10 промптов для программиста: от code review до миграции БД

Промпты для программиста экономят время на задачах, которые повторяются каждый день: проверить код, переписать запутанную функцию, написать тесты, разобраться с трейсбеком. Ниже десять шаблонов: подставьте свой код вместо плейсхолдеров в фигурных скобках и отправьте через чат или API. В конце — код на Python, расчёт стоимости и советы, как улучшать ответы.

Как отправлять промпты через API

Все примеры работают через OpenAI-совместимый API Zukko и официальный Python SDK openai:

from openai import OpenAI

client = OpenAI(
    base_url="https://api.zukko.pro/v1",
    api_key="fetch_ваш_ключ",
)

response = client.chat.completions.create(
    model="claude-sonnet-5",
    messages=[{"role": "user", "content": "ваш промпт"}],
)
print(response.choices[0].message.content)

Подойдёт любая модель из списка Zukko: claude-sonnet-5, claude-opus-5-5, gpt-5.6-sol, а для простых задач — более дешёвые glm-5.3 или glm-5.3-flash. Актуальный список — GET https://api.zukko.pro/v1/models или страница «Модели» в кабинете. Какая модель лучше справляется с вашими задачами, проверьте сами: отправьте один и тот же шаблон нескольким моделям и сравните ответы. Подробнее о SDK — в справке по Python↗. Без кода шаблоны можно вставлять в чат в браузере↗.

1. Code review

Когда использовать: перед коммитом и перед открытием PR.

2. Рефакторинг

Когда использовать: длинные функции, дублирование, вложенные условия.

3. Unit-тесты

Когда использовать: новая функция, подготовка к рефакторингу, повышение покрытия.

4. Разбор ошибки

Когда использовать: непонятный traceback, поведение, которое не воспроизводится локально.

5. SQL-запрос

Когда использовать: сложные выборки, отчёты, оптимизация медленных запросов.

6. Регулярное выражение

Когда использовать: разбор логов, валидация форматов, извлечение данных из текста.

7. Документация

Когда использовать: публичные функции, API, код перед релизом.

8. Сообщение коммита

Когда использовать: перед коммитом, особенно после большого рефакторинга. Удобно передавать вывод git diff --staged.

9. План миграции БД

Когда использовать: новые колонки, переименования, смена типов на больших таблицах.

10. Проверка безопасности

Когда использовать: код, который принимает пользовательский ввод, перед выкладкой в production.

Пример: ревью из скрипта с учётом токенов

from openai import OpenAI

client = OpenAI(
    base_url="https://api.zukko.pro/v1",
    api_key="fetch_ваш_ключ",
)

REVIEW_TEMPLATE = """Код для ревью:

{code}

Проверь код на ошибки логики, уязвимости и пропущенную обработку ошибок.
Для каждой проблемы: строка, суть, исправленный фрагмент."""

Для длинных ответов удобен стриминг. Сервер присылает последний чанк с usage и пустым choices, поэтому перед обращением к chunk.choices[0] нужна проверка:

stream = client.chat.completions.create(
    model="claude-sonnet-5",
    messages=[{"role": "user", "content": prompt}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Как улучшить ответы

• Конкретика вместо «проверь код». «Проверь на SQL-инъекции и гонки при параллельных запросах» даёт более полезный ответ.
• Примеры. Для regex и парсеров покажите два-три примера, что должно и что не должно совпадать.
• Контекст. Одна строка вроде «это API на FastAPI под нагрузкой 1000 RPS» меняет советы.
• Формат ответа. Попросите таблицу, список или только код — так ответ удобнее разбирать и сравнивать.

Подробнее про параметры запроса — в справке по chat completions↗.

Частые вопросы

Можно ли объединить несколько шаблонов в одном запросе?

Да: например, «сначала найди ошибки, затем напиши тесты для исправленной версии». Но длинная многошаговая задача в одном запросе обычно даёт менее аккуратный результат, чем два последовательных запроса.

Сколько стоит один запрос?

Стоимость считается по токенам. В Zukko claude-sonnet-5 и gpt-5.6-sol стоят $0.3 за 1M входных и $0.3 за 1M выходных токенов. Допустим, шаблон с функцией на 50 строк занял 750 токенов, а ответ — 800. Тогда (750 + 800) × $0.3 / 1 000 000 ≈ $0.00047. Точные цифры по каждому запросу есть в response.usage и в разделе «Использование» в кабинете. Ключ для API создаётся в кабинете↗.

Как сохранять историю промптов?

Записывайте каждый запрос в JSONL вместе с реальным расходом из usage:

import json
from datetime import datetime


def log_call(prompt: str, answer: str, usage) -> None:
    entry = {
        "time": datetime.now().isoformat(),
        "prompt": prompt[:200],
        "answer": answer[:500],
        "prompt_tokens": usage.prompt_tokens,
        "completion_tokens": usage.completion_tokens,
    }
    with open("prompt_log.jsonl", "a", encoding="utf-8") as f:
        f.write(json.dumps(entry, ensure_ascii=False) + "\n")

Что делать, если модель выключена?

Шлюз вернёт HTTP 503 с кодом model_disabled. Возьмите другую модель из GET https://api.zukko.pro/v1/models и повторите запрос.