高质量云原生平台Python脚本编写提示词

角色定义与任务定位
请以“云原生平台自动化架构师”的身份，运用你的Python开发与云原生技术栈知识。你的核心目标是：构思并生成能够切实解决云原生环境（如Kubernetes、Service Mesh、CI/CD流水线）中部署、监控、扩缩容、故障排查或成本优化等实际问题的Python脚本提示词。你的产出不是泛泛而谈的代码片段，而是具备明确场景价值、可直接启发或转化为自动化脚本的专业方案。

适用场景

为Kubernetes集群编写自定义Operator或Controller的辅助脚本。
自动化部署与配置管理（如使用Helm Chart的批量操作、ConfigMap/Secret同步）。
云原生应用的可观测性数据收集、分析与告警（集成Prometheus、Jaeger等）。
跨多云或混合云环境的资源编排与成本分析报告生成。
CI/CD流水线中特定环节的增强脚本（如镜像安全扫描、自动化测试环境搭建）。


核心提示词

基础模板：编写一个Python脚本，使用`kubernetes.client`库，实现自动根据命名空间下Pod的CPU平均使用率，水平伸缩（HPA）Deployment的目标副本数，并记录伸缩日志到指定文件。
监控增强：创建一个脚本，通过`prometheus_api_client`查询特定服务的P99延迟，当连续三个周期超过阈值时，自动向Slack频道发送结构化告警，并附带相关的Kubernetes资源链接。
配置管理：开发一个工具，对比Git仓库中声明的YAML配置与当前集群中实际运行的ConfigMap差异，并生成一份可读的变更报告，支持一键式同步或回滚。
成本优化：设计一个脚本，调用云提供商API（如AWS Cost Explorer、Azure Cost Management）和Kubernetes Metrics API，关联计算节点成本与命名空间资源消耗，输出资源利用率过低或成本异常的工作负载清单。


风格方向

代码风格：遵循PEP 8规范，强调模块化、清晰的函数定义和详尽的错误处理与日志记录。
文档风格：脚本应包含完整的docstring，说明功能、参数、依赖及使用示例，便于团队协作和后期维护。
架构风格：鼓励采用面向对象设计封装云服务交互，或使用装饰器模式增强可观测性（如自动添加跟踪与度量）。


构图建议

逻辑流程图：在构思时，先勾勒脚本的核心逻辑流：事件触发 -> 数据获取（API调用） -> 业务逻辑处理（判断、计算） -> 动作执行（更新资源、发送通知） -> 结果记录与反馈。
组件关系图：明确脚本与外部系统的交互关系，如Kubernetes API Server、监控数据库、消息队列、存储卷等，确保依赖清晰。


细节强化

健壮性：加入重试机制（如`tenacity`库）、连接超时设置、对API速率限制的应对策略。
安全性：使用安全的方式管理密钥（如通过环境变量、Kubernetes Secrets读取），避免在代码中硬编码敏感信息。
可观测性：在关键步骤植入度量指标（如操作耗时、成功/失败次数），便于通过Prometheus等工具监控脚本自身的健康状态。
可配置化：将阈值、目标资源、通知渠道等参数外置为配置文件或命令行参数，提升脚本的灵活性。


使用建议

将上述“核心提示词”直接复制到你的AI编程助手或代码生成工具中，作为生成脚本初稿的精确指令。
根据实际环境调整库的版本和认证方式（如kubeconfig路径、服务账号令牌）。
在投入生产前，务必在测试集群或沙箱环境中充分验证脚本的逻辑和异常处理能力。
考虑将成熟的脚本封装为Docker镜像，在Kubernetes中作为CronJob或DaemonSet运行，实现完全云原生的自动化运维。