Промты для Python-разработки: 12 сценариев от чистого кода до автоматизации рутины
Python остаётся одним из самых востребованных языков, и с развитием AI-инструментов в 2026 году разработчики всё чаще используют LLM для ускорения работы. Но чтобы получить действительно полезный результат, нужны правильно составленные промты. В этой подборке я собрал 12 проверенных запросов, которые ежедневно использую сам. Каждый промт сопровождается примером и пояснением, для каких задач он подходит. Все примеры кода реальны и могут быть сразу применены в работе.
1. Генерация SQL-запроса по текстовому описанию
Задача: Быстро получить сложный SQL-запрос без ручного написания.
Промт:
Ты — эксперт по SQL. Напиши запрос для базы данных PostgreSQL, который выбирает всех пользователей, совершивших более 3 покупок за последний месяц, с суммой покупок выше 10000 рублей. Исключи пользователей с флагом is_blocked = true. Выведи id, имя, email и общую сумму. Используй таблицы users, orders. Учти, что дата покупки хранится в поле order_date типа timestamp.
Пример использования: Вы пишете аналитический отчёт и нужно быстро получить выборку. Вместо того чтобы вспоминать синтаксис JOIN и GROUP BY, вы вставляете промт и получаете готовый запрос. ChatGPT или другой AI сгенерирует корректный SQL, который можно сразу выполнить.
Результат: Экономия 10-15 минут на написание и отладку запроса.
2. Рефакторинг функции с комментариями
Задача: Улучшить читаемость и производительность существующего кода.
Промт:
Проведи рефакторинг следующей функции на Python. Сделай код более читаемым, убери дублирование, добавь аннотации типов и docstring. Объясни, что изменил и почему.
[вставьте код]
Пример: У вас есть функция обработки заказов, написанная год назад. Она работает, но её сложно поддерживать. AI предложит разбить её на более мелкие функции, использовать list comprehensions и добавить типизацию.
Результат: Код становится понятнее, снижается вероятность ошибок при доработке.
3. Написание unit-тестов с покрытием
Задача: Автоматически создать тесты для существующего кода.
Промт:
Напиши unit-тесты на pytest для следующей функции. Обеспечь покрытие всех ветвлений, включая граничные случаи. Используй фикстуры для подготовки данных. Приведи пример запуска и ожидаемый результат.
[вставьте код]
Пример: Вы написали функцию расчёта скидки, но тестов нет. AI сгенерирует тесты для positive, negative и edge cases, например, скидка 0%, максимальная скидка, отрицательная сумма.
Результат: Быстрое создание надёжного тестового покрытия.
4. Отладка ошибки по traceback
Задача: Понять причину исключения и получить исправленный код.
Промт:
Я получил следующую ошибку при запуске Python-скрипта. Объясни причину и предложи исправление. Вот traceback:
[вставьте traceback]
Вот код, который вызвал ошибку:
[вставьте код]
Пример: Ошибка KeyError: 'user_id' при обработке JSON. AI подскажет, что ключ отсутствует, и предложит использовать метод .get() или добавить проверку.
Результат: Быстрое решение проблемы без глубокого гугления.
5. Оптимизация производительности кода
Задача: Ускорить медленный участок программы.
Промт:
Проанализируй производительность следующего кода на Python. Предложи оптимизации: алгоритмические улучшения, использование встроенных функций, кэширование. Приведи исправленный вариант с пояснениями.
[вставьте код]
Пример: Цикл по большому списку с вложенными условиями. AI предложит заменить на генератор или использовать библиотеку NumPy для векторизации.
Результат: Сокращение времени выполнения в разы.
6. Генерация регулярного выражения
Задача: Создать regex для сложного шаблона.
Промт:
Напиши регулярное выражение на Python для поиска email-адресов в тексте. Учти, что домен может быть любой, включая поддомены. Приведи пример использования с re.findall.
Пример: Вам нужно извлечь все email из лога. AI сгенерирует шаблон и покажет, как его применить.
Результат: Экономия времени на составление и тестирование regex.
7. Автоматизация работы с файлами (CSV, Excel)
Задача: Написать скрипт для обработки данных из файлов.
Промт:
Напиши Python-скрипт, который читает CSV-файл, фильтрует строки по условию (столбец 'status' == 'active'), группирует по столбцу 'category' и сохраняет результат в Excel с отдельными листами для каждой категории. Используй pandas.
Пример: Ежемесячный отчёт по продажам. AI сгенерирует код, который сделает всё автоматически.
Результат: Рутинная задача выполняется за секунды.
8. Создание парсера веб-страниц
Задача: Извлечь данные с сайта.
Промт:
Напиши Python-скрипт для парсинга заголовков новостей с сайта example.com. Используй библиотеки requests и BeautifulSoup. Учти возможные задержки и добавь User-Agent. Выведи заголовки в консоль.
Пример: Мониторинг новостей конкурентов. AI напишет код с обработкой исключений.
Результат: Быстрый старт для сбора данных.
9. Работа с API: генерация запросов
Задача: Взаимодействие с внешним API.
Промт:
Напиши Python-код для отправки GET-запроса к API https://api.example.com/data с параметрами: limit=100, offset=0. Добавь обработку ошибок и вывод JSON-ответа. Используй библиотеку requests.
Пример: Интеграция с сервисом аналитики. AI сгенерирует готовый код.
Результат: Ускорение интеграции.
10. Написание документации к модулю
Задача: Автоматически создать docstring и комментарии.
Промт:
Сгенерируй документацию в формате Google-style для следующего Python-модуля. Опиши каждый класс и функцию, их параметры, возвращаемые значения и возможные исключения.
[вставьте код]
Пример: Модуль, написанный коллегой, нужно задокументировать. AI сделает это за минуты.
Результат: Экономия времени на написание документации.
11. Конвертация кода с другого языка
Задача: Перевести код с JavaScript на Python.
Промт:
Переведи следующий код с JavaScript на Python, сохранив логику. Используй идиоматичный Python. Добавь комментарии, если есть неочевидные моменты.
[вставьте код]
Пример: Нашли полезный алгоритм на JS, нужно перенести в проект на Python.
Результат: Быстрый порт кода без ошибок.
12. Автоматизация рутинных задач с помощью скриптов
Задача: Написать скрипт для ежедневной рутины.
Промт:
Напиши Python-скрипт, который каждое утро в 9:00 собирает данные из нескольких CSV-файлов, объединяет их, строит сводную таблицу и отправляет отчёт на email. Используй библиотеки pandas, smtplib, schedule.
Пример: Ежедневный отчёт для руководителя. AI сгенерирует полный скрипт с настройкой расписания.
Результат: Полная автоматизация рутины.
Заключение
Эти 12 промтов покрывают ключевые сценарии Python-разработчика: от генерации кода до автоматизации. Используйте их как шаблоны, адаптируя под свои задачи. Помните, что AI — это инструмент, и чем точнее запрос, тем лучше результат. Экспериментируйте, комбинируйте промты и делитесь своими находками. Удачи в кодинге!
Комментарии