Cómo escribir mejores prompts para IA de programación

Los prompts bien estructurados son la diferencia entre código mediocre y soluciones elegantes cuando trabajas con IA de programación. Esta guía te enseña a comunicarte eficazmente con herramientas como ChatGPT, Claude y GitHub Copilot para obtener código de mayor calidad.

1. Especifica el lenguaje y versión exactos. Siempre incluye el lenguaje de programación y su versión al inicio del prompt. Escribe "Python 3.11" en lugar de solo "Python", o "TypeScript 5.0 con React 18" en lugar de "JavaScript". Las IA generan código más preciso cuando conocen las características específicas de la versión que usas.
2. Define el contexto completo del proyecto. Proporciona información sobre la arquitectura, dependencias principales y patrones de diseño que usas. Incluye detalles como "aplicación Express.js con TypeORM y PostgreSQL" o "microservicio Spring Boot con arquitectura hexagonal". Esto ayuda a la IA a generar código coherente con tu base existente.
3. Proporciona ejemplos de entrada y salida esperada. Incluye datos de muestra que muestren qué esperas recibir y qué debe producir el código. Escribe ejemplos como "entrada: {user_id: 123, email: '[email protected]'}, salida esperada: objeto User validado con campos encriptados". Los ejemplos concretos eliminan ambigüedades y mejoran la precisión.
4. Especifica restricciones y requisitos no funcionales. Detalla limitaciones como rendimiento, memoria, compatibilidad o estándares de seguridad. Menciona "debe manejar 10,000 registros simultáneos", "compatible con ES2020" o "siguiendo principios SOLID". Incluye también restricciones de librerías: "sin usar Lodash" o "solo dependencias nativas".
5. Solicita manejo de errores específico. Pide explícitamente gestión de errores detallando qué excepciones anticipas y cómo manejarlas. Escribe "incluye try-catch para errores de conexión a base de datos con reintentos" o "valida entrada y retorna códigos de error HTTP apropiados". Las IA tienden a omitir manejo robusto de errores sin instrucciones explícitas.
6. Pide comentarios y documentación en el código. Solicita documentación inline y comentarios explicativos, especialmente para lógica compleja. Especifica el estilo: "comentarios JSDoc para funciones públicas" o "docstrings de Python siguiendo convención Google". Esto hace el código más mantenible y comprensible para tu equipo.
7. Incluye consideraciones de testing. Menciona si necesitas código testeable y qué tipo de tests esperas. Especifica "código preparado para unit testing con Jest" o "incluye tests unitarios básicos con pytest". Si usas mocks o stubs, indícalo claramente para que la IA estructure el código apropiadamente.
8. Revisa y refina iterativamente. Analiza el código generado y haz preguntas de seguimiento específicas. Si algo no funciona, proporciona el error exacto y pide correcciones puntuales. Usa prompts como "optimiza esta función para mejor rendimiento" o "refactoriza usando el patrón Strategy". La iteración mejora significativamente los resultados.