Promptea.
ESEN

Prompts de IA para desarrolladores de software

Prompts de IA prácticos para ingenieros de software: revisión de código, descripciones de PRs, debugging, documentación y decisiones de arquitectura.

← Volver a guías
Dónde la IA realmente ahorra tiempo a los desarrolladores
  • Revisión de código — detectar errores lógicos, nombres confusos, casos límite faltantes y problemas de seguridad en un borrador antes de que llegue a un revisor humano.
  • Descripciones de PRs — convertir un diff en un resumen claro y estructurado que los revisores puedan escanear en menos de un minuto.
  • Debugging — razonar sobre un mensaje de error con el código relevante para acotar la causa raíz antes de empezar a cambiar cosas.
  • Documentación — convertir una función o módulo en docs inline, una sección de README o una referencia de API a partir del código real.
  • Explicar código desconocido — entender un módulo legacy, una biblioteca de terceros o un codebase que acabás de heredar.
Qué no puede hacer la IA de forma confiable en desarrollo
  • Garantizar corrección — el código generado por IA debe ser leído, testeado y revisado como cualquier otro código. Puede introducir bugs sutiles.
  • Conocer tu codebase — sin contexto sobre tu arquitectura, convenciones y restricciones, las sugerencias pueden no encajar.
  • Reemplazar una code review — la IA no conoce los estándares del proyecto, los acuerdos del equipo ni el contexto más amplio que aporta un revisor humano.
  • Debuggear sin el código correcto — cuanto más código relevante y contexto de error proporcionés, mejor es el diagnóstico; snippets vagos dan respuestas vagas.
Cómo obtener output útil en tareas de código
  • Incluí el código real, no una descripción del mismo — pegá la función, el archivo o el diff relevante en lugar de describir qué hace.
  • Indicá el lenguaje, framework y versión cuando importan — 'TypeScript con React 19' cambia qué patrones son apropiados.
  • Especificá lo que querés, no lo que no querés — 'escribí un unit test para esta función' es más claro que 'ayudame con testing'.
  • Para code review, listá en qué enfocarse — seguridad, performance, legibilidad, casos límite — para que el modelo priorice.
  • Para debugging, incluí el mensaje de error completo y la línea exacta a la que apunta, no una paráfrasis.
Plantillas
Prompt de code review
Sos un ingeniero de software senior haciendo una revisión de código. Revisá el código de abajo y dá feedback en tres secciones:

**Corrección y lógica** — bugs, errores de rango, manejo de null/undefined, casos límite.
**Seguridad** — riesgos de inyección, secretos expuestos, defaults inseguros, problemas de límites de confianza.
**Claridad y mantenibilidad** — nombres, complejidad innecesaria, comentarios faltantes donde el código no es obvio.

Para cada problema: indicá qué es, por qué importa y cómo se ve el fix. Saltá las secciones donde no hay nada que señalar.

Lenguaje/framework: [ej. TypeScript / Next.js 15]
Contexto: [ej. Este es un server action que maneja uploads de archivos enviados por usuarios]

```
[Pegá el código acá]
```
Se abre en la home con el prompt precargado.
Abrir en Promptea
Generador de descripción de PR
Escribí una descripción clara de pull request a partir del diff y el contexto de abajo.

Estructuralo así:
**Qué hace este PR** — 2-3 oraciones, lenguaje simple, sin jerga.
**Por qué** — el problema que resuelve o el requerimiento que aborda.
**Cómo testear** — los pasos específicos que un revisor debería seguir para verificar que funciona.
**Notas** — cualquier cosa que el revisor necesite saber (breaking changes, tareas de seguimiento, limitaciones conocidas).

Contexto: [ej. Corrige un bug donde usuarios no autenticados podían acceder a posts en borrador]
Diff o resumen de cambios:
[Pegá el diff o una descripción de qué cambió]
Se abre en la home con el prompt precargado.
Abrir en Promptea
Preguntas frecuentes
¿Debería usar IA para code review en lugar de un revisor humano?
No — la code review por IA y la revisión humana detectan cosas distintas, y ambas funcionan mejor juntas. La IA es rápida detectando patrones comunes: manejo de null, errores de rango, anti-patrones de seguridad obvios, nombres inconsistentes. Los revisores humanos detectan cosas que la IA consistentemente no capta: si este cambio encaja con la dirección de arquitectura del equipo, si la abstracción es la correcta, si un test está testeando lo que el autor cree que testa, y si el cambio hace el sistema más difícil de entender para el equipo que lo va a mantener. Usá la IA como paso previo a la revisión para limpiar los problemas obvios antes de que un revisor humano vea el código.
¿Cuánto contexto de código debería pegar en el prompt?
Suficiente para que el modelo entienda qué hace el código sin adivinar, pero no todo el codebase. Para un bug o una revisión, la función relevante más los tipos o interfaces de los que depende generalmente es suficiente. Para un módulo más grande, un resumen de qué hace más la sección específica que querés revisar es mejor que pegar todo. El error clave es el opuesto: pegar el cuerpo de una función sin los tipos que usa, el mensaje de error sin el código relevante, o una descripción vaga en lugar del código real. La calidad del diagnóstico de la IA es proporcional a la calidad del input.