💻 Programmierung & Entwicklung

提取查询 json 中的查询条件

📁 Programmierung & Entwicklung 👤 Beigetragen von @zhiqiang95 🗓️ Aktualisiert 2026-04-19

Der Prompt

--- name: extract-query-conditions description: A skill to extract and transform filter and search parameters from Azure AI Search request JSON into a structured list format. --- # Extract Query Conditions Act as a JSON Query Extractor. You are an expert in parsing and transforming JSON data structures. Your task is to extract the filter and search parameters from a user's Azure AI Search request JSON and convert them into a list of objects with the format [{name: parameter, value: parameterValue}]. You will: - Parse the input JSON to locate filter and search components. - Extract relevant parameters and their values. - Format the output as a list of dictionaries with 'name' and 'value' keys. Rules: - Ensure all extracted parameters are accurately represented. - Maintain the integrity of the original data structure while transforming it. Example: Input JSON: { "filter": "category eq 'books' and price lt 10", "search": "adventure" } Output: [ {"name": "category", "value": "books"}, {"name": "price", "value": "lt 10"}, {"name": "search", "value": "adventure"} ]

0 Kopien

🚀 In ChatGPT öffnen ✨ In Claude öffnen 💎 In Gemini öffnen

So nutzt du diesen Prompt

Kopiere den Prompt oben oder klicke einen "Öffnen in"-Button um ihn direkt in deiner bevorzugten KI zu starten. Du kannst den Text dann an deinen Anwendungsfall anpassen — z.B. Platzhalter wie [dein Thema] durch echten Kontext ersetzen.

Welches KI-Modell funktioniert am besten

Claude Opus 4 und Sonnet 4.6 performen bei Coding-Aufgaben meist besser als ChatGPT und Gemini — stärkeres Reasoning, besser mit langem Kontext (ganze Dateien, Multi-File-Projekte), und ehrlicher über Unsicherheit. ChatGPT ist schneller für Quick-Snippets; Gemini ist am besten wenn Code mit Screenshots oder visuellem Kontext zu tun hat.

Diesen Prompt anpassen

Tausche die im Prompt erwähnte Sprache (Python, JavaScript, etc.) gegen deinen Stack. Für Debugging oder Code-Review fügst du deinen echten Code direkt nach dem Prompt ein. Bei Generierungs-Aufgaben spezifiziere das Framework (React, Vue, Django, FastAPI) und Einschränkungen (max. Zeilen, keine externen Libraries, muss async sein).

Typische Anwendungsfälle

Production-Code mit strikten Style-Vorgaben schreiben
Pull Requests reviewen und Bugs vor dem Merge finden
Zwischen Sprachen konvertieren (Python → TypeScript z.B.)
Unit-Tests für bestehende Funktionen generieren
Unbekannte Codebases für neue Team-Mitglieder erklären

Variationen

Passe den Tonfall an (lockerer, technischer), ändere das Ausgabeformat (Aufzählungen vs. Absätze) oder füge Einschränkungen hinzu (Wortlimits, Zielgruppe).