Library
6 prompts
- Architecture
an app called FilterAI que sirva de filtro entre humanos para ambientes laborales o estudiantiles, con reportería de las intervenciones de la ia y controles mas admin y persistencia, no uso de shadcn o tailwind pero si nextjs, estilo neumorfico, glassmorfico, minimal tactical militar sobrio.
- Architecture
Actúa como “Machine Experience (MX) Auditor” y como “Principal Engineer” a cargo de una app existente. Tú tienes acceso completo al repositorio, infraestructura y observabilidad (código, configs, CI/CD, Vercel/AWS, DB, logs, métricas). No me pidas el stack: lo ves tú. OBJETIVO Analizar y mejorar la MX (Machine Experience) de la app: qué tan fácil es para máquinas (crawlers, LLM browsers/agents, integradores, bots internos, webhooks y jobs) descubrir, entender y ejecutar tareas de forma confiable. DEFINICIÓN OPERATIVA DE MX (para este trabajo) MX = “fricción para máquinas” en: 1) Web: crawlers/LLMs/agents que navegan y extraen contenido 2) APIs: integradores/agents que consumen endpoints 3) Operación: confiabilidad/observabilidad para flujos automatizados end-to-end ENTREGABLES (OBLIGATORIOS) A) Diagnóstico con evidencia - Lista priorizada de problemas MX (Top 20) con: - Severidad (S1 crítico, S2 alto, S3 medio, S4 bajo) - Impacto (qué máquina/flujo afecta) - Evidencia concreta (archivo(s), líneas, rutas, logs, métricas, ejemplos de respuesta) - Causa raíz probable - Riesgo de cambio (bajo/medio/alto) - “Fix outline” (qué cambiar y dónde) B) Mapa del sistema (en texto) - Frontera del sistema y subsistemas (web, APIs, workers, integraciones externas) - Inputs/Outputs - Stocks/Buffers/Queues (tablas de “PENDING”, colas, cachés) - Delays principales (SAP/VTEX/HubSpot/DB/jobs) - Loops (feedback) donde se amplifican fallas - Dependencias y cascadas (qué cae primero y qué arrastra) C) Plan 30/60/90 días - 30 días: quick wins (máximo ROI) + métricas objetivo - 60 días: hardening + estandarización de contratos - 90 días: arquitectura/colas/observabilidad end-to-end Para cada ítem: owner sugerido (FE/BE/DevOps), esfuerzo estimado (S/M/L), y criterio de “Done”. D) Checklist verificable - Checklist de MX para Web, APIs y Operación, con “estado actual” y “estado deseado” y cómo se testea. ALCANCE: QUÉ DEBES REVISAR (mínimo) 1) WEB MX (crawlers/LLMs/agents) - Render strategy: SSR/SSG/CSR, HTML inicial, hydration, contenido indexable - Semántica y estabilidad del DOM (landmarks, headings, IDs, cambios por feature flags) - canonical/hreflang/robots/sitemap, metadata, OpenGraph - Structured data (Schema.org) y validación - Performance: TTFB, caching, 4xx/5xx, redirects - Rate limits/WAF/bot blocking y allowlists 2) API MX (integradores/agents) - OpenAPI real vs implementado (drift), ejemplos, schemas - Versionado, deprecación, compatibilidad hacia atrás - Formato de errores uniforme (problem+json u otro) - Idempotencia (keys), dedupe, reintentos seguros - Timeouts, retries con backoff, circuit breakers, rate limits explícitos - Auth/scopes, permisos mínimos - Consistencia (eventual vs fuerte) documentada 3) OPERACIÓN MX (confiabilidad/observabilidad) - Correlation IDs end-to-end (web → api → worker → integraciones) - Logs/metrics/traces; SLOs (p95/p99, error rate) por dependencia - Manejo de picos: límites de conexiones DB, colas/buffers, “thundering herd” - Jobs/crons: idempotencia, lock, re-entrancy, DLQ - Integraciones (SAP/VTEX/HubSpot/Logística): degradación controlada, fallback, replays METODOLOGÍA 1) Haz un inventario de flujos automatizados críticos (Top 10): orden, pago, creación SAP, sincronizaciones, webhooks, cotización, tracking, etc. 2) Para cada flujo: dibuja mentalmente el camino y localiza puntos de quiebre MX. 3) Produce la lista priorizada de issues y un plan de fixes. RESTRICCIONES - No escribas recomendaciones genéricas. Todo debe apuntar a módulos/archivos/rutas específicas del repo. - Si falta observabilidad, dilo como hallazgo MX y propone instrumentación exacta. - Si hay ambigüedad, asume lo más probable y decláralo. FORMATO DE RESPUESTA 1) “Top 20 issues MX” (tabla o lista estructurada) 2) “Mapa del sistema” 3) “Plan 30/60/90” 4) “Checklist MX verificable” 5) “Anexos”: ejemplos de requests/responses, snippets de config, rutas clave. EMPIEZA AHORA.
- Architecture
Imagine a highly engaging and enriching survival game concept that emphasizes short missions with gradually increasing difficulty levels in hostile environments, such as extreme cold and dense forests. The game should focus on teaching valuable lessons through its gameplay mechanics. 1. **Game Concept Overview**: - Describe the core mechanics of the game, highlighting how players will survive in challenging conditions. - Explain the incremental difficulty progression and its importance for player engagement. 2. **Visual and Interface Design**: - Outline how the game can be designed as a web application, avoiding complex 3D or 2D graphics. - Detail the use of intuitive interfaces that could be contemporary or futuristic, focusing on essential survival parameters like inventory management, health status, and mission objectives. 3. **Survival Elements**: - Include specific survival strategies or skills that players will learn throughout the game. - Discuss the integration of maps and other essential navigation tools to enhance the player experience. 4. **Educational Aspect**: - Explain the lessons that players are expected to learn from each mission and how these lessons are woven into the gameplay. 5. **Target Audience**: - Specify the intended audience for the game and how it can appeal to different age groups or experience levels. Please provide a detailed outline of this game concept, including examples of specific missions, interface elements, and educational outcomes. Aim for a scholarly tone, ensuring clarity and thoroughness in your explanations.
- Architecture
En backend, prefiero enfoques robustos y pragmáticos. Asumir nivel senior: APIs bien diseñadas, contratos claros, manejo explícito de errores y estados, y énfasis en performance, escalabilidad y observabilidad. Priorizar ejemplos reales (Node/NestJS, Python/FastAPI), patrones limpios, decisiones Make-or-Buy justificadas, y soluciones orientadas a producción. Evitar sobre-abstracción, frameworks innecesarios y explicaciones introductorias. En integraciones (ERP/CRM/logística), priorizar idempotencia, trazabilidad, retries y consistencia.