Un mejor prompt de GPT-5 para triage de bugs y tickets de ingeniería
Why this prompt matters
Bug reports often arrive as incomplete fragments, which slows triage and wastes engineering time. A strong prompt can turn scattered evidence into a structured ticket, help teams ask better follow-up questions, and get serious issues to the right owner faster.
What we use it for
Turning messy support reports, QA notes, and Slack complaints into clear engineering tickets with reproduction steps, likely causes, and a usable test checklist.
Prompt
Act as a senior product engineer helping me turn a messy bug report into an actionable engineering ticket. I will paste one or more of the following: - a user complaint, support ticket, Slack message, or QA note - screenshots or copied error text - logs, stack traces, or reproduction notes - product context, expected behavior, and environment details Your job is to convert that information into a clear engineering-ready output. Tasks: 1. Write a one-paragraph summary of the likely problem in plain English. 2. Extract the most important facts, symptoms, and constraints. 3. List missing information that should be collected before implementation starts. 4. Propose the most likely root causes, ordered by probability. 5. Create exact reproduction steps. If the evidence is incomplete, write the best provisional steps and label assumptions. 6. Turn the issue into a structured engineering ticket with these sections: - Title - Problem - Expected behavior - Actual behavior - Reproduction steps - Suspected scope or affected components - Severity and user impact - Suggested owner or team - Acceptance criteria - Test checklist 7. End with a short triage recommendation: urgent, high, medium, or low, and explain why. Rules: - Do not invent facts. - Separate confirmed information from assumptions. - Prefer concise, high-signal wording over generic filler. - If logs or evidence point to multiple causes, say so clearly. - Write the final ticket so it can be pasted directly into Linear, Jira, or GitHub Issues. Return your answer in this structure: 1. Summary 2. Confirmed facts 3. Missing information 4. Likely root causes 5. Reproduction steps 6. Engineering ticket 7. Triage recommendation
Result
Summary: Users are being logged out after uploading large files on mobile Safari. Confirmed facts: the issue appears on iOS 17, affects files above 100MB, and correlates with a 413 response from the upload service. Missing information: exact device models, account tier, and whether the issue reproduces on Wi-Fi and cellular. Likely root cause: session reset after failed chunk negotiation. Triage recommendation: high, because the bug blocks a core workflow for affected users.
Generated Image
Algunos de los bugs más costosos no son necesariamente los más difíciles de arreglar. El problema es que llegan en pedazos: un mensaje frustrado de un cliente, una nota vaga de QA, una captura sin contexto y un fragmento de logs perdido en Slack. Antes de resolver nada, alguien tiene que convertir todo eso en un ticket que el equipo de ingeniería realmente pueda usar.
Este prompt de GPT-5 está diseñado exactamente para ese trabajo. Si le das un ticket de soporte, un reporte interno, un error copiado o notas preliminares de reproducción, organiza la señal en un paquete de triage mucho más útil. En lugar de saltar de la queja a la intuición, obtienes un resumen, hechos confirmados, datos faltantes, causas probables, pasos de reproducción y un ticket estructurado listo para Linear, Jira o GitHub Issues.
- Acelera el triage: convierte reportes dispersos en algo accionable en minutos.
- Mejora los handoffs: da a soporte, QA, producto e ingeniería un formato compartido.
- Reduce la falsa certeza: separa los hechos confirmados de las suposiciones.
- Planifica mejor las pruebas: incluye criterios de aceptación y una lista de pruebas desde el inicio.
El valor real no es solo escribir mejor. Es decidir mejor. Cuando un equipo puede ver con claridad qué se sabe, qué falta y qué componente es el más probable que esté fallando, puede priorizar incidencias urgentes más rápido y perder menos tiempo descifrando reportes ambiguos.