Не верьте на слово — смотрите, что получится у вас
Don't take our word for it — see what you get
Ниже — не рекламные обещания, а разбор настоящих промптов из каталога PromptForge: точный текст промпта, конкретный пример входных данных и результат, который получился, когда мы его запустили. Все четыре — из платной части каталога, показываем честно, без прикрас.
Below isn't marketing copy — it's a breakdown of real prompts from the PromptForge catalog: the exact prompt text, a concrete example input, and the result we got when we actually ran it. All four are from the paid part of the catalog — shown honestly, no embellishment.
01
Диалоговый эксперт по производительности
Interactive performance expert
Вход: Python-функция обработки списка из 100k элементов, вложенный цикл O(n²)
Input: a Python function processing a 100k-item list, nested O(n²) loop
▾ Показать точный текст промпта
▾ Show the exact prompt text
Диалоговый эксперт по оптимизации и производительности
<CONTEXT>
Вы анализируете код на [языке] с акцентом на выявление проблем производительности в интерактивном формате.
<ROLE>
AI-консультант по оптимизации кода, ведущий интерактивный разбор с уточняющими вопросами.
<STEPS>
1. Изучите представленный код.
2. Задайте уточняющие вопросы (о контексте, объёмах данных, платформе).
3. Последовательно выявляйте и обсуждайте каждую проблему производительности.
4. Для каждой проблемы предложите варианты решения.
<INFO>
[язык программирования]; [фрагмент кода]; [ответы пользователя]
<OUTPUT>
Список проблем и рекомендаций в формате диалога + резюме.
Результат
Result
Найдено: вложенный цикл создаёт O(n²) при поиске совпадений между двумя списками.
Решение: заменить на set/dict для поиска — сложность падает до O(n). На 100k элементов это разница между секундами и часами.
Found: the nested loop creates O(n²) when matching two lists.
Fix: replace with a set/dict lookup — complexity drops to O(n). At 100k items, that's the difference between seconds and hours.
Не абстрактное «оптимизируйте код», а конкретная строчка и конкретная причина замедления.
Not a vague "optimize your code" — the exact line and the exact reason it's slow.
02
Стандартизированная строка документации
Standardized docstring
Вход: def get_active_users(db, days=30): ...
Input: def get_active_users(db, days=30): ...
▾ Показать точный текст промпта
▾ Show the exact prompt text
Информативная и стандартизированная строка документации
<CONTEXT>
Вам предоставлена функция на выбранном языке. Необходимо создать однострочную документацию, отражающую назначение, параметры и возвращаемое значение, в стиле стандартов (Google, NumPy, PEP 257).
<ROLE>
Вы — технический писатель и опытный разработчик.
<STEPS>
1. Проанализируйте сигнатуру функции.
2. Сформулируйте однострочное описание с ключевой функциональностью.
3. Приведите к единому стилю документации.
4. Убедитесь в отсутствии двусмысленности и жаргона.
<INFO>
[Сигнатура или тело функции]
<OUTPUT>
Одна строка документации по стандарту, без лишних пояснений.
Результат
Result
"""Возвращает список пользователей, активных за последние `days` дней (по умолчанию 30)."""
"""Return the list of users active within the last `days` days (default 30)."""
Мелочь, которая экономит время всей команде каждый раз, когда кто-то открывает этот файл через полгода.
A small thing that saves the whole team time every time someone opens this file six months from now.
А сохранённое — не потеряется
And what you save — never gets lost
Нашли промпт под свой стек? Отредактировали под свои стандарты код-стайла? Всё оседает в личном Блокноте — не в истории чата, а в отдельном месте, привязанном к вашему аккаунту.
Found a prompt that fits your stack? Tweaked it to match your code style standards? It all lands in your personal Notebook — not buried in chat history, but in one place tied to your account.
- Сохраняйте и редактируйте промпты под свой стек
- Save and edit prompts to fit your own stack
- Группировка по темам — ничего не теряется в хаосе
- Grouped by topic — nothing gets lost in the chaos
- Всё под рукой в любой момент, с любого устройства
- Everything at hand, any time, from any device
Ревью — checkout.pyРазработка · отредактированоReview — checkout.pyDevelopment · edited
Docstring-шаблон — PythonРазработка · сохраненоDocstring template — PythonDevelopment · saved
Кэширование — API-запросыРазработка · черновикCaching — API callsDevelopment · draft
Тесты — модуль оплатыРазработка · готовоTests — payment moduleDevelopment · ready
03
Тестирование с оценкой риска
Testing with risk assessment
Вход: JavaScript-функция валидации email перед отправкой формы
Input: a JavaScript function validating email before form submit
▾ Показать точный текст промпта
▾ Show the exact prompt text
Тестирование с оценкой риска и обратной связью
<CONTEXT>
Перед вами фрагмент кода на [язык], требующий тестирования. Необходимо выявить слабые места и составить тесты.
<ROLE>
Вы — инженер по обеспечению качества с уклоном на анализ уязвимостей.
<STEPS>
1. Проанализируйте код и отметьте потенциальные риски.
2. Сгенерируйте тесты для типовых и редких ошибок.
3. Приведите анализ покрытия и рекомендации.
4. Добавьте рекомендации по автоматизации тестов.
<INFO>
[язык], [функциональное/нефункциональное тестирование], [фрагмент кода]
<OUTPUT>
Тестовый скрипт + раздел рисков + сводка по покрытию.
Результат (фрагмент)
Result (excerpt)
Риск: функция не проверяет email вида "a@b" без домена верхнего уровня — пропустит невалидный адрес.
Тест: expect(validateEmail("a@b")).toBe(false)
Risk: the function doesn't catch an email like "a@b" without a top-level domain — it lets an invalid address through.
Test: expect(validateEmail("a@b")).toBe(false)
Находит именно те edge-кейсы, которые обычно всплывают в проде через месяц, а не при разработке.
Catches exactly the edge cases that usually surface in production a month later, not during development.
04
Шаблон для внедрения кэширования
Caching implementation template
Вход: Python-функция, которая на каждый вызов делает внешний API-запрос курса валют
Input: a Python function that calls an external currency-rate API on every invocation
▾ Показать точный текст промпта
▾ Show the exact prompt text
"Шаблон для адаптивного внедрения кэширования"
<CONTEXT>
Нужно повысить производительность функции из [фрагмент кода] на [язык], минимизируя повторные вычисления с помощью кэширования.
<ROLE>
Вы — инженер-оптимизатор, ориентированный на практическую производительность и простоту поддержки.
<STEPS>
1. Определите, какие аргументы влияют на выбор кэш-стратегии.
2. Сформулируйте требования к объёму и сроку хранения кэша.
3. Реализуйте решение с помощью нативных инструментов или популярных библиотек.
4. Проверьте корректность работы кэша.
<INFO>
[Специфика функции и требования к кэшированию]
<OUTPUT>
Готовый код функции с кэшированием + инструкция.
Результат
Result
Решение: декоратор @lru_cache(maxsize=1) с TTL-обёрткой на 10 минут — курс валют не меняется каждую секунду, а внешний вызов сокращается с сотен в час до одного в 10 минут.
Solution: an @lru_cache(maxsize=1) decorator wrapped with a 10-minute TTL — exchange rates don't change every second, and external calls drop from hundreds per hour to one every 10 minutes.
Готовое решение под конкретную ситуацию, а не общая лекция «что такое кэширование».
A ready solution for this specific case, not a generic lecture on "what is caching".