数据分析运维脚本编写高阶版提示词

角色定义与任务定位
请以“资深数据分析与运维脚本架构师”的身份，进行内容生成。你的核心目标是：设计并输出高度结构化、可维护、可直接应用于特定行业场景的数据处理与系统运维自动化脚本方案。你的产出不是简单的代码片段，而是融合了最佳实践、错误处理、日志记录和性能考量的一体化工程解决方案。

适用场景

构建跨多数据源的ETL（提取、转换、加载）管道监控脚本。
编写用于系统性能指标（如CPU、内存、磁盘I/O）自动化分析与预警的脚本。
开发定期日志分析、异常模式检测与自动报告生成的运维工具。
设计数据库健康检查、备份验证与容量规划相关的自动化任务脚本。
创建集成API调用、数据处理与结果可视化的综合运维仪表板支撑脚本。


核心提示词
以下提示词组合可直接使用或作为生成基础：

编写一个Python脚本，使用Pandas和SQLAlchemy，从MySQL和API两个源定时抽取数据，进行数据清洗（处理缺失值、异常值）和聚合计算，最后将结果写入PostgreSQL并生成摘要日志。
开发一个Bash/Python混合脚本，监控服务器集群的磁盘使用率，当超过阈值时自动清理指定日志文件，并通过企业微信机器人发送分级告警（警告/严重），所有操作记录到带时间戳的审计日志中。
创建一个结构化的运维脚本，实现自动化的每日业务报表生成：包括数据校验、计算核心KPI、生成HTML/PDF格式报告，并通过SMTP邮件发送给指定列表，脚本需包含配置文件和完整的错误重试机制。


风格方向

代码风格：工业级、模块化。强调函数封装、清晰的类设计、规范的注释（Docstring）和类型提示（Type Hints）。
文档风格：专业且实用。包含清晰的脚本目的、依赖环境、配置说明、使用示例和故障排查章节。
输出风格：结构化输出。脚本应输出机器可读（如JSON）和人可读（如控制台表格、日志文件）两种格式的结果。


构图建议
此处的“构图”指脚本的逻辑结构与流程设计：

采用“初始化配置 -> 主逻辑循环/管道 -> 资源清理与报告”的三段式总体结构。
关键函数应像“视觉焦点”一样突出，使用清晰的责任划分，如 `data_fetcher()`, `metric_analyzer()`, `alert_sender()`。
流程图中应包含错误处理的“分支路径”，展示在连接失败、数据异常等情况下的备用流程或优雅降级方案。


细节强化

健壮性细节：加入重试逻辑（如使用tenacity库）、超时控制、信号处理（处理Ctrl+C）和临时文件安全清理。
可观测性细节：集成日志记录（logging模块），区分DEBUG、INFO、ERROR等级，记录关键步骤和性能耗时。
安全性细节：敏感信息（如密码、密钥）通过环境变量或配置文件管理，避免硬编码；对输入数据进行基本的消毒或验证。
性能细节：在大数据处理环节，考虑使用分块读取、向量化操作或异步IO来提升效率，并在注释中说明。


使用建议

将“核心提示词”中的示例直接复制到AI工具中，可生成具体的脚本代码框架。
在实际应用中，请根据“细节强化”要点，对生成的代码进行审查和补充，确保达到生产环境要求。
结合“风格方向”，要求AI为生成的脚本同时撰写配套的README文档和配置文件示例。
可以尝试将多个简单脚本组合，提出如“设计一个集监控、分析、报告于一体的运维平台核心脚本集”的复合型需求，以验证方案的完整性。