💻 Programmierung & Entwicklung

Creating a Comprehensive Elasticsearch Search Project with FastAPI

📁 Programmierung & Entwicklung 👤 Beigetragen von @ZhenjieZhao66 🗓️ Aktualisiert 2026-04-19

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.

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).