10 промтов для программирования на GPT-4: от написания кода до архитектурных решений

Напиши на Python функцию `parse_log_line(line: str) -> dict`, которая принимает строку лога формата `2026-07-23 14:30:00 ERROR: User 123 failed login`. Функция должна возвращать словарь с ключами timestamp, level, message, user_id. Добавь обработку ошибок (невалидный формат). Напиши модульные тесты с pytest: проверь правильную строку, строку без user_id, пустую строку. Тесты должны быть изолированы, без моков.

import re
from datetime import datetime

def parse_log_line(line: str) -> dict:
    pattern = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) (\w+): (.+)'
    match = re.match(pattern, line)
    if not match:
        raise ValueError(f"Invalid log format: {line}")
    timestamp_str, level, message = match.groups()
    timestamp = datetime.strptime(timestamp_str, "%Y-%m-%d %H:%M:%S")
    user_id = None
    user_match = re.search(r'User (\d+)', message)
    if user_match:
        user_id = int(user_match.group(1))
    return {
        "timestamp": timestamp,
        "level": level,
        "message": message,
        "user_id": user_id
    }

У меня есть код на JavaScript (React). При вызове `fetchUserData()` возникает ошибка: `TypeError: Cannot read properties of undefined (reading 'map')`. Код:

```javascript
const UserList = () => {
  const [users, setUsers] = useState(null);
  useEffect(() => {
    fetch('/api/users')
      .then(res => res.json())
      .then(data => setUsers(data.users));
  }, []);
  return (
    <ul>
      {users.map(user => <li key={user.id}>{user.name}</li>)}
    </ul>
  );
};

**Пример использования:**

Этот промт спас меня на code review. GPT-4 объяснил, что users изначально null, и map вызывается до загрузки данных. Предложил добавить проверку: `{users && users.map(...)}` или `{users?.map(...)}`. Я применил optional chaining — ошибка исчезла.

## 3. Prompt для рефакторинга с улучшением читаемости

**Назначение:** Упростить сложный код, сохранив логику.

**Промт:**

def process_orders(orders):
    total = 0
    for order in orders:
        if order['status'] == 'completed':
            for item in order['items']:
                if item['price'] > 100:
                    total += item['price'] * 0.9
                else:
                    total += item['price']
    return total

**Пример использования:**

После рефакторинга я получил модульный код с классами `Order`, `OrderItem`, функцией `calculate_discounted_total`. Тесты проверили скидку для товаров > 100. Код стал на 40% короче и понятнее для новичков в команде.

## 4. Prompt для написания документации API

**Назначение:** Сгенерировать OpenAPI-спецификацию или docstring для FastAPI.

**Промт:**

**Пример использования:**

Я вставил этот промт в чат, и GPT-4 сгенерировал код с моделями `OrderRequest`, `OrderResponse`, `OrderCreate` и docstring с примерами. Результат сразу пошёл в swagger-документацию. Экономия: 20 минут.

## 5. Prompt для оптимизации производительности

**Назначение:** Найти узкие места и предложить оптимизацию.

**Промт:**

def process_csv(filepath):
    results = []
    with open(filepath, 'r') as f:
        for line in f:
            parts = line.strip().split(',')
            if len(parts) > 5:
                results.append(parts[2] + parts[4])
    return results

**Пример использования:**

GPT-4 предложил: 1) pandas с read_csv и векторизацией — 2 секунды; 2) multiprocessing с Pool — 8 секунд; 3) генератор без списка — 30 секунд. Я выбрал pandas — ускорение в 22 раза.

## 6. Prompt для генерации SQL-запросов

**Назначение:** Написать сложный SQL-запрос по описанию.

**Промт:**

**Пример использования:**

GPT-4 выдал запрос:

```sql
SELECT u.id, u.name, u.email, COUNT(o.id) as order_count, SUM(o.amount) as total_spent
FROM users u
JOIN orders o ON u.id = o.user_id
WHERE o.created_at >= NOW() - INTERVAL '30 days'
GROUP BY u.id, u.name, u.email
HAVING COUNT(o.id) > 5 AND SUM(o.amount) > 1000;

Спроектируй архитектуру микросервиса для обработки заказов. Используй Python, FastAPI, PostgreSQL, RabbitMQ. Опиши компоненты: API gateway, сервис заказов, сервис платежей, очередь. Нарисуй диаграмму в формате Mermaid (sequence diagram). Укажи, как обрабатывается ошибка при оплате.

sequenceDiagram
    participant Client
    participant Gateway
    participant OrderService
    participant PaymentService
    participant Queue
    Client->>Gateway: POST /orders
    Gateway->>OrderService: create_order()
    OrderService->>Queue: send_payment_request()
    Queue->>PaymentService: process_payment()
    PaymentService-->>Queue: success/failure
    Queue-->>OrderService: update_status()
    OrderService-->>Gateway: response
    Gateway-->>Client: 201 Created

Проведи code review этого кода на TypeScript (React). Найди проблемы: утечки памяти, неоптимальные re-render, отсутствие типов. Код:

```typescript
const MyComponent = ({ data }) => {
  const [filtered, setFiltered] = useState([]);
  useEffect(() => {
    setFiltered(data.filter(item => item.active));
  }, [data]);
  return <div>{filtered.map(item => <span>{item.name}</span>)}</div>;
};

**Пример использования:**

GPT-4 указал: 1) нет типов для props — нужно `interface Props { data: Item[] }`; 2) useEffect лишний — можно использовать useMemo; 3) нет key в map — ведёт к warning. Я исправил: добавил `useMemo(() => data.filter(...), [data])` и типизировал. Re-render сократился в 2 раза.

## 9. Prompt для написания скрипта автоматизации

**Назначение:** Создать утилиту для DevOps или CI/CD.

**Промт:**

**Пример использования:**

GPT-4 сгенерировал скрипт `deploy.sh`:

```bash
#!/bin/bash
set -e

SSH_USER="${DEPLOY_USER:-deploy}"
SSH_HOST="${DEPLOY_HOST:-example.com}"
REMOTE_PATH="/var/www/app"

rsync -avz --exclude 'node_modules' --exclude '.env' ./ $SSH_USER@$SSH_HOST:$REMOTE_PATH
ssh $SSH_USER@$SSH_HOST "cd $REMOTE_PATH && npm install --production && pm2 restart app"

echo "Deploy completed"

Объясни, как использовать библиотеку `pydantic` в Python для валидации данных. Напиши пример модели для пользователя с полями: name (str, min_length 2), email (EmailStr), age (int, ge 18). Покажи, как обработать ошибку валидации с кастомным сообщением. Дай сравнение с dataclasses.

from pydantic import BaseModel, EmailStr, Field, ValidationError

class User(BaseModel):
    name: str = Field(..., min_length=2)
    email: EmailStr
    age: int = Field(..., ge=18)

try:
    user = User(name="A", email="invalid", age=15)
except ValidationError as e:
    print(e.json())

Напиши Alembic-миграцию для SQLAlchemy: добавить таблицу `reviews` с полями id (PK), user_id (FK на users), product_id (FK на products), rating (int, 1-5), created_at (timestamp default now). Используй upgrade и downgrade функции. Добавь индексы.

Напиши на Python функцию `find_missing_number(nums: list[int]) -> int`, которая находит пропущенное число в массиве от 0 до n. Массив длиной n, содержит все числа кроме одного. Используй XOR-оператор. Объясни сложность по времени и памяти. Напиши тесты с edge cases.

def find_missing_number(nums):
    n = len(nums)
    xor_all = 0
    for i in range(n + 1):
        xor_all ^= i
    for num in nums:
        xor_all ^= num
    return xor_all