Tu carrito esta vacio
Agrega packs de prompts para continuar
Copia, pega y úsalos en tu IA favorita:
Solo $0.03 por prompt · pago único
100 recursos incluidos
Domina el ecosistema de Python con esta colección definitiva de prompts diseñada para transformar tu productividad técnica. Desde la automatización de procesos complejos hasta la arquitectura de microservicios de alto rendimiento, cada instrucción ha sido optimizada para ofrecer soluciones directas, código limpio y mejores prácticas de la industria en segundos. Ideal para desarrolladores, analistas de datos e ingenieros de software que buscan elevar la calidad de sus proyectos. Esta guía elimina la ambigüedad y proporciona el marco exacto para resolver desafíos algorítmicos, manipular grandes volúmenes de datos y construir sistemas robustos, garantizando una ventaja competitiva en el mercado tecnológico actual.
Actúa como un Ingeniero de Software Senior especializado en la Optimización de Sintaxis Core de Python. Tu misión técnica es diseñar un motor de generación de reportes ultra-eficiente basado exclusivamente en la manipulación avanzada de f-strings (literales de cadena con formato). El objetivo primordial es procesar la fuente de datos estructurada en [DATA_SOURCE] y transformarla en una salida de texto tabular profesional que cumpla con los estándares de auditoría financiera y técnica más rigurosos del sector. Para este desafío de ingeniería, debes implementar técnicas de formateo de precisión quirúrgica para números decimales en la columna [FINANCIAL_COLUMN], asegurando que todos los valores estén perfectamente alineados a la derecha con un ancho fijo de [WIDTH_VALUE] caracteres. Es obligatorio que el código resultante incluya separadores de miles, signos de moneda dinámicos y un redondeo fijo a dos decimales, todo gestionado directamente dentro de la expresión de la f-string para maximizar la velocidad de procesamiento al evitar llamadas a funciones externas innecesarias. La lógica del reporte debe ser inteligente: integra micro-lógica dentro de las propias f-strings utilizando operadores ternarios avanzados. Debes insertar automáticamente indicadores visuales de tendencia (como caracteres Unicode de flechas ascendentes o descendentes) basados en si el valor supera o no el umbral crítico definido en [THRESHOLD_LIMIT]. Esta lógica debe convivir armónicamente con la sintaxis de alineación (<, >, ^) y el relleno de caracteres (padding) para garantizar que la estructura visual del reporte no se rompa independientemente de la magnitud de los datos de entrada en [BUSINESS_LOGIC]. Finalmente, la entrega debe incluir una comparativa técnica de rendimiento donde justifiques el uso de f-strings frente a métodos legados como el operador % o el método .format(). Optimiza la función para que gestione correctamente el parseo de fechas según el estándar [DATE_FORMAT], asegurando que la cabecera del reporte se genere dinámicamente con un separador decorativo calculado automáticamente según el ancho total de la tabla. El código final debe ser una pieza de software lista para producción, modular y enfocada en la eficiencia del ciclo de CPU. Si falta información clave para completar los campos entre corchetes, hazme las preguntas necesarias antes de responder.
Acceso inmediato tras la compra desde tu panel. Solo copias y pegas en tu IA.
En ChatGPT, Claude, Gemini, DeepSeek, Grok, Qwen y cualquier chat de IA.
Sí. Cada prompt incluye campos entre corchetes donde insertas tu información, contexto y datos específicos, así que se ajustan a tu situación, país o sector.
Sí. Más arriba puedes leer prompts de muestra completos, tal como los recibirás, para verificar la calidad antes de pagar.
Sí. Pagas una sola vez y son tuyos para siempre, con actualizaciones incluidas.
Actúa como un Desarrollador Senior de Backend experto en el lenguaje Python y en patrones de diseño estructurales. Tu objetivo es diseñar e implementar un sistema de auditoría basado en decoradores altamente eficiente y configurable para el módulo [NOMBRE_DEL_MODULO], asegurando que cada llamada a las funciones críticas sea registrada con precisión quirúrgica sin degradar significativamente el rendimiento del sistema base. El sistema debe seguir las mejores prácticas de 'Optimización de Sintaxis Core', utilizando técnicas avanzadas de metaprogramación y el módulo functools para preservar la identidad y los metadatos de las funciones decoradas (docstrings, nombres, firmas). La implementación debe capturar de forma obligatoria los siguientes metadatos en cada ejecución: la marca de tiempo exacta en formato ISO, el nombre de la función invocada, los argumentos posicionales (*args) y nominales (**kwargs) —aplicando una máscara de seguridad estricta a [CAMPOS_ESPECIFICOS] para evitar fugas de información sensible—, el valor de retorno obtenido y el tiempo total de ejecución calculado con el módulo time o perf_counter. Además, el decorador debe ser lo suficientemente flexible para integrarse con un sistema de persistencia de tipo [DESTINO_DE_DATOS], permitiendo una trazabilidad completa de las acciones en entornos de producción bajo un nivel de criticidad definido como [NIVEL_DE_LOGGING]. Considera escenarios complejos de ejecución, incluyendo el soporte nativo para funciones asíncronas (async/await) mediante la detección dinámica del tipo de función o el uso de decoradores específicos para corrutinas. Debes implementar un bloque de manejo de excepciones robusto basado en [MANEJO_DE_ERRORES], de modo que cualquier fallo interno en el proceso de registro de auditoría no interrumpa el flujo principal de la aplicación (filosofía fail-safe). La arquitectura del decorador debe permitir su aplicación tanto en funciones independientes como en métodos de clase (instance methods), manejando correctamente el acceso al contexto 'self' o 'cls' sin incluir estos punteros en los logs de datos a menos que se especifique lo contrario. Finalmente, genera un código que sea compatible con Python 3.10+ y que siga estrictamente las convenciones de estilo PEP 8. El resultado debe estar modularizado, ser fácil de mantener y debe incluir una breve explicación técnica sobre cómo la implementación optimiza el uso de memoria y CPU, evitando la creación innecesaria de objetos en el heap durante cada invocación. Proporciona ejemplos de uso claros donde se aplique el decorador a una función de procesamiento de datos y a un método de API asíncrono. Si falta información clave para completar los campos entre corchetes, hazme las preguntas necesarias antes de responder.
Actúa como un Arquitecto de Software Senior y Desarrollador Python experto en la creación de interfaces de línea de comandos (CLI) robustas y escalables. Tu objetivo es diseñar un sistema de gestión de argumentos hiper-optimizado utilizando exclusivamente la librería estándar `argparse` para el proyecto denominado [Nombre_del_Proyecto]. La solución debe centrarse en la 'Optimización de Sintaxis Core', asegurando que el código sea modular, fácil de mantener y cumpla con las mejores prácticas de la comunidad Python (PEP 8). El diseño debe estructurarse para manejar una complejidad avanzada, integrando múltiples niveles de subcomandos para las funcionalidades de [Funcionalidades_Clave]. Cada argumento debe estar meticulosamente definido con sus respectivos tipos de datos, valores por defecto sensatos, mensajes de ayuda descriptivos y metavariables claras. Es imperativo que utilices `ArgumentParser`, `add_subparsers`, y que implementes grupos de argumentos para mejorar la legibilidad de la ayuda generada por el script cuando el usuario ejecute `--help`. Debes incluir obligatoriamente el uso de `add_mutually_exclusive_group` para los parámetros [Parametros_Excluyentes], garantizando que el usuario no pueda cometer errores de configuración lógica en tiempo de ejecución. Además, integra validaciones personalizadas mediante funciones de tipo ('type') para asegurar que las entradas de [Variables_Criticas] sigan un formato específico (como expresiones regulares o rangos numéricos estrictos). El script resultante debe ser capaz de parsear los argumentos y retornar un objeto de configuración que se inyectará en la lógica principal del programa. Finalmente, documenta la estructura de los comandos dentro del mismo script, proporcionando ejemplos de uso en la línea de comandos para cada subcomando definido. Asegúrate de manejar correctamente las excepciones de `argparse` para evitar volcados de pila (stack traces) innecesarios, proporcionando en su lugar mensajes de error limpios y dirigidos al usuario final. El código debe estar listo para ser integrado en un entorno de producción de alto rendimiento. Si falta información clave para completar los campos entre corchetes, hazme las preguntas necesarias antes de responder.
Es una instrucción maestra, optimizada para la IA.
Prompt
tu instrucción
IA
Resultado
Basado en 5 reseñas
Vale cada centavo. Funcionan igual de bien en ChatGPT y en Claude. Ya se los recomendé a mi equipo.
Buena relación calidad-precio. Se adaptan bien con algunos ajustes. Le faltó poco para el cinco.
Justo lo que estaba buscando. Me ahorraron horas de trabajo en la primera semana. Cien por ciento recomendado.
La mejor compra que hice este mes. Son fáciles de adaptar a mi caso con solo cambiar los campos. Totalmente recomendados.
Contento con la compra. La mayoría me funcionaron a la primera. Volvería a comprar.