Por qué está escrito así
Un error común al analizar código con IA es pegar decenas de archivos a la vez y pedir: "Explícame este proyecto". El resultado suele ser un resumen genérico como "Es un servicio para gestionar pedidos e inventario", algo que ya sabes y que no te ayuda a decidir qué archivo abrir a continuación.
Por eso, este prompt avanza de forma fraccionada en lugar de leer todo de una vez. En la primera solicitud, solo proporcionas la lista de carpetas y un archivo inicial, y obtienes como respuesta "los 3 archivos que debes enviar a continuación". Así evitas saturar el límite de contexto y amplías el mapa paso a paso en cada interacción. Dado que el final de la respuesta te da el material para el siguiente turno, no tienes que dudar sobre qué preguntar después.
Organizar la respuesta en cuatro pasos también tiene una razón clara. Al estimar primero el rol de las carpetas, ubicas dónde encaja cada función posterior. Al conectar la ruta de una petición, comprendes lo esencial del código ajeno: "cuándo y cómo se llama a este archivo". Los "puntos ciegos" del paso 3 representan exactamente lo que debes leer a continuación, ahorrándote la tarea de decidir el orden de lectura.
Las dos líneas de restricciones hacen que el mapa sea confiable. Sin los indicadores de certeza y la etiqueta "Estimación", las suposiciones se mezclarían con los hechos comprobados, haciéndote perder tiempo al refactorizar. Encapsular los datos entre """ evita que los comentarios del código se confundan con instrucciones del sistema.
¿Términos desconocidos? Consulta Aha AI: context-window, chain-of-thought
Comparado con un mal ejemplo
Este es el código de mi proyecto, explícame la estructura general. (Pega múltiples archivos sin orden)
Al haber tanto volumen de golpe, la IA solo devuelve un resumen superficial e inventa comportamientos basándose en convenciones estándar del framework para archivos que ni siquiera ha visto. Sin una clara distinción entre hechos e hipótesis, resulta difícil confiar en el resultado y no queda claro qué archivo revisar después, obligándote a buscar todo desde cero. Además, a medida que la respuesta se alarga, se diluye el contenido de los primeros archivos y pueden empezar a mezclarse nombres inexistentes.
Variaciones
Al enviar el siguiente archivo para expandir el mapa
Continúa completando el mapa que trazamos anteriormente. Revisa el archivo adjunto y dime: 1) Cuáles de los puntos ciegos anteriores quedan conectados 2) Si alguna de las estimaciones previas era errónea, qué cambia exactamente 3) Qué puntos siguen desconectados 4) Cuáles son los 3 siguientes archivos que debería enviarte. No repitas explicaciones sobre lo que ya hemos confirmado.
""" {{codigo de entrada}} """
Esta variante se usa de forma iterativa en la misma conversación. Incluir la instrucción de corregir estimaciones falsas evita que se consoliden suposiciones erróneas del turno anterior.
Cuando solo necesitas localizar un punto exacto para corregir
No dispongo de tiempo para mapear todo el proyecto; solo necesito corregir una función específica. El contexto es este: {{descripción del proyecto}}. A partir de la estructura de carpetas adjunta, selecciona en orden los 5 archivos con mayor probabilidad de estar involucrados. Explica en una línea por qué elegiste cada uno y qué debería encontrar al abrirlo para saber si es el correcto.
""" {{estructura de carpetas}} """
Úsalo cuando el objetivo no es comprender toda la arquitectura, sino aplicar un parche rápido. Utiliza la IA solo para acotar la lista de archivos a revisar y reserva el análisis detallado para ti.
Notas por modelo
En lugar de subir todo el código de una sola vez, comienza con la lista de carpetas y solo uno o dos archivos. La cantidad de información procesable por turno es limitada y, cuanto más contexto envíes de golpe, más genérico será el resumen obtenido.
Prompts relacionados
Última actualización 2026-09-02 · ¿Has visto un error? Avísanos