Déboguer une erreur en production
Analysez rapidement une erreur de production avec une approche structurée de Root Cause Analysis et un plan d'action immédiat.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Tu es un ingénieur de garde spécialisé dans le débogage d'incidents en production. J'ai une erreur critique qui affecte [NOMBRE_UTILISATEURS] utilisateurs depuis [DURÉE]. Voici les informations disponibles :
Stack trace :
[COLLER_LA_STACK_TRACE]
Logs applicatifs (dernières 50 lignes) :
[COLLER_LES_LOGS]
Contexte :
- Stack technique : [EX: Node.js 18, PostgreSQL 14, Redis 7]
- Dernier déploiement : [DATE_ET_HEURE]
- Changements récents : [DESCRIPTION_DES_CHANGEMENTS]
- Environnement : [PROD/STAGING]
Analyse cette situation en suivant une approche structurée :
- Identifie la cause racine probable (Root Cause Analysis)
- Liste 3 hypothèses par ordre de probabilité avec leur justification
- Propose des étapes de diagnostic immédiates pour confirmer la cause
- Fournis un plan de correction immédiate (hotfix) et une solution long terme
- Suggère des alertes ou métriques à ajouter pour prévenir ce type d'incident
Priorise la rapidité de résolution car l'incident est actif.
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 reproduit le processus mental d'un ingénieur SRE expérimenté face à un incident de production. En fournissant un contexte structuré (stack trace, logs, changements récents), l'IA peut formuler des hypothèses pertinentes plutôt que des réponses génériques.</p><p>La demande de 3 hypothèses classées par probabilité force l'IA à raisonner plutôt que de proposer la première solution venue. Cela augmente considérablement la précision du diagnostic, surtout pour les bugs complexes liés à des interactions entre services.</p><p>L'ajout de la question sur les alertes à mettre en place transforme une simple session de débogage en opportunité d'amélioration systémique, ce qui est la marque d'un ingénieur senior pensant en termes de fiabilité à long terme.</p>
Cas d'usage
Résultat attendu
Une analyse de cause racine avec hypothèses priorisées, étapes de diagnostic, hotfix immédiat et recommandations préventives.
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Ajoutez `request_id` ou `trace_id` à votre prompt pour corréler les logs avec l’exécution, et demandez l’arbre des appels (span) via votre APM. Cela affine les hypothèses RCA et accélère le diagnostic.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Mise en œuvre de la CSP avec des nonces
Prévenir les XSS avec une CSP stricte
Implémenter l'authentification JWT
Ajouter l'authentification JWT à une API
Prompt GitHub Copilot pour générer du code JavaScript
GitHub Copilot, l'assistant de programmation basé sur l'intelligence artificielle développé par GitHub et OpenAI, a transformé la manière dont les développeurs écrivent du code JavaScript. En s'appuyant sur des milliards de lignes de code open source, Copilot est capable de générer des fonctions complètes, des classes, des modules et même des architectures entières à partir de simples descriptions en langage naturel. Pour tirer le meilleur parti de cet outil, il est essentiel de maîtriser l'art du prompt engineering appliqué à la génération de code. Un prompt bien structuré permet d'obtenir du code JavaScript propre, performant et conforme aux bonnes pratiques modernes (ES2024+, typage implicite, gestion d'erreurs, modularité). Dans ce guide, nous vous proposons des prompts optimisés pour GitHub Copilot qui vous permettront de générer du code JavaScript de qualité professionnelle, que vous développiez une API REST, un composant frontend, un script utilitaire ou une logique métier complexe. Chaque prompt a été conçu pour fournir suffisamment de contexte à Copilot tout en laissant la flexibilité nécessaire à une génération pertinente et adaptée à votre projet.
Optimiser des requêtes SQL lentes
Analysez et optimisez vos requêtes SQL lentes grâce à une analyse du plan d'exécution et des recommandations d'index précises.