Saltar al contenido principal

Capítulo 2: Desarrollo Asistido por IA

Maximizar la IA en su flujo de trabajo​

La IA es más efectiva cuando se integra de manera reflexiva en su proceso de desarrollo. Aprenda cómo aprovechar la IA para diferentes tareas de codificación.


Autocompletado de código​

Cómo funciona​

# Escriba el inicio, la IA completa
def calculate_average(numbers):
# La IA sugiere:
if not numbers:
return 0
return sum(numbers) / len(numbers)

Consejos​

  • Escriba nombres de variables claros
  • Agregue contexto en los comentarios
  • Acepte con Tab, recorra opciones
  • Rechace y siga escribiendo si es incorrecto

Generación de funciones​

A partir de comentarios​

# Calcule el factorial de un número recursivamente
def factorial(n):
# La IA genera la implementación
if n <= 1:
return 1
return n * factorial(n - 1)

A partir de nombres de funciones​

def validate_email_address(email):
# La IA sugiere la lógica de validación
import re
pattern = r'^[\w\.-]+@[\w\.-]+\.\w+$'
return bool(re.match(pattern, email))

Generación de pruebas​

Solicitar pruebas​

# Escriba pruebas unitarias para la función calculate_average

def test_calculate_average_empty():
assert calculate_average([]) == 0

def test_calculate_average_single():
assert calculate_average([5]) == 5

def test_calculate_average_multiple():
assert calculate_average([1, 2, 3, 4, 5]) == 3

La IA puede generar conjuntos de pruebas completos a partir de las firmas de las funciones.


Documentación​

Generación de docstrings​

def binary_search(arr, target):
"""
# La IA genera:
Realiza una búsqueda binaria en un arreglo ordenado.

Args:
arr: Lista ordenada de elementos comparables
target: Elemento a buscar

Returns:
Índice del target si se encuentra, -1 en caso contrario
"""

Creación de README​

Solicite a la IA que genere documentación basada en su código.


Depuración​

Explicación de errores​

Prompt: "Este código da IndexError: list index out of range. ¿Por qué?"

IA: "El error ocurre porque está accediendo a
arr[i+1] cuando i es el último índice. Debe
cambiar el bucle a range(len(arr)-1)."

Sugerencias de corrección​

La IA puede sugerir cambios específicos en el código para corregir errores.


Refactorización de código​

Sugerencias de mejora​

Prompt: "¿Cómo puedo mejorar esta función?"

La IA sugiere:
- Use list comprehension
- Agregue manejo de errores
- Mejore los nombres de las variables
- Extraiga funciones auxiliares

Aplicación de patrones​

La IA puede aplicar patrones de diseño a su código.


Aprendizaje de nuevas tecnologías​

Aprendizaje basado en ejemplos​

Prompt: "Muéstreme cómo hacer una solicitud API
con manejo de errores en Python usando requests"

La IA proporciona ejemplos completos y funcionales de los que puede aprender.

Ayuda con la sintaxis​

Respuestas rápidas para sintaxis desconocida en cualquier lenguaje.


Prompts efectivos para código​

Sea específico​

❌ "Escriba una función de ordenamiento"
✅ "Escriba una función de quicksort que ordene
enteros en orden ascendente con complejidad
promedio O(n log n)"

Proporcione contexto​

✅ "En este componente de React, agregue un hook
useEffect que obtenga datos de usuario cuando
cambie la prop userId"

Especifique restricciones​

✅ "Genere sin librerías externas"
✅ "Debe ser compatible con Python 3.8"
✅ "Siga la guía de estilo PEP 8"

Tareas multiarchivo (Cursor/Chat)​

Operaciones complejas​

  • "Agregue manejo de errores a todas las llamadas API"
  • "Convierta esta clase a TypeScript"
  • "Cree un archivo de pruebas para este módulo"
  • "Refactorice para usar inyección de dependencias"

Estas herramientas pueden comprender y modificar múltiples archivos.


Puntos clave​

✅ La IA acelera el autocompletado, la generación y las pruebas de código

✅ Un contexto claro produce mejores sugerencias

✅ Use la IA para aprender nuevas tecnologías

✅ Las herramientas multiarchivo manejan refactorizaciones complejas

✅ La IA es una herramienta—la revisión humana sigue siendo esencial


Próximos pasos​

Aprenda sobre el uso responsable en Capítulo 3: Mejores Prácticas y Limitaciones.