OpaGPT Для Python-разработчика в финтехе ИИ — это ассистент по генерации кода, анализу транзакций и проверке безопасности. Но без правильно сформулированного промпта модель выдаёт общие рекомендации. Промпт-конструктор превращает запрос в точное ТЗ.
Структура эффективного промпта
- Роль — задаёт экспертизу: «ты — финансовый аналитик и Python-разработчик».
- Контекст — данные, стек, ограничения: «есть DataFrame с транзакциями, используй pandas».
- Задача — конкретный результат: «напиши функцию расчёта NPV».
- Формат вывода — код, таблица, JSON; «верни только код с комментариями».
- Критерии приёмки — тесты, точность, производительность.
Совет: описывайте не только, что сделать, но и как проверить результат. В финтехе критичны детерминизм и отслеживаемость — требуйте от ИИ пояснений и тестов.
Готовые шаблоны запросов
| Задача | Промпт | Пояснение |
|---|---|---|
| Расчёт процентов | «Ты — Python-разработчик финтех-продукта. Напиши функцию сложных процентов с ежедневной капитализацией. Вход: principal, rate, days. Выход: сумма. Используй Decimal, проверь отрицательные значения. Добавь pytest-тесты». | Роль, вход/выход, финансовый тип данных, тесты |
| Аномалии в транзакциях | «Ты — аналитик ИИ. Дан список транзакций: id, сумма, категория, время. Используя pandas, найди выбросы по сумме (mean+3σ). Выведи топ-10 подозрительных id. Код готов к продакшену». | Контекст, метод, критерий, формат вывода |
| Рефакторинг legacy | «Преобразуй спагетти-код в модульную структуру, сохранив поведение. Добавь type hints, обработку ошибок, логирование. Предложи pydantic v2 для валидации». | Ограничение, цели, желаемый стек |
Настройка под свой проект
- Добавьте версии библиотек: «Python 3.11, pandas 2.0, SQLAlchemy 2».
- Включите примеры входных и выходных данных — модель быстрее поймёт паттерн.
- Укажите антипаттерны: «не используй float для денег, избегай глобальных состояний».
- Итерируйте: если ответ не подходит, уточняйте контекст или просите альтернативные решения.