Prompt Engineering Avanzado para Refactorización Automática con IA

La refactorización de código es una de las tareas más tediosas pero necesarias en el desarrollo de software. Con la llegada de modelos de lenguaje como GPT-4 y Claude, es posible automatizar gran parte de este proceso, pero solo si sabes cómo comunicarte efectivamente con la IA. El prompt engineering avanzado te permite convertir una simple solicitud de "refactoriza este código" en una transformación precisa, segura y con contexto.

Por qué el prompting genérico no funciona para refactorización

Cuando pides "refactoriza este código" sin más contexto, la IA suele tomar decisiones arbitrarias: cambia nombres de variables sin criterio, elimina comentarios importantes o modifica la estructura sin considerar dependencias externas. El problema es que la refactorización no es solo cambiar sintaxis, sino mejorar la legibilidad, el rendimiento y la mantenibilidad sin alterar el comportamiento.

Un prompt genérico carece de:

• Restricciones (qué no modificar)
• Objetivos específicos (rendimiento vs legibilidad)
• Contexto del proyecto (framework, convenciones)
• Formato de salida (diff completo vs solo cambios)

La clave está en estructurar tu solicitud como si estuvieras delegando a un desarrollador senior: dale límites claros, ejemplos concretos y criterios de éxito.

Estructura de un prompt avanzado para refactorización

Un prompt efectivo debe contener cinco elementos esenciales:

• Contexto del proyecto: Lenguaje, framework, versión, convenciones de estilo.
• Código original: Preferiblemente con nombres de archivo y línea de inicio.
• Objetivo específico: Qué quieres lograr (ej: "reducir complejidad ciclomática", "separar responsabilidades").
• Restricciones: Qué no debe cambiar (API pública, nombres de funciones exportadas, estructura de datos).
• Formato de salida: Cómo quieres recibir los cambios (diff unificado, código completo, solo funciones modificadas).

Además, es útil incluir un ejemplo de refactorización deseada para que la IA entienda tu estilo. Si trabajas con un equipo que usa camelCase y prefieres funciones pequeñas, muéstrale un antes/después.

PROMPT# Código original (antes de refactorizar) def process_user_data(users): results = [] for u in users: if u['age'] >= 18: n = u['name'].strip().title() e = u['email'].lower() results.append({'name': n, 'email': e, 'status': 'adult'}) else: n = u['name'].strip().title() e = u['email'].lower() results.append({'name': n, 'email': e, 'status': 'minor'}) return results

Prompt funcional para refactorización automática

Aquí tienes un prompt listo para usar que puedes adaptar a tu proyecto. Este prompt está diseñado para refactorizar código Python siguiendo principios SOLID y reduciendo duplicación.

PROMPTPROMPT: Contexto: Estoy refactorizando un proyecto Django 4.2 con Python 3.11. Usamos PEP 8, type hints, y evitamos funciones con más de 15 líneas. No podemos cambiar nombres de funciones públicas ni la estructura de las respuestas JSON. Objetivo: Refactorizar el siguiente código para: - Eliminar duplicación de lógica (DRY) - Separar la lógica de transformación de datos de la lógica de filtrado - Agregar type hints completos - Reducir la complejidad ciclomática a menos de 5 por función Restricciones: - No cambiar el nombre de la función process_user_data - Mantener exactamente la misma estructura de salida (lista de diccionarios con 'name', 'email', 'status') - No eliminar comentarios existentes - No usar librerías externas Código original: [PEGA AQUÍ TU CÓDIGO] Formato de salida: - Proporciona el código completo de la(s) función(es) refactorizada(s) - Explica brevemente cada cambio y por qué mejora el código - Si hay múltiples funciones, nómbralas con prefijo '_' para indicar que son privadas Ejemplo de estilo deseado: Antes: if x == True: return True else: return False Después: return bool(x) Este prompt funciona porque:

• Define el contexto (Django, PEP 8)
• Establece objetivos medibles (complejidad < 5, líneas < 15)
• Impone restricciones críticas (no cambiar API pública)
• Pide un formato estructurado (código + explicación)
• Incluye un ejemplo de estilo para alinear expectativas

Tip: Usa el patrón "antes/después" con contexto incremental

Un error común es pedir toda la refactorización de golpe. En proyectos grandes, es más efectivo usar un enfoque incremental:

• Primera iteración: Pide solo identificar duplicación y proponer funciones auxiliares.
• Segunda iteración: Con las funciones auxiliares creadas, pide mejorar nombres y agregar type hints.
• Tercera iteración: Pide optimizar rendimiento o legibilidad.

Cada iteración debe incluir el código resultante de la anterior. Esto evita que la IA "alucine" cambios que rompen el código y te permite revisar progresivamente.

PROMPT# Ejemplo de cómo estructurar el prompt incremental Iteración 1: "Identifica bloques duplicados en este código y sugiere funciones auxiliares. No implementes cambios, solo enumera." Iteración 2: "Toma las funciones auxiliares sugeridas y refactoriza el código original. Mantén los nombres sugeridos." Tip adicional: Si trabajas con TypeScript o JavaScript, agrega explícitamente "mantener tipos exactos" y "no cambiar firmas de funciones asíncronas". Las IAs tienden a convertir funciones síncronas en asíncronas sin permiso.

Conclusión

La refactorización automática con IA no es magia, es ingeniería de prompts. Al estructurar tus solicitudes con contexto, objetivos, restricciones y formato de salida, pasas de obtener código genérico a transformaciones precisas que respetan la arquitectura de tu proyecto. Recuerda siempre revisar los cambios propuestos, especialmente en lógica de negocios crítica, y usa el patrón incremental para proyectos grandes. Con práctica, podrás delegar hasta el 70% de las tareas de refactorización rutinarias a la IA, liberando tiempo para decisiones arquitectónicas de alto nivel.