Назад до бібліотеки промптів
Бібліотека промптівЧат-промпт

Чат пошуку першопричини падіння тесту

Перетворіть лог тесту, що падає, і короткий підсумок останнього diff на ймовірні причини, кроки відтворення та мінімальний шлях виправлення.

ТестуванняІнженеріяЯкість
Попередній перегляд

Чат-промпт

Рекомендована модель

GPT-5 Codex

Формат результату

Нотатка про першопричину тесту

Попередній перегляд

Чат-промпт

гілка чату

typecheck проходить локально, але build падає, коли static prompt params містять новий slug без locale-вмісту.

Ймовірна причина: джерело шаблону існує без відповідного locale-файлу. Відтворення: додайте slug, запустіть build і дійдіть до static params промптів. Мінімальне виправлення: додайте en і zh locale-файли для slug. Регресійний тест: запустіть prompts:check перед build. Не змінювати: генерацію маршрутів, якщо locale-файли не валідні.

Результат

Ймовірна причина / відтворення / мінімальне виправлення / регресійний тест / примітка що не змінювати

Перетворіть лог тесту, що падає, і короткий підсумок останнього diff на ймовірні причини, кроки відтворення та мінімальний шлях виправлення.

Повний промпт

Чат пошуку першопричини падіння тесту

Перетворіть лог тесту, що падає, і короткий підсумок останнього diff на ймовірні причини, кроки відтворення та мінімальний шлях виправлення.

Рекомендована модель: GPT-5 CodexФормат результату: Нотатка про першопричину тесту
Повний промпт
Чат-промпт
Ви — інженер із фокусом на тестах, який тріажить CI-тест, що падає. Перетворіть надані нотатки на практичний огляд, за яким команда може діяти. Поверніть відповідь із такими розділами: ймовірна причина, відтворення, мінімальне виправлення, регресійний тест, примітка що не змінювати. Обґрунтовуйте кожне твердження наданими нотатками. Позначайте відсутні факти замість того, щоб вигадувати їх.

Примітки щодо використання

Вставте реальні нотатки, обмеження та вихідні матеріали. Не додавайте приватні дані, якщо вони не потрібні для огляду.

Поширені запитання про промпт

Перед використанням цього промпта

Швидко перевірте вхідні дані, відповідність моделі та спосіб адаптації шаблона без погіршення результату.

Коли варто використовувати чат пошуку першопричини падіння тесту?

Використовуйте його, щоб перетворити лог тесту, що падає, і короткий підсумок останнього diff на ймовірні причини, кроки відтворення та мінімальний шлях виправлення. Він доречний, коли у вас уже є нотатки, обмеження або чернетка, і потрібен структурований наступний крок для командного перегляду.

Що потрібно додати перед запуском?

Додайте вихідні матеріали, аудиторію, обмеження, ключові факти та межі, у яких відповідь не повинна нічого вигадувати. Вивід організовано як ймовірна причина / відтворення / мінімальне виправлення / регресійний тест / примітка що не змінювати.

Попередній перегляд гілки

typecheck проходить локально, але build падає, коли static prompt params містять новий slug без locale-вмісту.
Ймовірна причина: джерело шаблону існує без відповідного locale-файлу. Відтворення: додайте slug, запустіть build і дійдіть до static params промптів. Мінімальне виправлення: додайте en і zh locale-файли для slug. Регресійний тест: запустіть prompts:check перед build. Не змінювати: генерацію маршрутів, якщо locale-файли не валідні.

Результат

Ймовірна причина / відтворення / мінімальне виправлення / регресійний тест / примітка що не змінювати

Інші промпти цього типу

гілка чату

Ми хочемо створити AI-асистента для невеликих команд електронної комерції, який перетворює продуктові фото на матеріали кампаній.

Гіпотеза проблеми: невеликі команди електронної комерції втрачають час, перетворюючи сирі продуктові фото на готові для каналів матеріали кампаній. Найризикованіші припущення: якість фото достатньо висока, команди довіряють варіаціям матеріалів від AI, а час перевірки є справжнім вузьким місцем. Дослідницькі запитання: хто відповідає за створення матеріалів кампаній, де зупиняються правки та яка планка якості блокує публікацію. План валідації: провести інтерв'ю з 5 операторами, протестувати 3 потоки створення матеріалів через промпти та порівняти час до першого схваленого матеріалу. Ворота рішення: продовжувати лише якщо команди можуть отримати придатний до публікації чернетковий матеріал швидше, ніж у поточному воркфлоу.

гілка чату

Ми досліджуємо новий AI-продукт для нотаток для сольних консультантів. Допоможіть перетворити це на дослідницький бриф.

Мета: визначити, чи потрібен сольним консультантам AI-робочий простір для нотаток або легший шар подальшої роботи з клієнтами. Робочі припущення: вони вже фіксують нотатки, але синтез і чернетки наступних кроків непослідовні. Аудиторія: сольні консультанти з регулярними клієнтськими дзвінками та обмеженою операційною підтримкою. Ключові запитання: які нотатки перетворюються на оплачувану роботу, що губиться після дзвінків і де CRM-інструменти здаються надто важкими. План дослідження: провести 6 інтерв'ю, переглянути 10 нещодавніх робочих процесів нотаток дзвінків і протестувати один прототип брифу для подальшої роботи.

гілка чату

Ось структура лендингу нашого AI-продукту. Скажіть, що незрозуміло, перш ніж ми перейдемо до дизайну.

Основна обіцянка: видима, але все ще сформульована як функція, а не як конкретний результат для користувача. Незрозумілий момент: сторінка не пояснює, хто отримує цінність першим і який робочий процес змінюється після реєстрації. Прогалина в прикладах: додайте приклади до/після, зразки результатів моделі та один короткий сигнал довіри біля першого екрана. Проблема CTA: основна дія з'являється після надто довгого пояснення; перемістіть CTA, орієнтований на використання, ближче до секції швидкого використання. План ревізії: загостріть перший екран, додайте картки результатів, потім перепишіть заперечення перед поліруванням візуалу.