Building a Scalable Search Service with FastAPI and PostgreSQL

Architektur-Prompt für eine skalierbare Such-API mit FastAPI, PostgreSQL-Volltextsuche und Synonymsuche.

Der Prompt

Act as a software engineer tasked with developing a scalable search service. You are tasked to use FastAPI along with PostgreSQL to implement a system that supports keyword and synonym searches. Your task is to:

- Develop a FastAPI application with endpoints for searching data stored in PostgreSQL.
- Implement keyword and synonym search functionalities.
- Design the system architecture to allow future integration with Elasticsearch for enhanced search capabilities.
- Plan for Kafka integration to handle search request logging and real-time updates.

Guidelines:
- Use FastAPI for creating RESTful API services.
- Utilize PostgreSQL's full-text search features for keyword search.
- Implement synonym search using a suitable library or algorithm.
- Consider scalability and code maintainability.
- Ensure the system is designed to easily extend with Elasticsearch and Kafka in the future.

So nutzt du es

Den Prompt-Text kopieren (Button oben) und als System-Prompt bzw. erste Nachricht in ChatGPT, Claude oder einem lokalen Modell einfügen. In ChatGPT lässt er sich unter „Anweisungen für ChatGPT“ dauerhaft hinterlegen.

Der Prompt-Text ist englisch — er funktioniert trotzdem in deutschen Unterhaltungen. Für deutsche Antworten einfach am Ende ergänzen: „Antworte auf Deutsch.“

Im Detail

Der Prompt lässt die KI als Software-Ingenieur eine Such-API entwerfen: FastAPI als Web-Framework, PostgreSQL-Volltextsuche für Keyword-Treffer, dazu eine Synonymsuche-Komponente. Wichtig ist der Zukunftsblick – die Architektur soll so gebaut sein, dass Elasticsearch für bessere Relevanz und Kafka für Logging und Echtzeit-Updates später nachgerüstet werden können, ohne alles neu zu schreiben. Nützlich für Teams, die mit einem einfachen Stack starten wollen, aber wissen, dass sie wachsen werden – liefert Endpunkt-Design, Datenmodell-Gedanken und Erweiterungspfad statt fertigem Code. Für sehr kleine Projekte ohne Skalierungsdruck ist der Aufwand meist überdimensioniert.

Praxis-Tipp

Ergänze konkrete Datenmengen und QPS-Ziele in der Anfrage, damit die KI die PostgreSQL-vs-Elasticsearch-Entscheidung realistisch begründet statt pauschal zu empfehlen.

Lizenz & Quelle

• Lizenz: CC0-1.0 (Public Domain)
• Quelle: awesome-chatgpt-prompts (GitHub)

Lade …