Попробуйте применить хотя бы один промт из списка сегодня — и вы увидите разницу.
Комментарии