P
💻DeveloppementAvanceAll AIs

Prompt pour créer un monorepo avec Turborepo

Prompt pour générer l'architecture complète d'un monorepo Turborepo avec structure de dossiers, pipelines, packages partagés et configuration CI/CD.

Coller dans votre IA

Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.

Tu es un architecte logiciel senior spécialisé en monorepos JavaScript/TypeScript. Je veux créer un monorepo avec Turborepo pour mon projet.

Contexte du projet :

  • Type de projet : [TYPE_DE_PROJET (ex: SaaS avec frontend Next.js et API Node.js, suite d'apps mobiles React Native + dashboard web, librairie de composants UI avec documentation)]
  • Nombre d'applications : [NOMBRE_ET_LISTE_DES_APPS (ex: 2 apps - un frontend Next.js et une API Express)]
  • Packages partagés souhaités : [PACKAGES_PARTAGES (ex: ui, utils, config-eslint, config-typescript, types)]
  • Gestionnaire de paquets : [GESTIONNAIRE (pnpm, npm, yarn ou bun)]
  • Technologies principales : [STACK_TECHNIQUE (ex: TypeScript, React, Tailwind CSS, Prisma)]

Génère une architecture complète de monorepo Turborepo incluant :

  1. Structure des dossiers : arborescence complète avec apps/ et packages/, en expliquant le rôle de chaque dossier.

  2. Fichiers de configuration racine :

    • turbo.json avec les pipelines (build, dev, lint, test, type-check) et les dépendances entre tâches
    • package.json racine avec les workspaces et scripts globaux
    • Configuration du gestionnaire de paquets (pnpm-workspace.yaml si pnpm)
    • tsconfig.json de base partagé
  3. Packages partagés : pour chaque package listé, fournis :

    • Le package.json avec les exports corrects (main, types, exports map)
    • Le tsconfig.json qui étend la config de base
    • Un exemple de code source montrant le pattern d'export
  4. Configuration des apps : comment chaque app référence les packages internes (avec le protocole workspace:*).

  5. Pipeline Turborepo optimisé :

    • Ordre de build avec topological dependencies
    • Configuration du cache (inputs, outputs)
    • Variables d'environnement (globalEnv, env)
  6. Scripts utilitaires :

    • Script pour créer un nouveau package
    • Script pour créer une nouvelle app
    • Commandes de développement courantes
  7. CI/CD : exemple de GitHub Actions qui exploite le cache Turborepo et le Remote Caching.

  8. Bonnes pratiques :

    • Gestion des dépendances (internes vs externes)
    • Stratégie de versioning
    • Convention de nommage des packages
    • Pièges courants à éviter

Fournis tous les fichiers avec leur contenu complet, prêts à être copiés. Ajoute des commentaires explicatifs dans le code.

Personnaliser ce prompt avec Léa

Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.

Pourquoi ce prompt fonctionne

<p>Ce prompt guide l'IA pour produire une architecture de monorepo Turborepo clé en main. En précisant votre <strong>type de projet</strong> et votre <strong>stack technique</strong>, vous obtenez une structure adaptée à vos besoins réels plutôt qu'un template générique.</p><p>Les variables <strong>[PACKAGES_PARTAGES]</strong> et <strong>[NOMBRE_ET_LISTE_DES_APPS]</strong> sont essentielles : elles permettent à l'IA de configurer correctement les dépendances entre workspaces, les pipelines de build et les exports de chaque package. Plus vous êtes précis sur votre stack, plus les fichiers de configuration générés seront utilisables directement.</p><p>Le prompt couvre volontairement l'ensemble du cycle de vie du monorepo — de la structure initiale au CI/CD — pour que vous puissiez démarrer immédiatement sans avoir à chercher comment connecter les différentes parties. Adaptez les sections selon votre priorité : <strong>commencez par la structure et les configs</strong>, puis ajoutez le CI/CD une fois le monorepo fonctionnel en local.</p>

Cas d'usage

Démarrer un nouveau projet SaaS avec frontend et backend dans un seul dépôtMigrer plusieurs repositories existants vers un monorepo unifiéCréer une librairie de composants partagés entre plusieurs applicationsMettre en place un pipeline CI/CD optimisé avec cache distribué Turborepo

Résultat attendu

Une architecture complète de monorepo avec l'arborescence des dossiers, tous les fichiers de configuration (turbo.json, package.json, tsconfig), des exemples de packages partagés avec leurs exports, un workflow GitHub Actions et une liste de bonnes pratiques.

Améliorez ce prompt

Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.

Améliore ce prompt avec l'Optimiseur

Commentaires

  • LéaIA

    Ajoutez une contrainte de versions pour vos outils (Node, pnpm/yarn, Turborepo). Par exemple, précisez `pnpm@9` et `turborepo@2`, car la syntaxe de `turbo.json` a évolué entre les versions 1 et 2. Cela évitera de générer des pipelines obsolètes ou incompatibles avec votre environnement.

📬 Recevez de nouveaux prompts chaque semaine

Rejoignez notre newsletter et ne manquez aucun prompt.

Pour aller plus loin

Prompts similaires

💻DeveloppementIntermediaireAll AIs

Prompt DALL-E pour documenter du code

La documentation visuelle du code est un levier puissant pour améliorer la compréhension des architectures logicielles, des flux de données et des concepts abstraits. DALL-E, le modèle de génération d'images d'OpenAI, permet de créer des illustrations techniques sur mesure pour accompagner votre documentation : diagrammes conceptuels, représentations métaphoriques de design patterns, visuels explicatifs pour des README ou des wikis internes. Plutôt que de passer des heures sur des outils de design, vous pouvez générer en quelques secondes des images qui rendent votre documentation plus accessible et engageante. Que ce soit pour illustrer une architecture microservices, représenter visuellement le cycle de vie d'une requête HTTP, ou créer des icônes personnalisées pour vos composants, DALL-E transforme vos descriptions textuelles en supports visuels professionnels. Cette approche est particulièrement utile pour les équipes techniques qui souhaitent rendre leur documentation plus intuitive sans mobiliser de ressources design dédiées. Découvrez comment formuler des prompts efficaces pour obtenir des illustrations techniques précises et cohérentes avec votre identité visuelle.

0265
💻DeveloppementIntermediaireAll AIs

Concevoir une stratégie de versionnage d'API

Gérer le versionnage d'API

0226
💻DeveloppementIntermediaireAll AIs

Prompt Perplexity pour créer une architecture logicielle

Perplexity se distingue comme un outil particulièrement puissant pour la conception d'architectures logicielles grâce à sa capacité à synthétiser des sources techniques récentes et vérifiées. Contrairement à un LLM classique qui s'appuie uniquement sur ses données d'entraînement, Perplexity interroge le web en temps réel pour intégrer les dernières bonnes pratiques, les patterns architecturaux émergents et les retours d'expérience de la communauté. Que vous conceviez une architecture microservices, un monolithe modulaire ou un système événementiel, un prompt bien structuré permet d'obtenir des recommandations contextualisées avec des sources vérifiables. L'enjeu est de fournir suffisamment de contexte métier et technique pour que Perplexity puisse croiser les informations pertinentes : stack technologique, contraintes de scalabilité, budget d'infrastructure et compétences de l'équipe. En formulant votre demande avec précision, vous transformez Perplexity en véritable architecte consultant capable de proposer des diagrammes de composants, des choix de technologies argumentés et des stratégies de déploiement adaptées à votre contexte spécifique.

0304
💻DeveloppementIntermediaireAll AIs

Prompt Perplexity pour générer des tests unitaires

Perplexity se distingue des autres outils d'IA par sa capacité à combiner recherche web en temps réel et génération de code. Pour la création de tests unitaires, cet avantage est considérable : Perplexity peut identifier les meilleures pratiques actuelles de testing, les conventions de frameworks comme Jest, Pytest ou JUnit, et les appliquer directement à votre code. Contrairement à un LLM classique qui se base uniquement sur ses données d'entraînement, Perplexity vérifie les API et signatures de fonctions des bibliothèques de test les plus récentes, réduisant ainsi les erreurs liées à des versions obsolètes. Que vous testiez une fonction utilitaire simple, un service avec des dépendances externes ou un composant React avec des interactions utilisateur, un prompt bien structuré permet d'obtenir des tests couvrant les cas nominaux, les cas limites et les scénarios d'erreur. Cette page vous fournit des prompts optimisés pour exploiter pleinement Perplexity dans votre workflow de testing, du développeur débutant qui découvre les tests au lead technique qui cherche une couverture exhaustive avec mocks et stubs.

0281