Как дебажить код с помощью ИИ: 5 промптов и схема, которая работает

История разработчика, который каждый день пишет код, ловит баги и общается с ИИ 😁

Как дебажить код с помощью ИИ: 5 промптов и схема, которая работает

Привет 👋 Меня зовут Дима, 9 лет в бэкенде, сейчас я Senior Backend в продуктовой компании + пара пет-проектов на фрилансе. Не блогер, не IT-евангелист, просто человек, который пишет код 6 дней в неделю.

Расскажу, как я перестроил свой workflow с ИИ, без «нейросети заменят джунов», без «топ-10 промптов, которые взорвут вашу продуктивность» и прочего.

Две вещи, которые реально достали

1. ИИ выдаёт устаревший код.

Стандартная история: подтягиваю свежую библиотеку, спрашиваю ChatGPT — он выдаёт красивый код, который падает с ошибкой, потому что в новой версии этот метод выпилили полгода назад.

Час-два уходит на то, чтобы перепроверить каждую строчку, открыть GitHub, найти актуальный док и понять, что поменялось.

2. Копипаст рабочего кода в чужие облака.

У нас в компании NDA, серьёзные клиенты и чувствительные данные. Когда я копирую кусок кода для разбора в ChatGPT, бывает, что в голове щёлкает: «А это вообще законно?»)))

Например, согласно политике OpenAI запросы хранятся минимум 30 дней. Я не параноик и понимаю, что мой кусок воркера никому не нужен. Но «никто не будет читать» и «технически невозможно прочитать» — это две разные вещи. Особенно когда речь про прод-код, в котором мелькают названия внутренних сервисов и схем БД.

Что я пробовал до того, как нашёл нормальное решение?

Последние полгода я тестил всё подряд:

🔸 GitHub Copilot — хорош в IDE, но у нас в компании он не подключён

🔸 Локальная LLM (Ollama + DeepSeek Coder) — работает, но довольно медленно, актуальные issue тоже не подтягивает

🔸 Perplexity — хорош для ресерча, но платить из РФ — это отдельный геморрой

Наглядное сравнение топовых ИИ, исходя из моего опыта
Наглядное сравнение топовых ИИ, исходя из моего опыта

Знакомство с Искрой

Знакомый из соседней команды недели две назад затащил меня в Искру. Я зашёл скептиком — за последние пару лет навидался «российских аналогов чего-то», и почти все оказывались сырыми клонами без идеи. Но тут зацепило не интерфейсом (он минималистичный и без вау-эффектов), а тем, как у них устроена приватность.

🔍 Объясню как понял:

1. Между мной и LLM стоит «слой Искры». Когда я пишу запрос, он сначала идёт на серверы Искры. И только потом — в Claude, GPT, Gemini или другие модели. Причём в LLM уходит только обезличенный текст моего запроса. А вот мой email, IP, ID, история других чатов — не уходит никуда.

2. Чаты в базе зашифрованы. Расшифровать их можно только моим ключом сессии — то есть когда я сам залогинен. Без меня в базе лежит набор байтов.

3. Есть режим инкогнито. Включаешь — и история не пишется вообще нигде. Ни на сервере, ни локально. Это для случаев «вообще не хочу следов». Я в этом режиме работаю с рабочим кодом по умолчанию.

4 кейса из реальной работы

🔧 Кейс 1: Плавающий баг, который я ловил неделю

У нас был баг: воркер периодически падал с RuntimeError: Event loop is closed. Локально не воспроизводился. ChatGPT (когда ещё пользовался) выдавал общие советы из 2024 года.

Включаю в Искре режим инкогнито и собираю нормальный контекст для запроса — это, кстати, главное, что отличает «ИИ ответил по делу» от «ИИ галлюцинировал». Дал: кусок воркера, полный traceback из логов (~30 строк) и версии всех зависимостей по интересующим пакетам.

Закидываю промпт:

В асинхронном воркере (Python 3.11, FastAPI, asyncpg) периодически валится RuntimeError: Event loop is closed при graceful shutdown. Найди свежие issue в GitHub за последние 6 месяцев по этой проблеме. Дай прямые ссылки. Если есть workaround — опиши с примером кода.

Получаю свежий issue, открытый месяц назад, с обсуждением мейнтейнеров и рабочим workaround. На неделе наблюдал в проде, за 200+ рестартов — ни одного падения.

🔧 Кейс 2: Не парюсь из-за внутренних имён в трейсах

Часто в стектрейсах у нас всплывают внутренние названия модулей, которые не хочется светить. Раньше я заменял их на абстрактные module_a / module_b, потом обратно — теряется контекст, ИИ хуже понимает суть.

Сейчас просто кидаю стектрейс как есть в инкогнито. Сколько часов в месяц это экономит — точно не считал, но субъективно «обфускация трейсов» как задача исчезла из моей рутины полностью.

🔧 Кейс 3: Свежие гайды и доки

Искра ходит в веб прямо сейчас и приносит живые ссылки. Это решает главную боль других ИИ с их устаревшими данными.

Промпт наподобие:

Какие сейчас рекомендуемые подходы для миграции с SQLAlchemy 1.4 на 2.0 в больших проектах? Нужны: - свежие гайды (не старше 6 месяцев); - известные подводные камни; - ссылки на официальную доку.

И мне приходит свежая информация, которую руками я бы искал часа 2-3.

🔧 Кейс 4: Архитектурный «спарринг»

Иногда нужен второй мозг по архитектурному решению. С коллегами обсудить — не всегда вариант (NDA на проект, или просто никто не свободен), на StackOverflow такое не вынесешь.

В Искре есть штука, которую они называют «агенты» — по сути, заранее настроенные системные промпты под роль. Есть «Программист», «Аналитик данных» и другие. Не надо в начале каждого чата писать «представь, что ты Senior с 15-летним опытом» — агент уже в роли, и отвечает в стиле архитектурного ревью.

Интерфейс Искры
Интерфейс Искры

Пишу:

Выбираю между Redis + Celery и RabbitMQ для очереди задач с приоритетами. Нагрузка ~50k задач/час, латентность критична для топ-приоритета (<100мс). Что надёжнее под мои условия? Дай аргументы и ссылки на бенчмарки.

И получаю развернутый ответ со ссылками. Не как «истину в последней инстанции», но как отличного спарринг-партнёра.

5 промптов, которые гоняю постоянно

Делюсь тем, что работает с любым ИИ:

🔥 Промпт №1. Разбор stacktrace

Вот мой stacktrace: [вставить] Задача: 1. Определи root cause (не симптом). 2. Объясни, почему эта ошибка возникает. 3. Дай минимальный воспроизводимый пример. 4. Предложи 2-3 варианта исправления. 5. Приложи ссылки на актуальные issues / документацию.

🔥 Промпт №2. Обновление библиотеки

Я использую [библиотека] версии [X]. Хочу обновиться до последней. Дай: 1. Список breaking changes. 2. Code-snippets «было / стало» для критичных изменений. 3. Известные баги в новой версии. 4. Ссылку на официальный migration guide.

🔥 Промпт №3. Сравнение библиотек

Мне нужно решить задачу: [описание]. Условия: [нагрузка, стек, ограничения]. Сравни 3-4 актуальные библиотеки. Для каждой: - пример кода под мой стек; - плюсы/минусы под мою задачу; - статус мейнтейнинга; - ссылки на доку. В конце — рекомендуй один вариант с обоснованием.

🔥 Промпт №4. Архитектурная критика

Я планирую: [описание решения]. Будь критичным архитектором-ревьюером. Найди: 1. Технические риски. 2. Что плохо масштабируется или сложно поддерживать. 3. Альтернативы, которые я мог упустить. Не будь вежливым. Если решение плохое — скажи прямо.

🔥 Промпт №5. Разбор непонятного поведения

Вот код: [код] Поведение, которое не понимаю: [описание] Что я ожидал: [описание] Объясни: 1. Почему код ведёт себя именно так (со ссылками на спецификацию). 2. Какой механизм языка/библиотеки за это отвечает. 3. Как это исправить.

Что в итоге?

Через полгода я пришёл к такой схеме, делюсь:

Как дебажить код с помощью ИИ: 5 промптов и схема, которая работает

Я не предлагаю никому менять весь workflow. Если у вас всё работает — окей. Но если вы ищете адекватный способ работать с нейросетями из РФ без VPN — попробуйте 😉

У Искры есть бесплатный пробный период — возьмите любой из 5 промптов выше, прогоните в Искре и в ChatGPT. Сравните актуальность ссылок, как минимум) Я именно так и проверял.

Пишите в комментарии свои вопросы, особенно интересно мнение тех, кто работает с чувствительными данными (банки, финтех, медицина) 👇

2