15 промтов для GitHub Copilot: от коммитов до code review — как AI меняет работу разработчика

15 промтов для GitHub Copilot: от коммитов до code review — как AI меняет работу разработчика

Введение: Copilot — не автодополнение, а коллега

Когда GitHub Copilot вышел в 2022 году, многие восприняли его как продвинутый IntelliSense — инструмент, который просто дописывает строки кода. Но к середине 2026 года Copilot превратился в полноценного ассистента, способного генерировать архитектуру, анализировать уязвимости и даже ревьюить пул-реквесты. Согласно недавнему опросу Stack Overflow (2025), 78% разработчиков хотя бы раз использовали AI-ассистента в работе, а 42% — делают это ежедневно.

Однако ключевой навык работы с Copilot — это умение составлять промты (подсказки). Не «напиши код», а «напиши REST-эндпоинт на FastAPI с валидацией Pydantic и кешированием Redis». Разница колоссальна. В этой статье я собрал 15 промтов, которые покрывают полный цикл разработки: от создания коммитов до code review.

Базовые промты: генерация и коммиты

1. Генерация функции с описанием

Задача: Создать функцию с чёткой сигнатурой.

Промт:

Write a Python function that takes a list of dictionaries with keys 'id', 'name', 'price', and returns a new list sorted by price descending. Include type hints and a docstring.

Результат (сгенерировано Copilot):

def sort_products_by_price(products: list[dict]) -> list[dict]:
    """
    Sorts a list of product dictionaries by price in descending order.

    Args:
        products: List of dicts with keys 'id', 'name', 'price'.

    Returns:
        Sorted list by price descending.
    """
    return sorted(products, key=lambda x: x['price'], reverse=True)

2. Генерация сообщения коммита

Задача: Copilot анализирует diff и пишет осмысленное сообщение коммита.

Промт:

/commit Generate a conventional commit message for the following diff. Use format type(scope): description.

Результат:

feat(api): add pagination to user list endpoint

- Added page and per_page query parameters
- Implemented default values: page=1, per_page=20
- Updated OpenAPI schema

3. Генерация unit-тестов

Задача: Написать тесты для существующей функции.

Промт:

Write pytest tests for the following function. Cover: normal input, empty list, invalid data type. Use parametrize.

Результат:

import pytest
from products import sort_products_by_price

@pytest.mark.parametrize("input_data,expected", [
    ([{"id": 1, "name": "A", "price": 10}, {"id": 2, "name": "B", "price": 5}], 
     [{"id": 1, "name": "A", "price": 10}, {"id": 2, "name": "B", "price": 5}]),
    ([], []),
])
def test_sort_products_by_price(input_data, expected):
    assert sort_products_by_price(input_data) == expected

Продвинутые промты: рефакторинг и документация

4. Рефакторинг с улучшением читаемости

Задача: Улучшить существующий код без изменения логики.

Промт:

Refactor the following code to improve readability. Extract repeated logic into helper functions. Use descriptive variable names. Keep the same API.

5. Генерация документации OpenAPI

Задача: Создать спецификацию для API-эндпоинта.

Промт:

Generate an OpenAPI 3.0 spec for a POST /api/users endpoint that accepts JSON body with fields: name (string, required), email (string, required), age (integer, optional). Returns 201 with user object.

6. Поиск и исправление багов

Задача: Copilot анализирует код на потенциальные ошибки.

Промт:

Find potential bugs in the following code. Check for: race conditions, null pointer exceptions, SQL injection. Suggest fixes.

Экспертные промты: code review и архитектура

7. Code review с акцентом на безопасность

Задача: Провести ревью пул-реквеста с фокусом на OWASP Top 10.

Промт:

Perform a code review of the following pull request. Focus on security vulnerabilities: SQL injection, XSS, CSRF, insecure deserialization. Rate each finding as Critical/High/Medium/Low.

Пример результата:

## Code Review Report

### Critical Findings
1. **SQL Injection** (line 42): Direct string interpolation in query. Use parameterized queries.

### Medium Findings
2. **Missing input validation** (line 15): Email field not sanitized.

### Recommendations
- Replace raw SQL with ORM or prepared statements
- Add input validation middleware

8. Генерация архитектурного описания

Задача: Copilot создаёт ADR (Architecture Decision Record).

Промт:

Write an Architecture Decision Record for switching from REST to GraphQL for user service. Include: context, decision, consequences, alternatives considered.

9. Оптимизация производительности

Задача: Найти узкие места в алгоритме.

Промт:

Analyze the time complexity of the following algorithm. Suggest optimizations to reduce from O(n²) to O(n log n) or better. Provide code examples.

Практический кейс: как мы сократили время code review на 40%

В нашей команде (продуктовая разработка, микросервисы на Python и Go) мы внедрили Copilot в процесс code review. Раньше ревью занимало в среднем 2–3 часа на пул-реквест — нужно было проверить логику, стиль, безопасность, документацию.

Проблема: Разработчики тратили до 30% времени на повторяющиеся замечания (отсутствие type hints, неправильные названия переменных). Это снижало мотивацию и замедляло релизы.

Решение: Мы создали шаблон промта для code review, который Copilot применял к каждому PR перед отправкой человеку:

Review this PR for: 1) Type hints completeness 2) PEP 8 compliance 3) Missing error handling 4) Security issues. Output as checklist.

Результаты:
- Время code review сократилось на 40% (с 2.5 часов до ~1.5 часов)
- Количество повторных ревью уменьшилось на 60%
- Разработчики стали чаще получать одобрение с первой попытки

Вывод: Copilot не заменяет человека, но берёт на себя рутинные проверки. Экспертное ревью (архитектура, бизнес-логика) остаётся за человеком.

10 промтов для code review (шпаргалка)

Заключение: Copilot — это ваш младший коллега, который никогда не спит

GitHub Copilot к 2026 году стал незаменимым инструментом для разработчиков — от джуниоров, которые учатся писать код, до сеньоров, которые автоматизируют рутину. Но его эффективность напрямую зависит от качества промтов. Чем точнее вы опишете задачу, тем лучше будет результат.

Помните: Copilot не понимает контекст вашего бизнеса. Он не знает, что этот эндпоинт будет обрабатывать платежи, а этот — персональные данные. Поэтому финальное решение всегда за вами. Используйте промты как черновик, а не как истину в последней инстанции.

Использованные источники:
- GitHub Copilot Documentation (docs.github.com/copilot)
- Stack Overflow Developer Survey 2025
- OWASP Top 10 – 2025 (owasp.org)
- PEP 8 – Style Guide for Python Code