15 промтов для генерации Python кода: от простых скриптов до FastAPI-приложений

15 промтов для генерации Python кода: от простых скриптов до FastAPI-приложений

Python остаётся одним из самых востребованных языков программирования в 2026 году. Согласно индексу TIOBE за июнь 2026 года, Python занимает первое место с рейтингом 16.3%, опережая C и Java. Но писать код с нуля — не всегда эффективно. Современные AI-модели, такие как GPT-4o, Claude 3.5 Sonnet и Gemini 1.5 Pro, позволяют генерировать рабочие скрипты за секунды. В этой подборке — 15 конкретных промтов для генерации Python кода: от простых скриптов до полноценного FastAPI-приложения с подключением к базе данных.

Как работают промты для генерации кода

Промты — это инструкции для нейросети, которые описывают, какой код нужно сгенерировать. Ключевой принцип: чем детальнее промт, тем качественнее результат. Исследование Google DeepMind 2025 года показало, что промты с указанием версий библиотек, структуры файлов и требований к обработке ошибок повышают точность генерации на 40%. В отличие от поиска готовых решений на Stack Overflow или GitHub, промты позволяют получить код, адаптированный под конкретные параметры: версию Python (3.12, 3.13), используемые фреймворки (FastAPI, Django, Flask) и стиль (PEP 8, type hints).

Инструменты для работы с промтами

Для генерации Python кода используйте:
- ChatGPT (OpenAI) — универсальный инструмент с поддержкой Python-кода через Advanced Data Analysis (бывший Code Interpreter)
- Claude (Anthropic) — хорош для сложной логики и рефакторинга
- GitHub Copilot — встроенный в VS Code и PyCharm AI-ассистент для автодополнения
- Gemini (Google) — интеграция с Google Colab для работы с большими проектами

Все эти инструменты доступны на июль 2026 года. Выбирайте в зависимости от задачи: для быстрых скриптов подойдёт ChatGPT, для сложных FastAPI-приложений — Claude или Copilot.

15 промтов для Python-разработки

1. Базовый скрипт для обработки CSV

Когда использовать: Нужно быстро обработать данные из CSV-файла без написания шаблонного кода.

Промт:

Напиши Python-скрипт (версия 3.12), который читает CSV-файл с колонками 'name', 'email', 'age'. Добавь фильтр — оставить только записи, где age >= 18. Сохрани результат в новый CSV-файл 'filtered_output.csv'. Используй библиотеку pandas. Добавь обработку ошибок для случая, если файл не найден или колонки отсутствуют.

Пример использования: Вы работаете с маркетинговыми данными — нужно отфильтровать совершеннолетних пользователей. Запускаете скрипт, и он создаёт готовый файл.

2. Парсинг веб-страницы с BeautifulSoup

Когда использовать: Нужно собрать данные с сайта, где нет официального API.

Промт:

Создай Python-скрипт для парсинга страницы https://example.com/products. Извлеки названия товаров (теги h2 с классом 'product-title') и цены (теги span с классом 'price'). Выведи результат в формате JSON. Используй библиотеки requests и BeautifulSoup4. Добавь задержку в 1 секунду между запросами, чтобы не превысить лимиты сервера.

Пример: Парсинг каталога интернет-магазина для анализа цен конкурентов.

3. Telegram-бот на aiogram 3

Когда использовать: Нужен простой бот для уведомлений или команд.

Промт:

Напиши код Telegram-бота на aiogram 3.x. Бот должен отвечать на команду /start приветствием, на команду /help — списком команд. Добавь обработчик текстовых сообщений, который повторяет сообщение пользователя (эхо-режим). Используй библиотеки aiogram и python-dotenv для хранения токена в .env файле.

Пример: Прототип бота для тестирования идей.

4. FastAPI-приложение с CRUD для SQLite

Когда использовать: Нужен быстрый REST API для прототипа.

Промт:

Создай FastAPI-приложение (Python 3.13) с CRUD-операциями для модели 'User' (id, name, email, created_at). Используй SQLAlchemy для ORM и SQLite как базу данных. Реализуй эндпоинты: GET /users (список), GET /users/{id} (один пользователь), POST /users (создание), PUT /users/{id} (обновление), DELETE /users/{id} (удаление). Добавь валидацию через Pydantic, чтобы email был корректным форматом. Весь код должен быть в одном файле main.py.

Пример: API для мобильного приложения или SPA.

5. Асинхронный парсер на aiohttp

Когда использовать: Нужно быстро обработать сотни URL.

Промт:

Напиши асинхронный скрипт на Python 3.12 с использованием aiohttp и asyncio. Скрипт должен принимать список URL из текстового файла urls.txt, отправлять GET-запросы с ограничением 10 одновременных соединений (semaphore). Сохраняй статус-код и длину тела ответа в CSV-файл results.csv. Добавь тайм-аут 5 секунд на каждый запрос.

Пример: Мониторинг доступности веб-сайтов.

6. Скрипт для работы с API (например, погода)

Когда использовать: Нужна интеграция с внешним сервисом.

Промт:

Создай Python-скрипт, который получает текущую погоду через OpenWeatherMap API. Ввод: название города из аргумента командной строки. Вывод: температура, влажность, описание погоды. Используй библиотеку requests. Добавь обработку ошибок для неверного города или проблем с сетью. API-ключ храни в переменной окружения.

ASI Biont поддерживает подключение к OpenWeatherMap через API — подробнее на asibiont.com/courses

7. Генератор тестовых данных с Faker

Когда использовать: Нужны тестовые данные для базы данных.

Промт:

Напиши скрипт на Python, который генерирует 1000 записей с помощью библиотеки Faker. Данные: имя, email, телефон, дата рождения, адрес. Сохрани результат в CSV-файл с заголовками колонок. Используй локаль 'ru_RU' для русскоязычных данных. Добавь аргумент командной строки для выбора количества записей.

8. Рефакторинг существующего кода

Когда использовать: Нужно улучшить читаемость legacy-кода.

Промт:

Отрефактори следующий Python-код: [вставьте ваш код]. Примени: type hints для всех функций, раздели на отдельные функции (Single Responsibility), добавь docstrings в стиле Google, используй dataclasses вместо обычных классов. Сохрани логику без изменений.

9. Скрипт для автоматизации Excel (openpyxl)

Когда использовать: Нужно обработать отчёт в Excel.

Промт:

Напиши Python-скрипт, который читает Excel-файл (report.xlsx) с листом 'Sales'. Суммируй значения в колонке 'Revenue' по месяцам (колонка 'Month'). Создай новый лист 'Summary' с таблицей: месяц — сумма. Используй библиотеку openpyxl.

10. Декоратор для логирования времени выполнения

Когда использовать: Нужно профилировать функции.

Промт:

Создай декоратор на Python, который логирует время выполнения функции в секундах. Используй модуль logging (уровень INFO). Добавь возможность отключить логирование через аргумент декоратора. Пример использования: @log_time(active=True). Вывод в формате: «Function 'my_func' executed in 0.234 seconds».

11. FastAPI + JWT-аутентификация

Когда использовать: Нужен защищённый API.

Промт:

Расширь FastAPI-приложение из промта 4: добавь JWT-аутентификацию. Используй библиотеку python-jose. Реализуй эндпоинт POST /auth для получения токена (логин/пароль). Защити CRUD-эндпоинты через зависимость get_current_user. Храни секретный ключ в .env.

12. Скрипт для скачивания файлов с прогресс-баром

Когда использовать: Нужно скачать несколько больших файлов.

Промт:

Напиши скрипт на Python, который скачивает файлы из списка URL (из файла urls.txt) с индикатором прогресса. Используй библиотеку tqdm и requests. Выводи имя файла, процент завершения и скорость загрузки. Сохраняй файлы в папку downloads.

13. Генератор отчётов в PDF (reportlab)

Когда использовать: Нужно создать отчёт в PDF.

Промт:

Создай Python-скрипт, который генерирует PDF-отчёт из данных в CSV-файле. Используй reportlab. Отчёт должен содержать: заголовок, таблицу с данными, итоговую строку с суммой. Настрой шрифты для поддержки кириллицы.

14. FastAPI + SQLAlchemy async

Когда использовать: Нужен высокопроизводительный API.

Промт:

Перепиши FastAPI-приложение из промта 4 на асинхронный SQLAlchemy (asyncpg для PostgreSQL). Используй async def для всех эндпоинтов. Добавь пул соединений (5-10). Все запросы к БД должны быть асинхронными.

15. Юнит-тесты с pytest

Когда использовать: Нужно покрыть код тестами.

Промт:

Напиши юнит-тесты для следующей функции: [вставьте функцию]. Используй pytest и parametrize для тестирования разных входных данных. Добавь фикстуру для временных файлов. Покрытие — не менее 90%.

Как адаптировать промты под свои задачи

Эти промты — шаблоны. Чтобы получить идеальный код, настройте их:
- Укажите версию Python — 3.11, 3.12 или 3.13 (последняя стабильная на июль 2026)
- Добавьте требования к стилю — PEP 8, type hints, black formatting
- Опишите структуру проекта — папки, файлы, зависимости
- Укажите ограничения — время выполнения, память, внешние API

Заключение

Промты для генерации Python кода — это не замена навыкам программирования, а мощный инструмент для ускорения работы. Используя детализированные инструкции, вы можете за минуты получить рабочий скрипт, парсер или API-приложение. Начните с простых задач из нашей подборки, постепенно усложняя промты. Помните: лучший промт — тот, который содержит контекст, версии библиотек и обработку ошибок. Попробуйте сгенерировать свой первый FastAPI-сервис прямо сейчас — это займёт меньше времени, чем написание кода вручную.