Créer un système de logs structurés pour vos applications
Un prompt complet pour générer un système de logging structuré en JSON avec gestion des niveaux, masquage des données sensibles, rotation et intégration aux stacks d'observabilité.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Tu es un ingénieur backend senior spécialisé en observabilité et monitoring. Conçois un système de logs structurés complet pour une application [LANGAGE/FRAMEWORK] en production.
Contexte du projet :
- Type d'application : [TYPE_APPLICATION (ex: API REST, microservice, application web, CLI)]
- Environnements cibles : [ENVIRONNEMENTS (ex: développement, staging, production)]
- Volume estimé de logs : [VOLUME (ex: 1000 req/min, 10000 events/jour)]
- Stack d'agrégation existante : [STACK_LOGS (ex: ELK, Grafana Loki, Datadog, aucune)]
Livre les éléments suivants :
-
Architecture du système de logging :
- Choix de la librairie de logging avec justification
- Format structuré (JSON) avec schéma détaillé des champs obligatoires et optionnels
- Niveaux de log (DEBUG, INFO, WARN, ERROR, FATAL) avec politique claire d'utilisation de chaque niveau et exemples concrets
-
Implémentation du logger central :
- Classe ou module de logging réutilisable avec configuration centralisée
- Support du contexte de requête (request ID, user ID, session ID) via propagation automatique
- Enrichissement automatique des logs (timestamp ISO 8601, hostname, PID, version de l'app)
- Gestion des données sensibles : masquage automatique (mots de passe, tokens, emails) via patterns configurables
-
Middlewares et intercepteurs :
- Middleware de logging HTTP : méthode, URL, status code, durée, taille de la réponse
- Intercepteur pour les appels base de données : requête (sans données sensibles), durée, nombre de résultats
- Intercepteur pour les appels à des services externes : endpoint, durée, succès/échec
-
Gestion des erreurs dans les logs :
- Capture automatique des stack traces avec contexte enrichi
- Corrélation des erreurs avec le request ID pour le traçage
- Niveaux d'alerte selon la criticité avec seuils configurables
-
Rotation et rétention :
- Stratégie de rotation des fichiers (taille max, durée)
- Politique de rétention par environnement
- Configuration pour le streaming vers la stack d'agrégation
-
Performance et bonnes pratiques :
- Logging asynchrone pour ne pas bloquer le thread principal
- Sampling des logs DEBUG/TRACE en production
- Tests unitaires pour valider le format et le contenu des logs
Fournis le code complet, documenté, avec des commentaires expliquant chaque décision technique. Inclus un exemple d'utilisation dans un endpoint réel et un fichier de configuration par environnement.
Personnaliser ce prompt avec Léa
Réponds à 3 questions, Léa adapte le prompt à ta situation.
Pourquoi ce prompt fonctionne
<p>Ce prompt guide l'IA pour produire un système de logs structurés de qualité production. En précisant votre <strong>langage ou framework</strong>, vous obtenez du code directement utilisable. Le champ <strong>[TYPE_APPLICATION]</strong> permet d'adapter les middlewares et intercepteurs à votre architecture réelle.</p><p>Les logs structurés en JSON sont essentiels pour l'observabilité moderne : ils permettent le filtrage, l'agrégation et l'alerting automatisé. Le prompt couvre les aspects souvent négligés comme le <strong>masquage des données sensibles</strong> (RGPD), la <strong>corrélation par request ID</strong> pour le debugging distribué, et le <strong>sampling en production</strong> pour maîtriser les coûts de stockage.</p><p>Pour de meilleurs résultats, soyez précis sur votre stack existante dans <strong>[STACK_LOGS]</strong>. L'IA adaptera les formats de sortie et les transports en conséquence. Vous pouvez itérer ensuite en demandant des ajouts spécifiques comme des métriques Prometheus ou des traces OpenTelemetry.</p>
Cas d'usage
Résultat attendu
Un système de logging complet avec le code source du logger central, les middlewares, les fichiers de configuration par environnement, des exemples d'utilisation concrets et les tests unitaires associés.
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
Prompt Stable Diffusion pour générer du code Python
Stable Diffusion, reconnu pour sa puissance en génération d'images, peut également être utilisé pour créer des visuels réalistes de code Python. Que vous ayez besoin d'illustrations de snippets de code pour vos présentations, vos articles de blog ou vos supports pédagogiques, Stable Diffusion permet de générer des captures d'écran stylisées d'éditeurs de code affichant du Python. Contrairement aux modèles de langage comme ChatGPT ou Claude qui produisent du code exécutable, Stable Diffusion excelle dans la création d'images photoréalistes représentant du code sur écran, dans un IDE ou un terminal. Cette approche est particulièrement utile pour les créateurs de contenu, les designers UX qui conçoivent des maquettes d'interfaces de développement, ou les formateurs qui souhaitent des visuels percutants sans révéler leur code source réel. En maîtrisant les bons prompts, vous obtiendrez des rendus convaincants d'écrans de développement Python avec une esthétique professionnelle, des couleurs de syntaxe cohérentes et un cadrage soigné. Voici les prompts les plus efficaces pour y parvenir.
Prompt DALL-E pour générer du code JavaScript
DALL-E, le modèle de génération d'images développé par OpenAI, n'est pas conçu pour produire du code JavaScript exécutable. Cependant, il peut jouer un rôle complémentaire précieux dans le workflow d'un développeur JavaScript. DALL-E excelle dans la création de visuels liés au développement : maquettes d'interfaces utilisateur, diagrammes d'architecture, schémas de flux de données, ou encore des illustrations pour documenter votre code. En formulant des prompts précis, vous pouvez obtenir des représentations visuelles de concepts JavaScript complexes comme les closures, le event loop ou les design patterns. Ces visuels servent ensuite de référence pour implémenter votre code, créer de la documentation technique attractive, ou concevoir des supports pédagogiques. L'approche consiste à utiliser DALL-E comme un outil de prototypage visuel rapide : générez une maquette d'interface, puis traduisez-la en composants JavaScript. Cette méthode accélère la phase de conception et réduit les allers-retours entre designers et développeurs. Dans ce guide, nous vous proposons des prompts optimisés pour tirer le meilleur parti de DALL-E dans votre processus de développement JavaScript, du prototypage d'UI à la documentation visuelle de votre code.
Architecture multi-environnements Terraform
Gérer plusieurs environnements avec Terraform
Convertir du CSS en Tailwind
Migrer le style vers Tailwind