Optimiser vos requêtes Prisma et Drizzle ORM comme un pro
Un prompt pour analyser vos requêtes Prisma ou Drizzle ORM et obtenir des optimisations concrètes : élimination des N+1, sélection ciblée, index et requêtes SQL vérifiées.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Tu es un expert en bases de données et en ORM JavaScript/TypeScript, spécialisé dans Prisma et Drizzle ORM. Analyse et optimise les requêtes suivantes pour améliorer les performances de mon application.
Contexte du projet :
- ORM utilisé : [PRISMA | DRIZZLE]
- Base de données : [POSTGRESQL | MYSQL | SQLITE]
- Description du modèle de données : [DÉCRIRE LES TABLES/MODÈLES PRINCIPAUX ET LEURS RELATIONS]
- Requêtes à optimiser :
[COLLER VOS REQUÊTES ORM ICI]
- Problème observé : [LENTEUR | REQUÊTES N+1 | CONSOMMATION MÉMOIRE | TIMEOUT]
Pour chaque requête, fournis :
-
Diagnostic : Identifie les problèmes de performance (requêtes N+1, select *, jointures manquantes, absence d'index, chargement eager vs lazy inadapté).
-
Requête optimisée : Réécris la requête avec les bonnes pratiques :
- Sélection des champs nécessaires uniquement (select/columns)
- Utilisation correcte des includes/relations/with
- Pagination côté base de données
- Agrégations côté SQL plutôt que JavaScript
- Transactions quand nécessaire
-
Index recommandés : Propose les index à créer dans le schéma (migration) pour supporter ces requêtes.
-
Requête SQL générée : Montre la requête SQL brute équivalente pour vérifier ce que l'ORM produit réellement.
-
Métriques attendues : Estime le gain de performance (nombre de requêtes SQL réduites, volume de données transférées).
Présente chaque optimisation dans un bloc de code TypeScript commenté, avec un avant/après clair.
Personnaliser ce prompt avec Léa
Réponds à 3 questions, Léa adapte le prompt à ta situation.
Pourquoi ce prompt fonctionne
<p>Ce prompt transforme l'IA en consultant spécialisé en performance de bases de données via ORM. En fournissant vos requêtes réelles et le contexte de votre schéma, vous obtenez un diagnostic précis des anti-patterns courants comme les requêtes N+1, les <strong>select *</strong> inutiles ou les jointures mal configurées.</p><p>L'approche avant/après est essentielle : elle vous montre non seulement la requête optimisée, mais aussi la <strong>requête SQL sous-jacente</strong> générée par l'ORM. Cela vous aide à comprendre ce qui se passe réellement côté base de données et à vérifier que l'ORM produit bien ce que vous attendez.</p><p>Pour de meilleurs résultats, incluez votre <strong>schéma Prisma ou vos définitions de tables Drizzle</strong> dans la variable modèle de données. Plus le contexte est précis (cardinalité des relations, volume de données, cas d'usage lecture/écriture), plus les recommandations d'index et de restructuration seront pertinentes.</p>
Cas d'usage
Résultat attendu
Un rapport structuré pour chaque requête avec le diagnostic des problèmes, la requête ORM optimisée en TypeScript, les index SQL à créer, la requête SQL brute équivalente et une estimation des gains de performance.
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
Sois le premier à commenter ce prompt.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Optimiser la taille du bundle
Réduire la taille du bundle JavaScript
Gestion des namespaces et quotas
Gérer un cluster multi-tenant
Prompt GitHub Copilot pour Generer Des Requetes SQL
GitHub Copilot transforme radicalement la façon dont les développeurs écrivent des requêtes SQL au quotidien. Intégré directement dans votre éditeur de code, cet assistant IA comprend le contexte de votre projet — schémas de tables, relations entre entités, conventions de nommage — pour générer des requêtes SQL précises et optimisées. Que vous travailliez avec PostgreSQL, MySQL, SQL Server ou SQLite, Copilot s'adapte à la syntaxe spécifique de votre moteur de base de données. L'enjeu n'est pas simplement de générer du SQL fonctionnel, mais d'obtenir des requêtes performantes, lisibles et maintenables. Un prompt bien structuré permet à Copilot de produire des jointures complexes, des sous-requêtes corrélées, des fonctions de fenêtrage et des requêtes d'agrégation qui respectent les bonnes pratiques. En fournissant le schéma de vos tables, le résultat attendu et les contraintes de performance, vous obtenez des requêtes prêtes pour la production plutôt que des ébauches à retravailler. Ce guide vous propose un prompt principal optimisé ainsi que des variantes adaptées à votre niveau, pour exploiter pleinement Copilot dans la génération de requêtes SQL fiables et performantes.
Prompt GitHub Copilot pour Debugger Du Code
Le debugging est l'une des tâches les plus chronophages du développement logiciel. GitHub Copilot, intégré directement dans votre éditeur de code, peut considérablement accélérer ce processus en analysant votre code, identifiant les causes probables d'un bug et proposant des corrections ciblées. Contrairement à une recherche manuelle sur Stack Overflow ou dans la documentation, Copilot a accès au contexte complet de votre fichier et de votre projet, ce qui lui permet de fournir des diagnostics bien plus pertinents. Que vous fassiez face à une erreur de runtime, un comportement inattendu ou un problème de performance, un prompt bien structuré permet à Copilot de jouer le rôle d'un pair-programmeur expérimenté qui examine votre code avec un regard neuf. L'enjeu n'est pas simplement de corriger une ligne, mais de comprendre la cause racine du problème pour éviter qu'il ne se reproduise. Dans ce guide, vous trouverez des prompts optimisés pour exploiter pleinement les capacités de debugging de GitHub Copilot, adaptés à différents niveaux d'expertise et types de bugs rencontrés au quotidien.