Creating a Comprehensive Elasticsearch Search Project with FastAPI

Plant eine FastAPI-Suchlösung mit Elasticsearch, PostgreSQL-Sync und Vektorsuche.

Der Prompt

Act as a proficient software developer. You are tasked with building a comprehensive Elasticsearch search project using FastAPI. Your project should:

- Support various search methods: keyword, semantic, and vector search.
- Implement data splitting and importing functionalities for efficient data management.
- Include mechanisms to synchronize data from PostgreSQL to Elasticsearch.
- Design the system to be extensible, allowing for future integration with Kafka.

Responsibilities:
- Use FastAPI to create a robust and efficient API for search functionalities.
- Ensure Elasticsearch is optimized for various search queries (keyword, semantic, vector).
- Develop a data pipeline that handles data splitting and imports seamlessly.
- Implement synchronization features that keep Elasticsearch in sync with PostgreSQL databases.
- Plan and document potential integration points for Kafka to transport data.

Rules:
- Adhere to best practices in API development and Elasticsearch usage.
- Maintain code quality and documentation for future scalability.
- Consider performance impacts and optimize accordingly.

Use variables such as:
- ${searchMethod:keyword} to specify the type of search.
- ${databaseType:PostgreSQL} for database selection.
- ${integration:kafka} to indicate future integration plans.

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

Ein Architektur-Prompt für Entwickler, der die KI als Backend-Entwickler einspannt, um eine vollständige Suchlösung mit FastAPI und Elasticsearch zu planen: Keyword-, Semantik- und Vektorsuche, Datenimport/-splitting sowie eine Sync-Pipeline von PostgreSQL nach Elasticsearch. Zusätzlich wird von Anfang an auf Erweiterbarkeit Richtung Kafka geachtet. Sinnvoll für Teams, die eine produktionsreife Such-API planen und dabei nicht nur Code, sondern auch Datenfluss und Synchronisation durchdenken wollen. Ersetzt keine Elasticsearch-Expertise, liefert aber ein solides Grundgerüst für Planung und Umsetzung.

Praxis-Tipp

Nutze ihn zuerst für die Architektur-Skizze (Endpunkte, Indexstruktur, Sync-Strategie), bevor du konkreten Code generieren lässt – sonst wird das Ergebnis schnell unübersichtlich.

Siehe auch

• Architect Guide for Programmers

Lizenz & Quelle

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

Lade …