Назад до prompt library
Бібліотека promptChat Prompt

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
Preview

Chat Prompt

Recommended model

GPT-5 Codex

Output format

Нотатка про першопричину тесту

Preview

Chat Prompt

chat thread

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.

Output

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.

Full prompt

Чат пошуку першопричини падіння тесту

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

Recommended model: GPT-5 CodexOutput format: Нотатка про першопричину тесту
Full prompt
Chat Prompt
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.

Prompt FAQ

Перед використанням цього prompt

Quick checks для inputs, model fit і того, як адаптувати template без послаблення result.

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.

Thread preview

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.

Output

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

Більше prompts у цьому mode

chat thread

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.

chat thread

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.

chat thread

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 hero. Проблема CTA: основна дія з'являється після надто довгого пояснення; перемістіть CTA, орієнтований на використання, ближче до секції quick-use. План ревізії: загостріть hero, додайте картки результатів, потім перепишіть заперечення перед поліруванням візуалу.