Retour à la bibliothèque de prompts
Bibliothèque de promptsPrompt de chat

Chat de plan de sécurité pour codemod

Planifiez un codemod avec motif cible, exclusions, échantillonnage de revue, formatage et stratégie de retour arrière.

IngénierieBase de codeRisque
Aperçu

Prompt de chat

Modèle recommandé

GPT-5.4 Codex

Format de sortie

Plan de sécurité pour codemod

Aperçu

Prompt de chat

fil de chat

Il faut renommer un champ de prompt dans le code source, les modèles de vue admin et les tests, sans toucher aux fichiers générés.

Motif cible : accès explicite au champ dans la source des prompts et les modèles de vue. Exclusions : fichiers générés et contenu de localisation sans rapport. Échantillonnage de revue : un modèle, une page admin, une page de détail publique. Formatage : lancer un formateur ciblé après le codemod. Retour arrière : valider le codemod séparément des retouches manuelles de texte.

Résultat

Motif cible / exclusions / échantillonnage de revue / formatage / retour arrière

Planifier un codemod avec motif cible, exclusions, échantillonnage de revue, formatage et stratégie de retour arrière.

Prompt complet

Chat de plan de sécurité pour codemod

Planifier un codemod avec motif cible, exclusions, échantillonnage de revue, formatage et stratégie de retour arrière.

Modèle recommandé: GPT-5.4 CodexFormat de sortie: Plan de sécurité pour codemod
Prompt complet
Prompt de chat
Vous êtes un ingénieur senior qui planifie une transformation mécanique de code. Transformez les notes fournies en revue pratique sur laquelle une équipe peut agir. Retournez la réponse avec : motif cible, exclusions, échantillonnage de revue, formatage, retour arrière. Ancrez chaque affirmation dans les notes fournies. Signalez les faits manquants au lieu de les inventer.

Notes d'utilisation

Collez les vraies notes, contraintes et sources. Retirez les données privées sauf si elles sont nécessaires à la revue.

FAQ du prompt

Avant d'utiliser ce prompt

Vérifications rapides sur les entrées, l'adéquation du modèle et la façon d'adapter le modèle de prompt sans affaiblir le résultat.

Quand utiliser le chat de plan de sécurité pour codemod ?

Planifiez un codemod avec motif cible, exclusions, échantillonnage de revue, formatage et stratégie de retour arrière. Utilisez-le lorsque vous avez déjà des notes, des contraintes ou un brouillon et qu'il faut une prochaine étape structurée qu'une équipe peut relire.

Que dois-je inclure avant de l'exécuter ?

Incluez la source, l'audience, les contraintes, les faits clés et les limites que la réponse ne doit pas inventer. La sortie est organisée ainsi : motif cible / exclusions / échantillonnage de revue / formatage / retour arrière.

Aperçu du fil

Il faut renommer un champ de prompt dans le code source, les modèles de vue admin et les tests, sans toucher aux fichiers générés.
Motif cible : accès explicite au champ dans la source des prompts et les modèles de vue. Exclusions : fichiers générés et contenu de localisation sans rapport. Échantillonnage de revue : un modèle, une page admin, une page de détail publique. Formatage : lancer un formateur ciblé après le codemod. Retour arrière : valider le codemod séparément des retouches manuelles de texte.

Résultat

Motif cible / exclusions / échantillonnage de revue / formatage / retour arrière

Plus de prompts dans ce mode

fil de chat

Nous voulons créer un assistant IA pour petites équipes e-commerce qui transforme les photos produit en supports de campagne.

Hypothèse de problème : les petites équipes e-commerce perdent du temps à transformer des photos produit brutes en supports de campagne prêts pour chaque canal. Hypothèses les plus risquées : la qualité photo est suffisante, les équipes font confiance aux variations de supports par IA et le temps de relecture est bien le principal goulot d'étranglement. Questions de recherche : qui possède la création des supports de campagne, où les révisions bloquent et quel seuil de qualité empêche la publication. Plan de validation : interroger 5 opérateurs, tester 3 flux de supports guidés par prompt et comparer le temps jusqu'au premier support approuvé. Seuil de décision : continuer seulement si les équipes peuvent atteindre un brouillon publiable plus vite qu'avec leur flux actuel.

fil de chat

Nous explorons un nouveau produit de notes IA pour consultants indépendants. Aide-moi à le transformer en note de recherche.

Objectif : déterminer si les consultants indépendants ont besoin d'un espace de notes IA ou d'une couche plus légère de suivi client. Hypothèses de travail : ils capturent déjà des notes, mais la synthèse et la rédaction des prochaines étapes restent irrégulières. Audience : consultants indépendants avec appels clients récurrents et support opérationnel limité. Questions clés : quelles notes deviennent du travail facturable, qu'est-ce qui se perd après les appels et où les outils CRM paraissent trop lourds. Plan de recherche : mener 6 entretiens, examiner 10 flux récents de notes d'appel et tester un prototype de note de suivi.

fil de chat

Voici le plan de notre page de destination de produit IA. Dites-moi ce qui n'est pas clair avant que nous la concevions.

Promesse centrale : elle est visible, mais elle reste formulée comme une fonctionnalité plutôt que comme un résultat concret pour l'utilisateur. Point confus : la page n'explique pas qui obtient de la valeur en premier ni ce qui change dans le flux de travail après l'inscription. Manque d'exemples : ajoutez des exemples avant-après, des échantillons de sortie du modèle et un court signal de confiance près du héros. Problème de CTA : l'action principale arrive après trop d'explications ; rapprochez un CTA orienté usage de la section d'utilisation rapide. Plan de révision : affinez le héros, ajoutez des cartes de résultats, puis réécrivez les objections avant de peaufiner les visuels.