Cómo depurar código con IA

La depuración es un trabajo de detective: se observa un síntoma, se formula una hipótesis sobre la causa, se prueba y se repite. Los asistentes de IA son socios útiles porque han visto muchos errores comunes y pueden leer un seguimiento de la pila más rápido que la mayoría de los principiantes. Son mucho menos útiles cuando tienen que adivinar, y un modelo de adivinanzas a menudo reescribirá con confianza todo el archivo. Comience con el error completo. Un seguimiento de la pila, denominado rastreo en Python, enumera la cadena de llamadas a funciones que provocaron el error. Las partes más útiles suelen ser el tipo y mensaje de error y los marcos que apuntan a sus propios archivos en lugar del código de la biblioteca. Pegue el error como texto, no como una captura de pantalla, e incluya el código alrededor de los números de línea que menciona. A continuación, describa el comportamiento esperado versus el real, además de su entorno: versión de idioma, versiones clave de la biblioteca y sistema operativo, cuando sea relevante. "No funciona" no le da nada al modelo. "Esperaba 10 filas, obtengo 0 y no hay ningún error", da mucho. Para errores más difíciles, cree un ejemplo mínimo reproducible: el fragmento de código y datos más pequeños que aún muestren el problema. Hacer uno a menudo revela el error por sí solo y mantiene el código y los datos privados fuera del chat. Luego pida hipótesis, por ejemplo: "Enumere las tres causas más probables y cómo puedo comprobar cada una de ellas". Confirme con declaraciones impresas o un depurador antes de cambiar algo. Cuando aplique una solución, vuelva a ejecutar el caso de error original más algunos casos normales y pídale a la IA que le explique por qué funciona la solución. Son comunes dos conceptos erróneos. La línea nombrada en el error no siempre es donde está el error; A menudo es donde finalmente se utilizó un valor incorrecto, no donde se creó. Y ningún mensaje de error no significa que el resultado sea correcto.