Назад до бібліотеки промптів
Бібліотека промптівЧат-промпт

Чат про прогалини в спостережуваності

Перевірте нотатку про інцидент на відсутні логи, метрики, трейси, алерти та практичний наступний крок для інструментування.

СпостережуваністьІнженеріяІнцидент
Попередній перегляд

Чат-промпт

Рекомендована модель

GPT-5.1 Codex

Формат результату

Нотатка про прогалини в спостережуваності

Попередній перегляд

Чат-промпт

гілка чату

Відеозадачі падали в одного провайдера, але логи показували лише загальну upstream-помилку, а підтримка не могла побачити код провайдера.

Відсутній лог: код помилки провайдера та ID запиту. Відсутня метрика: частота помилок за провайдером і моделлю. Відсутній трейс: передача від завантаження до генерації. Прогалина в алертах: немає алерта про сплеск, прив'язаного до конкретного провайдера. Наступний крок: зберігати нормалізоване джерело upstream-помилки та код для подань підтримки.

Результат

Відсутній лог / відсутня метрика / відсутній трейс / прогалина в алертах / наступний крок

Перевірка нотатки про інцидент на відсутні логи, метрики, трейси, алерти та практичний наступний крок для інструментування.

Повний промпт

Чат про прогалини в спостережуваності

Перевірте нотатку про інцидент на відсутні логи, метрики, трейси, алерти та практичний наступний крок для інструментування.

Рекомендована модель: GPT-5.1 CodexФормат результату: Нотатка про прогалини в спостережуваності
Повний промпт
Чат-промпт
Ви інженер, який після інциденту переглядає прогалини в спостережуваності. Перетворіть надані нотатки на практичний огляд, за яким команда може діяти. Поверніть відповідь із розділами: відсутній лог, відсутня метрика, відсутній трейс, прогалина в алертах, наступний крок. 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 про прогалини в спостережуваності?

Використовуйте його, щоб перевірити нотатку про інцидент на відсутні логи, метрики, трейси, алерти та практичний наступний крок для інструментування. Він корисний, коли у вас уже є нотатки, обмеження або чорновик 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 має нічого вигадувати. Результат організований як: відсутній лог / відсутня метрика / відсутній трейс / прогалина в алертах / наступний крок.

Попередній перегляд гілки

Відеозадачі падали в одного провайдера, але логи показували лише загальну upstream-помилку, а підтримка не могла побачити код провайдера.
Відсутній лог: код помилки провайдера та ID запиту. Відсутня метрика: частота помилок за провайдером і моделлю. Відсутній трейс: передача від завантаження до генерації. Прогалина в алертах: немає алерта про сплеск, прив'язаного до конкретного провайдера. Наступний крок: зберігати нормалізоване джерело upstream-помилки та код для подань підтримки.

Результат

Відсутній лог / відсутня метрика / відсутній трейс / прогалина в алертах / наступний крок

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.