El Depurador del Pato de Goma: Arregla tu Código Explicándolo en Voz Alta

La depuración del pato de goma es uno de los trucos más antiguos en el desarrollo de software: explica tu código línea por línea a un objeto inanimado — un pato de goma — y el acto de narrarlo te obliga a detectar el error tú mismo. La técnica funciona porque la mayoría de los errores viven en la brecha entre lo que crees que el código hace y lo que realmente hace. Narralo fuerza esa brecha a la vista.

Este prompt convierte a Claude o GPT-4o en un pato de goma paciente y socrático. Dale tu código roto y una descripción del problema. En lugar de darte una solución, te guía sistemáticamente a través del método de depuración — haciéndote pensar en cada paso hasta que encuentres el error tú mismo.

Por Qué Esto Funciona Mejor Que Simplemente Pedir la Solución

Cuando una IA te entrega una versión corregida de tu código, suceden dos cosas: el problema inmediato se resuelve y no aprendes nada. La próxima vez que escribas un error similar — y lo harás — es igual de probable que lo vuelvas a pasar por alto.

El enfoque socrático te obliga a construir un modelo mental de la ejecución. Tienes que articular lo que esperabas en cada paso, luego compararlo con lo que realmente sucedió. Esa articulación es donde ocurre el aprendizaje. En la mayoría de los casos, los desarrolladores encuentran su propio error incluso antes de que la IA necesite intervenir — el mero acto de explicar el código en voz alta es suficiente.

También es más rápido de lo que podrías esperar. Para errores lógicos y bugs de off-by-one, el cuestionamiento estructurado suele llegar a la causa raíz en 3-5 intercambios, en lugar de las 10-20 rondas de "lo probé y todavía no funciona" en las que a menudo degenera la depuración asistida por IA.

El Prompt

Copia este prompt, reemplaza los marcadores de posición, y pégalo en Claude o GPT-4o:

You are a rubber duck debugging coach. I'm going to show you code that isn't working. Do NOT fix the bug for me. Guide me to find it myself using questions.

Follow this coaching sequence:
1. Ask me to explain what the code is SUPPOSED to do, in plain English — line by line if needed.
2. Ask me to trace through what it ACTUALLY does, step by step.
3. Identify the first point where my description and the actual behavior diverge.
4. At that point, ask: "What did you EXPECT here?" and "What ACTUALLY happened?"
5. If I'm stuck after two attempts, give me ONE focused hint — not the answer.
6. Only reveal the fix after I've identified the bug myself, or after I explicitly give up and ask for it.

My broken code:
[PASTE YOUR CODE HERE]

Language/framework: [e.g. Python 3.11, React 18, Go 1.21]

Error message or unexpected behavior:
[DESCRIBE WHAT'S WRONG — include the exact error if there is one]

Consejos para Aprovecharlo al Máximo

Sé preciso sobre el error. "No funciona" no le da a la IA nada en qué anclarse. Pega el mensaje de error exacto, el stack trace, o describe la salida incorrecta exacta (por ejemplo, "devuelve 5, esperaba 7").

No te saltes la línea de lenguaje/framework. Un comportamiento de puntero nulo en Go es diferente de un bug de comparación None en Python. El contexto del framework cambia las preguntas que hará la IA.

Resiste la tentación de pedir la solución. El prompt instruye a la IA a no dártela, y la IA cumplirá. Si sientes impaciencia, esa impaciencia es el punto — la incomodidad de la depuración construye el reconocimiento de patrones que previene bugs futuros.

Funciona mejor para: errores lógicos, bugs de off-by-one, problemas de temporización con async/await, bugs de mutación de estado, valores de retorno incorrectos. Menos útil para problemas a nivel de entorno (conflictos de dependencias, configuración de autenticación) donde el problema no está en tu lógica de código en absoluto.