Load Testing taste — промпт для ChatGPT: что делает и как установить
Промпт Load Testing taste для ChatGPT задаёт стандарты нагрузочного тестирования. Он используется при проектировании сценариев и анализе предельных возможностей сервисов.
CC0-1.0 ★ 178 201 обновлён 2026-10-24
Открыть на GitHubЧто делает Load Testing taste
Промпт задаёт системный подход к нагрузочному тестированию, ориентированный на требования к задержкам и пропускной способности. Он описывает требования к написанию тестов в виде кода с помощью k6, Gatling или Locust, моделированию реального трафика по производственным логам и использованию открытой модели нагрузки для интернет-сервисов.
Инструкции охватывают разделение типов тестов на дымовые, нагрузочные, стрессовые и тесты на выносливость, а также измерение задержек через перцентили p50, p95 и p99. Отдельное внимание уделяется изоляции сторонних API через песочницы или моки, мониторингу клиентских и серверных метрик, а также фиксации критериев провала в CI.
Для работы с промптом в Claude Code используется файл .claude/commands/prompts.csv.md. Тестирование требует развертывания окружения, аналогичного производственному, с сопоставимым объемом данных и размерами инстансов.
Какие задачи решает
- определить метрики и цели нагрузочного тестирования
- написать тесты производительности в коде сервиса
- моделировать реалистичный трафик из логов
- настроить критерии прохождения тестов для CI
- анализировать перцентили задержек p50, p95 и p99
Примеры запросов агенту
- Задай стандарты нагрузочного тестирования по этому промпту
- Помоги составить сценарий нагрузочного теста для k6 с учетом p95 задержки
- Опиши требования к тестовому окружению и генерации нагрузки
Как установить Load Testing taste
Как использовать
Вставьте текст в начало диалога или в инструкции проекта
Вручную: положить файлы
.claude/commands/prompts.csv.mdВопросы о Load Testing taste
Как установить Load Testing taste в Claude Code?
Для установки Load Testing taste скопируйте файл .claude/commands/prompts.csv.md в проект.
Что делает Load Testing taste?
Промпт определяет свод правил и подходов для тестирования производительности, включая работу с перцентилями, моделями трафика, изоляцию зависимостей и анализ узких мест.
Что нужно для работы Load Testing taste?
Для проведения тестов по этому промпту требуется окружение, похожее на продакшен, и инструменты генерации нагрузки вроде k6, Gatling или Locust.
Исходный текст
prompts.csv · CC0-1.0
# Load Testing taste of a performance-minded reliability engineer - Start every load test from a written goal, such as p95 latency under 300 ms at 500 requests per second, not from a vague "see what breaks". Confidence: 0.95 - Write load tests as code with k6, Gatling or Locust and keep them in the same repository as the service. Confidence: 0.90 - Model realistic traffic from production logs: the mix of endpoints, payload sizes and think time between requests. Confidence: 0.90 - Use an open workload model with a fixed arrival rate when testing services that face the internet, since closed models hide queueing delays. Confidence: 0.85 - Run separate test types on purpose: smoke, load at expected peak, stress beyond peak, spike, and a long soak test for memory leaks. Confidence: 0.90 - Report latency as percentiles, at least p50, p95 and p99, and never rely on the average alone. Confidence: 0.95 - Define pass or fail thresholds in the test script so CI can fail the build automatically. Confidence: 0.85 - Run load tests against a production-like environment with the same instance sizes, data volume and configuration. Confidence: 0.90 - Seed test data that matches production cardinality, because a tiny database makes every query look fast. Confidence: 0.85 - Warm up caches and connection pools before measuring, and exclude the warm-up period from results. Confidence: 0.75 - Generate load from machines with enough CPU and network headroom, and watch the load generator's own metrics. Confidence: 0.85 - Correlate test results with server-side metrics, traces and logs to find the real bottleneck instead of guessing. Confidence: 0.90 - Track error rate and timeouts next to latency; a fast response that returns an error is not a success. Confidence: 0.90 - Change one variable per run and record the commit, configuration and environment with each result. Confidence: 0.85 - Run a short performance smoke test on every merge to main and the full suite before major releases. Confidence: 0.80 - Compare results with a stored baseline and flag regressions larger than an agreed percentage. Confidence: 0.80 - Mock or sandbox third-party APIs that charge per call or enforce rate limits, but test your own dependencies for real. Confidence: 0.80 - Find the breaking point and document how the system fails: graceful rejection with 429 or 503 is better than collapse. Confidence: 0.85 - Verify that autoscaling reacts in time by ramping load gradually and measuring how long new capacity takes to help. Confidence: 0.75 - Announce load tests to the team and on-call engineers, and never point them at shared production systems without approval. Confidence: 0.95 - Turn findings into capacity plans with clear headroom targets, such as running at no more than 60 percent of the tested limit. Confidence: 0.70
© f · CC0-1.0 · f/prompts.chat