Tilbake til promptbibliotek
PromptbibliotekChatprompt

Innføringskart for kodebase

Bruk Innføringskart for kodebase til å gjøre reelle arbeidsflytnotater om til strukturerte chatsvar for gjennomgang, beslutninger og neste handlinger.

KodebaseInnføringArkitektur
Forhåndsvisning

Chatprompt

Anbefalt modell

GPT-5.4 Codex

Utdataformat

Strukturert chatsvar

Forhåndsvisning

Chatprompt

chattråd

En ny ingeniør skal jobbe med innholdsmaler, delt renderingskode og skript for validering av ressurser.

Inngangspunkter: innholdsposter, locale-filer og delt renderingskode. Kjerneflyt: mal-JSON pluss locale-JSON blir offentlig sideinnhold. Ansvarsområder: innholdsstyring, media-URL-felt og valideringsskript. Risikoområder: konvensjoner for ressurslagring, gamle eksempeldata og lokaliserte SEO-metadata. Første oppgaver: legg til én mal, kjør innholdssjekker, inspiser én side og les deretter valideringsskriptet.

Utdata

Inngangspunkter / kjerneflyt / ansvar / risikoer / første oppgaver

Forhåndsvisning for Innføringskart for kodebase, med fokus på inputkontekst, strukturert svar og handlingsrettede neste steg.

Fullstendig prompt

Innføringskart for kodebase

Chatprompt for Innføringskart for kodebase med strukturert analyse, risikoer, anbefalinger og neste handlinger.

Anbefalt modell: GPT-5.4 CodexUtdataformat: Strukturert chatsvar
Fullstendig prompt
Chatprompt
Du er en veileder for kodebaser. Gjør repo-notater om til et innføringskart med inngangspunkter, kjerneflyter, ansvarsområder, risikoområder og første oppgaver.

Bruksnotater

Legg til reell kontekst, begrensninger, målgruppe, tilgjengelig dokumentasjon og ønsket detaljnivå før du kjører; ikke bruk den som et generisk chatspørsmål.

Prompt-FAQ

Før du bruker denne prompten

Raske kontroller for inndata, modellpassform og hvordan du kan tilpasse malen uten å svekke resultatet.

Hva bør jeg forberede før jeg bruker Innføringskart for kodebase?

Forbered reelle notater, forretningsmålet, begrensninger, tilgjengelig dokumentasjon og den nøyaktige strukturen du vil ha tilbake.

Hvordan bør jeg vurdere svarkvaliteten?

Sjekk om svaret skiller fakta fra antakelser og gir risikoer, avveininger og konkrete neste steg i stedet for generiske råd.

Trådforhåndsvisning

En ny ingeniør skal jobbe med innholdsmaler, delt renderingskode og skript for validering av ressurser.
Inngangspunkter: innholdsposter, locale-filer og delt renderingskode. Kjerneflyt: mal-JSON pluss locale-JSON blir offentlig sideinnhold. Ansvarsområder: innholdsstyring, media-URL-felt og valideringsskript. Risikoområder: konvensjoner for ressurslagring, gamle eksempeldata og lokaliserte SEO-metadata. Første oppgaver: legg til én mal, kjør innholdssjekker, inspiser én side og les deretter valideringsskriptet.

Utdata

Inngangspunkter / kjerneflyt / ansvar / risikoer / første oppgaver

Flere prompter i denne modusen

chattråd

Vi vil bygge en AI-assistent for små netthandelsteam som gjør produktbilder om til kampanjeressurser.

Problemhypotese: små netthandelsteam mister tid når de gjør rå produktbilder om til kanal-klare kampanjeressurser. Mest risikable antakelser: bildekvaliteten er høy nok, teamene stoler på AI-variasjoner av ressurser, og gjennomgangstid er den egentlige flaskehalsen. Forskningsspørsmål: hvem eier produksjonen av kampanjeressurser, hvor stopper revisjonene opp, og hvilken kvalitetsgrense hindrer publisering. Valideringsplan: intervju 5 operatører, test 3 promptstyrte ressursflyter, og sammenlign tid til første godkjente ressurs. Beslutningsport: fortsett bare hvis teamene kan nå et publiserbart utkast raskere enn med dagens arbeidsflyt.

chattråd

Vi utforsker et nytt AI-notatprodukt for selvstendige konsulenter. Hjelp meg å gjøre dette om til en forskningsbrief.

Mål: definere om selvstendige konsulenter trenger et AI-notatarbeidsområde eller et lettere lag for kundeoppfølging. Arbeidshypoteser: de tar allerede notater, men syntese og utkast til neste steg er ujevnt. Målgruppe: selvstendige konsulenter med gjentakende kundesamtaler og begrenset operasjonell støtte. Viktige spørsmål: hvilke notater blir til fakturerbart arbeid, hva går tapt etter samtaler, og hvor føles CRM-verktøy for tunge. Forskningsplan: gjennomfør 6 intervjuer, gå gjennom 10 nylige arbeidsflyter for samtalenotater, og test én prototype for oppfølgingsbrief.

chattråd

Her er disposisjonen for landingssiden til KI-produktet vårt. Fortell meg hva som er uklart før vi designer den.

Kjerneløfte: synlig, men fortsatt rammet inn som en funksjon heller enn et konkret brukerutfall. Uklart punkt: siden forklarer ikke hvem som får verdi først, eller hvilken arbeidsflyt som endres etter registrering. Eksempelgap: legg til før-og-etter-eksempler, prøver på modelloutput og ett kort tillitssignal nær heroen. CTA-problem: hovedhandlingen kommer etter for mye forklaring; flytt en bruksorientert CTA nærmere hurtigbrukseksjonen. Revisjonsplan: skjerp heroen, legg til utfallskort, og skriv deretter om innvendingene før visuell finpuss.