GPT para programar: dale contexto y revisa todo

GPT puede leer un error, redactar funciones, explicar archivos complejos y sugerir tests. Solo ve lo que pegas y puede equivocarse con total seguridad. Esta guía explica qué enviar, qué pedir y qué revisar.

6 min de lecturaActualizado

GPT es una gran ayuda para programar: lee stack traces sin quejarse, escribe las partes aburridas de una función, explica esa expresión regular que heredaste y sugiere casos de prueba en los que no habías pensado. También inventa funciones que no existen, pasa por alto casos extremos y escribe código que parece correcto pero falla con la segunda entrada. La forma de obtener lo primero sin lo segundo es darle contexto real y revisar todo lo que te devuelva. Esta guía te muestra cómo hacer ambas cosas en nuestro chat gratis con GPT.

En qué destaca GPT y dónde suele fallar

Los modelos de lenguaje han visto una enorme cantidad de código público y documentación durante su entrenamiento, por lo que dominan los patrones habituales en los lenguajes más populares. Buenos usos típicos:

  • explicar qué hace un fragmento de código, línea por línea;
  • convertir un mensaje de error en una lista corta de causas probables;
  • escribir funciones pequeñas y autónomas, scripts y consultas SQL;
  • crear borradores de pruebas unitarias para el código que pegues;
  • traducir código entre distintos lenguajes o versiones de librerías;
  • revisar un diff en busca de bugs, nombres y legibilidad.

Sus puntos débiles son igual de predecibles. El modelo solo ve lo que pegas, así que hace suposiciones sobre el resto de tu proyecto. Su conocimiento se detiene en su fecha de corte de entrenamiento, por lo que las versiones muy recientes de librerías pueden serle desconocidas. Además, no puede ejecutar tu código: en nuestro chat no tiene terminal ni acceso a internet, así que cada afirmación de que "esto funciona" es solo una predicción, no el resultado de una prueba.

Pega el contexto que te pediría un colega

Antes de pedir ayuda con un bug, reúne lo que un revisor humano necesitaría ver:

  1. Lenguaje, framework y versión; por ejemplo, "Python 3.12, Django 5".
  2. El fragmento de código más pequeño que reproduzca el problema, no todo el repositorio.
  3. El mensaje de error exacto y el stack trace, copiados directamente, sin reescribirlos a mano.
  4. Qué esperabas que pasara, qué pasó en su lugar y qué has intentado ya.
Débil:
Mi código no funciona, arréglalo.

Fuerte:
Node 22, Express 5. Esta ruta debería devolver el usuario en formato JSON,
pero la solicitud se queda colgada y nunca responde. No hay ningún error en la consola.
Aquí está la ruta y el middleware que utiliza:
[pegar código]
Explica primero la causa y luego muestra únicamente la ruta corregida.

La versión fuerte le indica al modelo dónde buscar, qué significa "arreglado" y cómo estructurar la respuesta. Pedir la explicación antes del código también facilita detectar un diagnóstico erróneo desde el principio.

Prompts para tareas de programación del día a día

Algunas plantillas que puedes adaptar. Reemplaza las partes entre corchetes con tus propios detalles.

  • Explicar: "Explica esta función de [lenguaje] a alguien que sabe programar a nivel básico pero no conoce esta librería. Señala cualquier cosa sorprendente."
  • Pruebas: "Escribe pruebas unitarias en [framework] para esta función. Cubre entradas normales, entradas vacías, entradas muy grandes y tipos no válidos. No modifiques la función."
  • Refactorizar: "Refactoriza para mejorar la legibilidad sin cambiar el comportamiento. Mantén los nombres públicos de las funciones. Enumera cada cambio que hagas."
  • Revisión: "Revisa este diff como un desarrollador senior estricto. Reporta primero los bugs, luego los patrones de riesgo y al final el estilo. Cita la línea correspondiente en cada punto."
  • Regex: "Escribe una expresión regular que coincida con [patrón] pero no con [contraejemplo]. Muestra cinco cadenas que debería aceptar y cinco que debería rechazar."

Prueba una ahora: pide una función con pruebas. La página de prompts para programar tiene muchos más, y los asistentes incluyen ayudantes de código listos para usar.

¿Luna o Terra para código?

Nuestro chat cuenta con dos modelos. GPT-6 Luna, el predeterminado, es rápido y perfecto para explicaciones, funciones pequeñas, código repetitivo y correcciones de una sola línea. Para cualquier cosa que requiera un análisis minucioso, activa Think: esto selecciona GPT-6.1 Terra, que razona brevemente antes de responder. OpenAI describe a Terra como un avance significativo respecto a su predecesor en ingeniería de software, y también señala que para las tareas de programación más complejas sus modelos más grandes, GPT-6.1 Sol y GPT-6 Astra, siguen siendo la mejor opción. Esos no están disponibles en gpt.me; GPT-6 Sol está disponible en nuestra app AI Chat con una suscripción Pro.

Una división práctica:

  • Luna: "qué hace esto", dudas de sintaxis, convertir un fragmento, escribir un docstring.
  • Terra: errores por desfase de uno (off-by-one), problemas de concurrencia, diseño de algoritmos, revisión lógica de funciones largas.

La comparación entre Luna y Terra analiza estas diferencias en mayor detalle.

Un flujo de trabajo centrado en la revisión

Trata cada respuesta como una pull request de un colega junior muy rápido que nunca corre las pruebas.

  1. Lee la explicación. Si la causa que plantea no coincide con tus síntomas, díselo antes de ponerte a leer el código.
  2. Revisa el diff, no solo el resultado. Pídele "muestra solo las líneas que cambiaste" si la respuesta reescribe todo por completo.
  3. Ejecútalo en local con tus propias pruebas, incluidas las entradas que provocaron el fallo.
  4. Dale retroalimentación con el resultado. Pega el nuevo error o la prueba que falló. Es en este ciclo donde el chat demuestra su verdadero valor.

Dos funciones de nuestro chat son clave aquí: el código se muestra en bloques con formato y un botón de copia para no arrastrar caracteres extraños; y cuando regeneras una respuesta, las anteriores se conservan como versiones, lo que te permite comparar dos enfoques distintos para el mismo bug lado a lado y quedarte con el mejor.

Buenos hábitos de seguridad para código escrito por IA

  • Nunca pegues secretos. Reemplaza claves de API, contraseñas, tokens y cadenas de conexión con marcadores como TU_CLAVE antes de enviar el mensaje.
  • Verifica que los paquetes existan. Los modelos a veces mencionan librerías o funciones que suenan creíbles pero no existen. Búscalas en el registro oficial de paquetes antes de instalarlas.
  • Ten cuidado con los comandos de la terminal. Lee con atención cualquier comando que elimine, mueva o modifique permisos antes de ejecutarlo, y nunca corras nada como administrador solo porque un chat te lo sugirió.
  • Presta atención a la seguridad básica. Pregunta explícitamente sobre inyección SQL, validación de entradas y manejo de errores; el primer borrador suele pasarlos por alto.
  • Respeta las licencias y las políticas de tu empresa sobre compartir código interno con servicios externos.
Reduce antes de pegar: aislar un bug al ejemplo más pequeño que siga fallando toma solo unos minutos y a menudo revela la causa por sí solo. Si no es así, el modelo recibirá un problema claro en lugar de un bloque interminable de código.

Cuándo el chat no es la herramienta adecuada

Una ventana de chat procesa lo que pegas en ella. Las conversaciones muy largas se recortan para que el modelo vea la parte reciente del hilo, lo que significa que puede perder el rastro de un archivo que pegaste hace una hora. Para cambios distribuidos en muchos archivos, un editor con IA integrada o un agente de código capaz de leer tu proyecto y ejecutar pruebas funcionará mucho mejor. Para una sola función, un mensaje de error o una revisión rápida, el chat suele ser la vía más rápida. Los desarrolladores también pueden consultar nuestra página para desarrolladores y la herramienta de asistente de código.

Preguntas frecuentes

¿Puede GPT ejecutar mi código en su chat?

No. Nuestro chat no ejecuta código ni tiene acceso a internet. Lee tu código y predice lo que hará, así que siempre debes correr y probar el resultado tú mismo.

¿Qué lenguajes de programación domina?

Todos los más utilizados, incluidos Python, JavaScript y TypeScript, Java, C#, C y C++, Go, Rust, PHP, Ruby, Swift, Kotlin y SQL. La calidad disminuye en lenguajes poco comunes y versiones muy nuevas de librerías.

¿Es seguro pegar código de mi empresa?

Revisa primero las políticas de tu empresa. Los mensajes pasan por nuestro servidor y nuestra pasarela de IA hacia los modelos de OpenAI; no almacenamos el texto, pero aun así debes eliminar secretos y cualquier dato confidencial. Consulta la política de privacidad.

¿Por qué la respuesta utiliza una función que no existe?

El modelo predice el código más probable, y a veces genera un nombre verosímil incluso cuando la librería no incluye esa función. Pega el fragmento relevante de la documentación y pídele que use únicamente lo que aparece allí.

¿Tienes alguna duda? Pregunta ahora

Sin cuenta y sin descargas. Abre el chat, escribe lo que piensas y la respuesta empezará a aparecer en uno o dos segundos.

Empezar a chatear