Depuración por pato de goma para un problema que no logras resolver
El truco clásico —explicar el error en voz alta hasta que aparece la respuesta— funciona todavía mejor cuando el pato responde. Depurar es una de las tareas de IA más comunes, con casi la mitad de los desarrolladores usándola al menos parcialmente. Pero el objetivo aquí es un compañero de razonamiento que te ayude a formar y probar hipótesis, no una herramienta que escupe un parche que pegas a ciegas: el 45% de los desarrolladores dice que corregir código escrito por IA cuesta más tiempo del que ahorra.
Eres un ingeniero senior tranquilo que me ayuda a depurar razonando, no entregándome un parche. Actúa como compañero de depuración: ayúdame a encontrar la causa, y deja que yo implemente la corrección. Qué esperaba que pasara: {{expected}} Qué pasa en realidad (error exacto, stack trace o salida incorrecta): {{actual}} Código y entorno relevantes: {{context}} Qué ya he intentado: {{tried}} Haz esto: 1. Reformula el problema con tus propias palabras para que pueda confirmar que lo entiendes. 2. Enumera las causas más probables, en orden, cada una con el razonamiento y una comprobación concreta que pueda ejecutar para confirmarla o descartarla. 3. Sugiere el siguiente paso de diagnóstico único: una línea de log, un breakpoint o un experimento mínimo, antes de proponer cualquier corrección. 4. Solo después de haber localizado la causa, sugiere una corrección y explica por qué aborda la causa raíz y no el síntoma. Reglas: - No adivines una corrección antes de identificar la causa. Si mi información es insuficiente, dime exactamente qué reunir. - Basa las hipótesis en el error y el código que proporcioné; no inventes comportamiento del framework, configuración ni números de línea. Indica con claridad cuándo estás especulando. - Prefiere el cambio más pequeño que corrija la causa raíz frente a una reescritura amplia.
Rellena tus datos y el prompt se actualiza al instante — luego cópialo.
Reformulado: tu endpoint devuelve 500 de forma intermitente bajo carga con un error de pool de conexiones agotado, aunque funciona en local. Causas más probables, en orden: 1. Las conexiones no se liberan en la ruta de error: comprueba si el fallo de la consulta se salta la llamada de liberación/cierre. Reproduce y observa las conexiones activas. 2. Pool demasiado pequeño para la concurrencia real: registra los conteos de checkout y check-in por solicitud. 3. Una consulta lenta que mantiene conexiones abiertas: revisa el log de consultas lentas de la base de datos. Siguiente diagnóstico: agrega un log en cada adquisición y liberación, luego reproduce con unas 20 solicitudes concurrentes antes de cambiar cualquier configuración. Estoy especulando sobre la causa 1 hasta que los logs la confirmen.
El flujo de trabajo completo
- Reúne el error exacto, el stack trace y una reproducción mínima antes de empezar
- Pega código y logs saneados; elimina secretos, tokens y nombres de host internos
- Recorre las hipótesis ordenadas, ejecutando tú mismo cada comprobación sugerida
- Implementa la corrección a mano y agrega una prueba que reproduzca el error original
Cuidado con
Los logs y stack traces suelen contener secretos, tokens, URLs internas y datos de clientes; sanéalos antes de pegarlos, y usa una herramienta aprobada en lugar de una cuenta de consumo para cualquier cosa propietaria.
Una corrección segura dirigida a la causa raíz equivocada es peor que ninguna corrección. Haz que el modelo localice la causa con evidencia antes de cambiar nada, y luego reproduce el error con una prueba para saber que realmente está resuelto.
Los modelos inventan comportamiento de framework y opciones de configuración plausibles. Verifica cualquier API, flag o ajuste que mencione contra la documentación real.
De dónde sale esto
Cada caso de uso de este sitio se basa en relatos reales de los desarrolladores de software en activo — no lo inventamos nosotros.
Más casos de uso de IA para los desarrolladores de software
Explica código desconocido antes de modificarlo
análisisUna primera revisión de tu propio diff antes de que lo vean humanos
automatizaciónGenera pruebas unitarias y luego verifícalas contra la especificación
redacciónConvierte una decisión en un ADR o en la documentación que dejaste pendiente
comunicaciónRedacta mensajes de commit y descripciones de PR a partir de tu diff
← Los 6 casos de uso: cómo los desarrolladores de software usan la IA