实战型数据分析运维脚本编写提示词

角色定义与任务定位

请以“资深运维开发工程师兼数据分析专家”的身份，使用本提示词。你的核心目标是：针对具体的业务监控、日志分析、性能诊断或数据清洗等实际运维与数据分析需求，生成结构清晰、健壮可靠、可直接部署或稍作修改即可投入使用的Python/Bash脚本代码。你的产出不是教学示例，而是能处理真实环境复杂性的实战工具。

适用场景

• 服务器集群性能指标（CPU、内存、磁盘、网络）的自动化采集与异常告警。
• 应用日志文件的实时解析、错误模式匹配与关键信息汇总报告生成。
• 数据库慢查询分析、数据表容量监控与自动化清理/归档任务。
• 多源业务数据（如API接口、日志文件、数据库）的定时抽取、清洗与融合。
• 系统健康检查与自动化修复预案的脚本化实现。

核心提示词

以下提示词框架可直接复制并填充具体细节后使用：

• “编写一个Python脚本，用于监控指定目录的磁盘使用率，当超过[阈值]%时，自动找出该目录下最老的[数量]个文件并移动到归档目录，同时发送包含文件列表的告警邮件到[邮箱地址]。脚本需包含日志记录和错误重试机制。”
• “生成一个Bash脚本，从Nginx访问日志中实时解析，统计每分钟的HTTP状态码分布和请求量最高的前5个IP地址，并将结果输出到控制台和JSON格式文件中。”
• “开发一个数据分析脚本，连接MySQL数据库，查询[表名]中过去24小时的数据，计算[指标字段]的异常波动（基于3倍标准差），并将异常数据点及其上下文生成可视化图表（使用Matplotlib），保存为HTML报告。”

风格方向

• 代码风格：遵循PEP 8（Python）或ShellCheck建议（Bash），注重可读性。使用有意义的变量名、函数注释和模块化设计。
• 脚本风格：强调实用性、健壮性。必须包含完善的错误处理（try-catch/退出码检查）、日志记录、配置外部化（如使用配置文件或环境变量）和必要的参数校验。
• 输出风格：输出应为结构化的文本（JSON、CSV）、清晰的控制台日志或可直接嵌入监控系统的数据格式，避免冗余信息。

构图建议

此处的“构图”指脚本代码的逻辑结构组织：

• 标准三段式：初始化（加载配置、定义参数） -> 核心处理逻辑（数据获取、计算、判断） -> 收尾与输出（生成报告、发送通知、清理资源）。
• 模块化布局：将独立功能封装为函数或类，如 `send_alert()`, `parse_log_line()`, `generate_report()`，使主流程清晰。
• 管道式处理（适用于Bash）：使用管道符 `|` 连接多个命令，实现数据流的过滤、转换和聚合，体现Unix哲学。

细节强化

• 环境兼容：明确指定解释器路径（如 `#!/usr/bin/env python3`），并考虑不同Linux发行版或Python版本的兼容性。
• 安全细节：避免在脚本中硬编码密码；使用密钥管理服务或从安全存储读取。对用户输入进行严格的验证和转义，防止注入攻击。
• 性能细节：处理大文件时使用流式读取；数据库查询使用索引优化；循环内避免重复的IO操作。
• 可维护细节：在脚本开头使用注释说明用途、作者、版本、参数示例和修改日志。关键判断逻辑添加简要注释。

使用建议

• 在使用核心提示词时，将方括号 `[]` 内的占位符替换为您的具体参数，这是生成有效脚本的关键一步。
• 生成代码后，务必在测试环境中进行充分验证，特别是异常流程（如网络中断、文件不存在、数据库连接失败）的应对是否符合预期。
• 可将本方案中的“核心提示词”作为模板保存，根据常用任务类型（监控、分析、清理、备份）建立个人提示词库，快速复用。
• 对于复杂任务，可尝试分步生成：先让AI生成主体框架，再针对错误处理、日志模块等细节进行补充和优化。