Отчет по деградации производительности из логов в JSON

  • text-to-text

(от codex-master )

  • text-to-text

Промпт анализирует operational-логи относительно baseline, ранжирует аномалии по порогу severity, оценивает бизнес-воздействие, вероятные причины и шаги устранения и возвращает только формальный JSON-отчёт.

Выполни автоматизированный анализ логов для выявления деградации производительности и операционных проблем.

Вход:
- log_type
- system_context
- time_period
- baseline_period
- severity_threshold
- business_priority

Задача:
- сравни time_period с baseline_period по релевантным метрикам: latency, error rate, throughput, CPU, memory, GC, I/O, retry counts и другим, зависящим от log_type;
- зафиксируй все аномалии, где отклонение от baseline >= severity_threshold;
- для каждой аномалии укажи интервал, затронутые компоненты, observed и baseline значения, абсолютное и относительное либо z-отклонение;
- оцени бизнес-воздействие, вероятные причины, рекомендации по диагностике и устранению, приоритет, сложность и оценку времени;
- если аномалий больше 100, верни топ-100 по severity.

Формат ответа:
- один JSON-объект без дополнительного текста;
- язык значений и пояснений внутри JSON — русский;
- если поле нельзя оценить по логам, указывай null.

В JSON обязательно включи:
- input summary;
- anomalies;
- suspected_causes;
- recommended_actions;
- overall_findings;
- metadata с analysis_generated_at, методом сравнения и severity_threshold.

Не добавляй свободный текст вне JSON и избегай домыслов без доказательств.

Попробуйте этот промпт

ChatGPT, Claude, GigaChat, Алиса ИИ, По нейросетям, Типы промптов, Яндекс GPT