DevOps-инженеры тратят до 30% рабочего времени на рутинные задачи: написание Dockerfile, поиск ошибок в YAML-манифестах, отладку пайплайнов. AI-ассистенты, такие как GitHub Copilot, ChatGPT или специализированные инструменты, способны взять на себя значительную часть этой работы. Я собрал 25 проверенных промтов, которые ежедневно использую в своей практике. Они покрывают все ключевые области: Docker, Kubernetes, CI/CD и Terraform. Каждый промт сопровождается реальным примером использования — берите и применяйте.
Docker: от Dockerfile до оптимизации образов
1. Генерация Dockerfile по описанию приложения
Этот промт экономит часы при старте нового проекта. Вместо того чтобы вспоминать синтаксис и лучшие практики, вы получаете готовый Dockerfile с пояснениями.
Сгенерируй Dockerfile для Python-приложения на FastAPI. Используй python:3.11-slim как базовый образ, установи зависимости из requirements.txt, создай непривилегированного пользователя, скопируй код и запусти через uvicorn на порту 8000. Добавь комментарии к каждой инструкции.
Пример ответа AI: вы получите многоступенчатый Dockerfile с python:3.11-slim, копированием зависимостей отдельным слоем (для кэширования), USER appuser и EXPOSE 8000. Это сразу соответствует рекомендациям Docker (см. Docker best practices).
2. Оптимизация размера образа
Когда образ весит 1.5 ГБ, а можно 200 МБ — это промт для вас.
Вот Dockerfile: [вставьте ваш]. Предложи оптимизации: уменьши размер образа, ускорь сборку, улучши кэширование. Покажи изменённый Dockerfile и объясни каждое изменение.
AI предложит использовать --no-cache для apt, multi-stage build, --install-recommends и т.д. По данным Docker, оптимизация может сократить размер образа на 80%.
3. Отладка ошибок сборки
Когда docker build падает с непонятной ошибкой, скопируйте её в промт.
Ошибка при docker build: [вставьте лог]. Что означает эта ошибка и как её исправить? Дай конкретные шаги.
AI распознает типичные проблемы: недоступные пакеты, конфликты версий, проблемы с правами.
4. Создание docker-compose.yml для локальной разработки
Для быстрого поднятия окружения с несколькими сервисами.
Создай docker-compose.yml для локальной разработки: веб-приложение на Node.js (порт 3000), PostgreSQL 15, Redis. Добавь volume для кода, переменные окружения и healthcheck.
AI выдаст готовый файл с depends_on, volumes, healthcheck. Это особенно полезно для новичков, которые только осваивают Compose.
Kubernetes: манифесты и устранение неполадок
5. Генерация Deployment и Service
Вместо того чтобы копировать из документации, попросите AI создать манифесты под вашу задачу.
Создай Kubernetes Deployment для приложения nginx: 3 реплики, ресурсы (requests/limits), livenessProbe (порт 80), образ nginx:1.25. Также создай Service типа LoadBalancer на порту 80.
AI вернёт YAML-манифесты с правильными полями. Важно проверить версию API, но для стандартных ресурсов подойдёт apps/v1 и v1 для Service.
6. Написание Helm-чарта
Helm — стандарт де-факто для управления приложениями в Kubernetes. AI поможет сгенерировать структуру чарта.
Сгенерируй Helm-чарт для приложения на Go: values.yaml, deployment.yaml, service.yaml, hpa.yaml и _helpers.tpl. Используй стандартные имена и добавь комментарии.
AI создаст шаблоны с {{ .Values.image.repository }} и т.д. Это ускоряет разработку чартов.
7. Диагностика проблем в кластере
Когда поды в CrashLoopBackOff, а вы не понимаете почему.
Опиши под, который находится в состоянии CrashLoopBackOff. Вот `kubectl describe pod` вывод: [вставьте]. Найди причину и предложи решение.
AI проанализирует события и подскажет, что проблема в неправильной команде в command или в недоступности образа.
8. Генерация NetworkPolicy
Для обеспечения безопасности.
Создай NetworkPolicy для подов с меткой app=api, разрешающую входящий трафик только с подов app=frontend на порт 8080 и исходящий к базе данных на порт 5432.
AI сгенерирует корректный манифест с podSelector и ingress/egress правилами.
CI/CD: автоматизация пайплайнов
9. Написание GitHub Actions workflow
Один из самых частых запросов.
Создай GitHub Actions workflow для Python-проекта: установка зависимостей, запуск тестов (pytest), сборка Docker-образа и пуш в Docker Hub. Добавь кэширование pip и запуск при pull request и push в main.
AI выдаст готовый YAML с actions/checkout@v4, actions/setup-python@v5, docker/login-action@v3 и т.д. Это соответствует официальной документации GitHub.
10. Конвертация Jenkinsfile в GitLab CI
При миграции между системами.
Вот Jenkinsfile: [вставьте]. Перепиши его в .gitlab-ci.yml с сохранением логики. Учти разницу в синтаксисе.
AI корректно преобразует stages, steps, environment variables.
11. Оптимизация пайплайна
Когда пайплайн работает 30 минут, а хочется 10.
Вот мой CI-конфиг: [вставьте]. Найди узкие места и предложи оптимизации: параллелизм, кэширование, разбиение на джобы.
AI предложит использовать parallel, кэширование зависимостей, и более эффективные образы.
Terraform: инфраструктура как код
12. Генерация Terraform-конфигурации
Быстрое создание ресурсов в AWS.
Создай Terraform-конфигурацию для AWS: VPC с двумя публичными и двумя приватными подсетями, интернет-шлюз, NAT-шлюз, EC2-инстанс t3.micro в публичной подсети. Используй провайдер aws версии 5.
AI сгенерирует main.tf, variables.tf, outputs.tf. Важно проверять версии провайдера, но AI обычно актуален.
13. Поиск ошибок в terraform plan
Когда terraform plan выдает ошибку, скопируйте её в промт.
Ошибка при terraform plan: [вставьте]. Объясни причину и исправь конфигурацию.
AI распознает типичные ошибки: неправильные типы, отсутствующие зависимости, неверные ARN.
14. Рефакторинг модуля
Улучшение структуры кода.
Вот мой Terraform-модуль для S3 bucket: [вставьте]. Отрефактори: разбей на ресурсы, добавь переменные, улучши читаемость.
AI предложит использовать for_each, count, и вынесет настройки в переменные.
Продвинутые техники
15. Создание скрипта для автоматизации бэкапов
Напиши bash-скрипт для ежедневного бэкапа PostgreSQL в Docker-контейнере и загрузки в S3. Используй docker exec, pg_dump и aws cli. Добавь ротацию: хранить 7 дней.
AI выдаст готовый скрипт с проверкой ошибок.
16. Генерация документации по инфраструктуре
Опиши назначение и параметры следующего Terraform-модуля: [вставьте]. Создай README.md с таблицей ресурсов, входных и выходных переменных.
AI создаст структурированное описание, экономя время.
17. Написание политик безопасности
Создай IAM-политику для сервисной учетки, которая должна только читать объекты из S3-бакета my-bucket и отправлять сообщения в SQS.
AI сгенерирует JSON с Effect: Allow и Action: s3:GetObject, sqs:SendMessage.
18. Объяснение ошибок Kubernetes
Объясни, что означает событие 'FailedScheduling' в Kubernetes и как его исправить.
AI даст развернутый ответ с причинами: нехватка ресурсов, неверные taints/tolerations.
19. Генерация SQL-запросов для анализа логов
Напиши SQL-запрос для PostgreSQL, который из таблицы nginx_logs за последний час группирует по IP и выводит топ-10 по количеству запросов.
Пример: SELECT ip, COUNT(*) FROM nginx_logs WHERE timestamp > now() - interval '1 hour' GROUP BY ip ORDER BY count DESC LIMIT 10;
20. Создание Ansible-плейбука
Создай Ansible playbook для установки Nginx на Ubuntu 22.04, настройки виртуального хоста и запуска сервиса.
AI выдаст YAML с become: true, apt модулем и шаблоном конфига.
21. Конвертация docker run в docker-compose
Вот команда docker run: [вставьте]. Преобразуй в docker-compose.yml.
Полезно при переходе на Compose.
22. Поиск уязвимостей в Docker-образе
Какие известные уязвимости есть в образе nginx:1.25? Как проверить с помощью trivy?
AI подскажет команды и типичные CVE.
23. Генерация скрипта для очистки старых образов
Напиши скрипт для удаления всех Docker-образов старше 30 дней, кроме последних 5.
AI использует docker images --filter и docker rmi.
24. Написание проверки для Prometheus
Создай правило алертинга для Prometheus: если CPU usage больше 80% в течение 5 минут, выдать предупреждение.
AI сгенерирует YAML с expr: avg(rate(node_cpu_seconds_total{mode="user"}[5m])) > 0.8.
25. Генерация теста для Terraform
Напиши unit-тест для Terraform-модуля с помощью terratest (Go).
AI создаст структуру теста с terraform.Init и terraform.Apply.
Выводы
Эти 25 промтов — лишь верхушка айсберга. Главное — понимать, что AI не заменяет инженера, а снимает рутину, позволяя сосредоточиться на архитектуре и нестандартных задачах. Начните с простого: попросите AI сгенерировать Dockerfile или объяснить ошибку — и вы почувствуете разницу. Внедряйте эти промты в ежедневную практику, адаптируйте под свои проекты. Помните: чем конкретнее запрос, тем точнее ответ. Удачной автоматизации!
Комментарии