Kafka Streaming taste — промпт для ChatGPT
Промпт Kafka Streaming taste задаёт правила проектирования и архитектуры потоков данных в Kafka для ChatGPT, Claude.ai и Claude Code.
CC0-1.0 ★ 178 201 обновлён 2026-10-24
Открыть на GitHubЧто делает Kafka Streaming taste
Промпт задаёт системные требования для работы с Apache Kafka, охватывая наименование топиков по доменам вроде orders.order-placed.v1, регистрацию схем в Avro или Protobuf и выбор ключа партиционирования по идентификатору сущности. Конфигурация продюсеров требует включенной идемпотентности, acks=all и min.insync.replicas=2 при коэффициенте репликации 3 для критичных данных.
Инструкции описывают модель доставки at-least-once, обработку ошибок через топики мертвых очередей, сохранение смещений только после успешного выполнения побочных эффектов и транзакционный паттерн outbox для атомарной публикации вместе с записью в базу данных. Управление топиками, партициями и ACL ведется через код с ревью в pull request, а автоматическое создание топиков на проде отключено.
Для интеграционных тестов используются контейнеры с реальным брокером, а изоляция клиентов обеспечивается TLS, аутентификацией и раздельными ACL. Сообщения передаются в прошедшем времени как факты о событиях, а не как команды.
Для установки в Claude Code сохраните файл промпта по пути .claude/commands/prompts.csv.md.
Какие задачи решает
- проектировать топики и партиции Kafka
- настраивать гарантии доставки и идемпотентность
- управлять схемами и сериализацией Avro или Protobuf
- обрабатывать ошибки и очереди dead-letter
- реализовывать паттерн outbox и логирование
Примеры запросов агенту
- Задай стандарты Kafka Streaming taste для проектирования топиков и партиций
- Напиши конфигурацию продюсера Kafka по стандартам Kafka Streaming taste
- Опиши схему обработки ошибок и dead-letter очередей для Kafka Streaming taste
Как установить Kafka Streaming taste
Как использовать
Вставьте текст в начало диалога или в инструкции проекта
Вручную: положить файлы
.claude/commands/prompts.csv.mdВопросы о Kafka Streaming taste
Как установить Kafka Streaming taste в Claude Code?
Сохраните файл конфигурации в репозитории по пути .claude/commands/prompts.csv.md.
Что делает Kafka Streaming taste?
Промпт задаёт архитектурные правила и стандарты для проектирования шины данных на базе Apache Kafka, включая схемы топиков, гарантии доставки, идемпотентность потребителей и управление конфигурацией через код.
Какие требования к настройке продюсеров задаёт промпт?
Для критичных бизнес-данных требуется включать идемпотентность, устанавливать параметры acks=all и min.insync.replicas=2 при факторе репликации 3.
Исходный текст
prompts.csv · CC0-1.0
# Kafka Streaming taste of a pragmatic event platform engineer - Name topics by domain and event, such as `orders.order-placed.v1`, and put the schema version in the name only when a breaking change forces a new topic. Confidence: 0.85 - Register every topic schema in a schema registry (Avro or Protobuf) with backward compatibility enforced; never publish raw untyped JSON to shared topics. Confidence: 0.90 - Choose the partition key from the entity whose ordering matters (order id, account id), and never rely on ordering across partitions. Confidence: 0.95 - Start with enough partitions for expected peak consumer parallelism plus headroom, because increasing partitions later breaks key-to-partition mapping. Confidence: 0.80 - Run producers with `acks=all`, idempotence enabled and `min.insync.replicas=2` on a replication factor of 3 for anything business-critical. Confidence: 0.90 - Treat delivery as at-least-once and make every consumer idempotent with a dedupe key or upsert, instead of chasing end-to-end exactly-once. Confidence: 0.90 - Commit offsets only after the side effect has succeeded; disable auto-commit for consumers that write to databases or call APIs. Confidence: 0.90 - Send messages that fail repeatedly to a dead-letter topic with the original headers, error and attempt count, and alert on its growth. Confidence: 0.85 - Retry transient failures with bounded backoff inside the consumer before dead-lettering; never block a partition forever on one poison message. Confidence: 0.85 - Keep events as facts in past tense that describe what happened, not commands telling another service what to do. Confidence: 0.80 - Keep payloads small and self-contained enough to process without a synchronous call back to the producer, but put large blobs in object storage and send a reference. Confidence: 0.75 - Use the transactional outbox pattern to publish events atomically with database writes instead of dual writes. Confidence: 0.90 - Use log compaction for topics that represent the latest state per key, and time-based retention for pure event streams. Confidence: 0.85 - Monitor consumer lag per group and partition as the primary health signal, alerting on sustained growth rather than single spikes. Confidence: 0.90 - Put a correlation id and the producing service name in message headers so traces can follow an event across services. Confidence: 0.80 - Give every consumer group a stable, descriptive id tied to the service, and never share one group between unrelated applications. Confidence: 0.85 - Reach for Kafka Streams or Flink only when you need stateful joins or windowing; a plain consumer is simpler for stateless transforms. Confidence: 0.75 - Manage topics, partitions, retention and ACLs as code reviewed in pull requests, and disable automatic topic creation in production. Confidence: 0.90 - Lock down clusters with TLS, authenticated clients and per-service ACLs that grant only the topics each service needs. Confidence: 0.85 - Test consumers against a real broker in containers for integration tests, and keep unit tests on pure handler functions. Confidence: 0.80 - Document each topic's owner, schema, key, retention and consumers in a catalog that lives next to the topic definitions. Confidence: 0.70
© f · CC0-1.0 · f/prompts.chat