Seu carrinho está vazio
Adicione pacotes de prompts para continuar
Impulsa tu carrera como desarrollador backend senior con la colección definitiva de 100 prompts diseñados específicamente para resolver los desafíos técnicos más críticos en los mercados de México, Colombia y Perú. Esta herramienta transforma horas de arquitectura y depuración en minutos de ejecución precisa, permitiéndote entregar código de producción, documentación rigurosa y sistemas escalables con estándares de élite internacional. Desde la estructuración de microservicios complejos hasta la implementación de normativas de facturación electrónica locales, estos prompts actúan como un arquitecto senior a tu lado. Ya sea que trabajes en Node.js, Python, Go, Java o .NET, obtendrás entregables listos para integrar, optimizando el rendimiento de tus bases de datos y blindando la seguridad de tus APIs contra las amenazas modernas.
100 recursos incluídos
Actúa como un Ingeniero Senior de SRE (Site Reliability Engineering) y experto en Observabilidad de Sistemas Distribuidos. Tu misión es diseñar la arquitectura lógica, técnica y visual de un "Dashboard de métricas críticas de salud para microservicios" de alta fidelidad, optimizado para entornos de producción en [Plataforma de Despliegue, ej: Kubernetes]. El objetivo es proporcionar una visibilidad 360° que permita reducir el MTTR (Mean Time To Repair) y detectar anomalías antes de que afecten al usuario final, integrando metodologías estándar de la industria como RED (Rate, Errors, Duration) y las cuatro Golden Signals de Google. Para el microservicio [Nombre del Servicio], detalla la configuración de paneles que visualicen en tiempo real la tasa de solicitudes (throughput) desglosada por métodos HTTP y versiones de API, así como la latencia distribuida en percentiles críticos (P50, P90, P95 y P99). Es imperativo que el dashboard incluya una sección de 'Error Budget' basada en los SLOs definidos para [Disponibilidad Objetivo, ej: 99.9%], mostrando claramente la tasa de error (4xx vs 5xx) y el impacto de los errores de red o timeouts en la experiencia del usuario. Extiende el diseño hacia la infraestructura y las dependencias, integrando métricas de utilización y saturación (metodología USE) para los recursos de computación como CPU, Memoria RAM (Working Set vs Limit) y descriptores de archivos en los pods de [Tecnología de Backend, ej: Node.js/Go]. Además, describe cómo visualizar la salud de las dependencias críticas, incluyendo tiempos de respuesta de la base de datos [Tipo de DB, ej: PostgreSQL], latencias de sistemas de mensajería como [Sistema de Mensajes, ej: Kafka] y el estado de los circuitos (Circuit Breakers) si se aplican patrones de resiliencia. Proporciona ejemplos técnicos de consultas en [Lenguaje de Consulta, ej: PromQL para Prometheus] para las métricas más críticas, como el cálculo del porcentaje de errores sobre el total de peticiones y la saturación de memoria. El resultado final debe ser un documento técnico estructurado que sirva de blueprint para configurar herramientas de visualización como Grafana, Datadog o New Relic, asegurando que la correlación entre logs, métricas y trazas distribuidas sea intuitiva para el equipo de guardia (On-call).
Actúa como un Senior API Architect y Especialista en DX (Developer Experience) con amplia experiencia en sistemas distribuidos y estándares de arquitectura empresarial. Tu objetivo es diseñar un ecosistema integral de manejo y mapeo de errores estandarizado para una API REST corporativa de alta escala. El diseño debe ser robusto, escalable y estar orientado a facilitar la integración tanto de desarrolladores internos de frontend como de socios externos y aplicaciones de terceros, siguiendo rigurosamente la especificación RFC 7807 (Problem Details for HTTP APIs). Para comenzar, analiza el contexto del proyecto [NOMBRE_DEL_PROYECTO] implementado sobre el stack tecnológico [TECNOLOGIA_BACKEND]. Debes proponer una estructura de respuesta JSON única que contenga campos esenciales: 'type' (URI de documentación del error), 'title' (resumen corto), 'status' (código HTTP), 'detail' (explicación detallada), 'instance' (URI del recurso afectado), y campos extendidos personalizados como 'errorCode' (código interno de negocio), 'traceId' (para correlación en logs) y 'validationErrors' (array para errores de entrada de datos). Genera un catálogo exhaustivo de mapeo de errores que vincule los estados HTTP estándar (400, 401, 403, 404, 409, 422, 500, 503) con escenarios de negocio específicos del dominio [DOMINIO_NEGOCIO]. Define la jerarquía de excepciones y cómo estas deben ser capturadas mediante un Global Exception Handler o Middleware en [TECNOLOGIA_BACKEND], asegurando que la información sensible de la infraestructura (stack traces internos) nunca sea expuesta en entornos de producción, pero sí esté disponible en entornos de desarrollo mediante condicionales de configuración. Finalmente, entrega la especificación técnica en formato OpenAPI 3.0 (YAML/JSON) para la sección de 'Components/Schemas' que represente este modelo de error estandarizado, permitiendo que las herramientas de generación de código produzcan modelos consistentes. Incluye también una breve guía de mejores prácticas de consumo para el equipo de frontend, detallando cómo interceptar estos errores y mapearlos a componentes de UI (Toasts, Modales o validaciones de campo) de manera dinámica según el 'errorCode' recibido.
Actúa como un Arquitecto de Software Senior especializado en Backend y Modelado de Datos. Tu objetivo es diseñar e implementar un esquema robusto de base de datos utilizando SQLAlchemy 2.0 (estilo Declarative) para gestionar relaciones Many-to-Many complejas en el contexto de una red social de alta disponibilidad. Necesito que el código sea modular, tipado con Python Type Hints y que siga las mejores prácticas de la Capa de Acceso a Datos (DAL). Primero, define una tabla de asociación para la funcionalidad de [NOMBRE_FUNCIONALIDAD_M2M] (por ejemplo, Seguidores, Miembros de Grupos o Etiquetas en Posts). Esta tabla debe implementarse utilizando el objeto 'Table' de SQLAlchemy o una clase 'Association Object' si se requieren atributos adicionales como '[ATRIBUTO_EXTRA]' (ej. fecha de creación, nivel de permisos). Asegúrate de incluir las restricciones de llave foránea (ForeignKey) y llaves primarias compuestas para garantizar la integridad referencial en el motor [MOTOR_DB]. Segundo, desarrolla la clase de modelo principal '[MODELO_PRINCIPAL]' que representará la entidad central de la relación. Utiliza la función 'relationship()' configurando correctamente los parámetros 'secondary', 'back_populates', y define explícitamente la estrategia de carga mediante 'lazy' (ej. selectin, joined o subquery) para evitar el problema de consultas N+1, considerando que la red social escalará a [NUMERO_USUARIOS] usuarios activos. Tercero, implementa métodos de conveniencia dentro del modelo o en una clase de Repositorio para gestionar la relación: añadir un nuevo vínculo, eliminarlo y verificar la existencia de la relación de forma eficiente. El código debe incluir manejo de sesiones de SQLAlchemy de forma asíncrona (AsyncSession) si se detecta que el entorno lo requiere, y validaciones básicas para evitar relaciones redundantes o cíclicas no permitidas en [CONTEXTO_NEGOCIO]. Finalmente, genera un script de ejemplo de uso que demuestre cómo realizar una consulta compleja que filtre el [MODELO_PRINCIPAL] basándose en criterios de la tabla de asociación, utilizando 'exists()' o joins explícitos, y devolviendo los resultados en un formato optimizado para ser serializado por Pydantic en una API de FastAPI.