Как программисту написать функцию на Python за 5 минут: готовый промт для ChatGPT

Каждый программист знает: хорошая функция — это чистота, переиспользуемость и отсутствие багов. Плохая функция — сотни строк копипаста, трудно читать, ещё труднее отлаживать. Но писать функции вручную для каждой задачи — это часы работы. На помощь приходит нейросеть. Сегодня разбираем промт для функции на Python.

Потому что хорошая функция должна быть модульной, документированной и обрабатывать краевые случаи. Нейросеть генерирует готовый код за минуту, экономя вам время на написание типовых задач: парсинг, работа с API, валидация данных, обработка файлов, математические расчёты.
Многие программисты также используют возможности чат gpt генерация изображений, чат gpt фото сделать, чат gpt создать фото и чат gpt нейросеть фото для визуализации данных. Но сегодня мы сфокусируемся на чистом коде. Я рекомендую начать с проверенного сервиса. Заходите на https://ai-terminal.ru — там вы сможете генерировать функции на Python быстро и без лишних настроек.

(копируйте и вставляйте в любой сервис — например, на https://ai-terminal.ru)
Ты профессиональный Python-разработчик с опытом 10 лет. Твоя специализация — написание чистых, эффективных и хорошо документированных функций. Твой код следует PEP 8, обрабатывает ошибки и покрывается доктестами.
Напиши функцию на Python для следующей задачи: [опишите задачу].
Требования к функции:
1. Имя функции должно быть говорящим (глагол + существительное)
2. Типизация: все аргументы и возвращаемое значение должны иметь аннотации типов
3. Docstring в формате Google или NumPy (описание, аргументы, возвращаемое значение, пример)
4. Обработка ошибок (try-except для возможных исключений)
5. Понятные названия переменных (без a, b, c)
6. Функция должна быть не длиннее 20-30 строк (если не требуется больше)
Дополнительно:
- Если нужно — используй стандартные библиотеки (requests, json, re, datetime и т.д.)
- Если нужно — используй популярные библиотеки (pandas, numpy, beautifulsoup — напиши явно)
Вводные данные:
- Задача: [что должна делать функция]
- Входные данные: [тип и формат данных на входе]
- Выходные данные: [тип и формат данных на выходе]
- Особые требования: [например, работа с большими данными, асинхронность]

Допустим, вам нужна функция для валидации email-адреса. Вставляете в промт:
Задача: проверить, является ли строка корректным email-адресом
Входные данные: строка (str)
Выходные данные: булево значение (True/False)
Особые требования: учитывать стандартные правила email (наличие @, точки после @, допустимые символы)
И нейросеть выдаёт вам готовую функцию. Она будет содержать: импорт модуля re для регулярных выражений, аннотацию типов, докстринг с описанием и примерами, проверку типа входных данных, регулярное выражение для проверки email, обработку ошибок при помощи try-except и возврат булева значения.
Второй пример — функция для получения погоды через API. В промт вы вставляете задачу получить данные о погоде для города. Нейросеть сгенерирует функцию с импортом библиотеки requests, аннотациями типов, докстрингом, проверкой входных данных, формированием URL для API-запроса, обработкой сетевых ошибок через try-except, парсингом JSON-ответа и возвратом словаря с температурой, влажностью, описанием и скоростью ветра.

Лучше всего использовать проверенные сервисы. Заходите на https://ai-terminal.ru — здесь вы можете генерировать не только функции на Python, но и использовать другие возможности. Кстати, многие разработчики также применяют чат gpt генерация изображений для визуализации алгоритмов, чат gpt фото сделать для создания схем, чат gpt создать фото для документации и чат gpt нейросеть фото для обработки изображений. Но для кода главное — чёткий промт и правильные требования.

Нейросеть дала готовую функцию. Что дальше?
1. Проверьте типизацию. Все ли аргументы имеют аннотации типов? Есть ли аннотация возвращаемого значения?
2. Запустите функцию с тестовыми данными. Напишите 2-3 примера: корректные данные, некорректные данные, граничные случаи.
3. Проверьте обработку ошибок. Что произойдёт, если на вход придёт None? Пустая строка? Огромный объём данных?
4. Оцените читаемость. Имена переменных понятны? Функция не слишком длинная? Есть ли комментарии для сложных мест?
5. Проверьте производительность. Функция работает быстро на ожидаемом объёме данных? Нет ли бесконечных циклов?
6. Протестируйте на реальном сценарии. Вставьте функцию в ваш проект и проверьте в реальной среде.

- Слишком общий запрос. "Напиши функцию для работы с файлами" — получите шаблон. Всегда указывайте, что именно делать с файлами (читать/писать/парсить/конвертировать).
- Нет типизации. Без аннотаций типов код сложнее поддерживать. Добавьте в промт требование к типизации.
- Игнорируют обработку ошибок. Функция должна падать или возвращать None/сообщение об ошибке? Прописывайте в промт.
- Не указывают библиотеки. Если функции нужен requests, pandas или numpy — напишите это явно в промте.

(скопируйте и используйте)
Напиши функцию на Python:
Задача: [что делает]
Вход: [тип, формат]
Выход: [тип, формат]
Библиотеки: [какие можно использовать]
Обработка ошибок: [что делать при ошибке]
Требования: [скорость/память/поддержка больших данных]

Прямо сейчас откройте https://ai-terminal.ru. Вставьте промт со своей задачей. Через 5 минут у вас будет готовая функция на Python с типизацией, докстрингом и обработкой ошибок.
Что делать с функцией дальше?
1. Скопируйте код в ваш проект
2. Запустите с тестовыми данными
3. При необходимости доработайте под специфику вашего проекта
4. Напишите юнит-тесты (можно попросить нейросеть и их)
Важно: функция от нейросети — это отличная основа. Но вы несёте ответственность за код в продакшене. Проверяйте и тестируйте всё, что генерирует нейросеть.
И да, этот подход работает не только для Python. Тот же промт можно адаптировать под JavaScript, TypeScript, Go, Java, C#, PHP и другие языки.