O Depurador do Pato de Borracha: Corrija Seu Código Explicando-o em Voz Alta

A depuração com pato de borracha é um dos truques mais antigos no desenvolvimento de software: explique seu código linha por linha para um objeto inanimado — um pato de borracha — e o ato de narrar força você a detectar o bug sozinho. A técnica funciona porque a maioria dos bugs vive na lacuna entre o que você acha que o código faz e o que ele realmente faz. Narrar força essa lacuna a aparecer.

Este prompt transforma o Claude ou GPT-4o em um pato de borracha paciente e socrático. Alimente-o com seu código quebrado e uma descrição do problema. Em vez de lhe dar um conserto, ele o guia sistematicamente pelo método de depuração — fazendo você pensar em cada etapa até encontrar o erro sozinho.

Por Que Isso Funciona Melhor do Que Simplesmente Pedir o Conserto

Quando uma IA entrega uma versão corrigida do seu código, duas coisas acontecem: o problema imediato é resolvido e você não aprende nada. Na próxima vez que escrever um bug semelhante — e você vai — é igualmente provável que passe despercebido novamente.

A abordagem socrática força você a construir um modelo mental da execução. Você precisa articular o que esperava em cada etapa e depois comparar com o que realmente aconteceu. Essa articulação é onde o aprendizado ocorre. Na maioria dos casos, os desenvolvedores encontram seu próprio bug antes mesmo da IA precisar intervir — o mero ato de explicar o código em voz alta é suficiente.

Também é mais rápido do que você pode esperar. Para erros lógicos e bugs off-by-one, questionamentos estruturados geralmente chegam à causa raiz em 3-5 trocas, em vez das 10-20 rodadas de "tentei isso e ainda não funciona" nas quais a depuração assistida por IA muitas vezes degenera.

O Prompt

Copie este prompt, substitua os placeholders e cole no Claude ou 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]

Dicas para Aproveitar ao Máximo

Seja preciso sobre o erro. "Não funciona" não dá à IA nada para se ancorar. Cole a mensagem de erro exata, o stack trace, ou descreva a saída errada exata (por exemplo, "retorna 5, esperado 7").

Não pule a linha de linguagem/framework. Um comportamento de ponteiro nulo em Go é diferente de um bug de comparação None em Python. O contexto do framework muda quais perguntas a IA fará.

Resista à vontade de pedir o conserto. O prompt instrui a IA a não dar para você, e a IA obedecerá. Se sentir impaciência, essa impaciência é o objetivo — o desconforto da depuração constrói o reconhecimento de padrões que previne bugs futuros.

Funciona melhor para: erros lógicos, bugs off-by-one, problemas de temporização async/await, bugs de mutação de estado, valores de retorno errados. Menos útil para problemas de nível de ambiente (conflitos de dependências, configuração de autenticação) onde o problema não está na lógica do seu código.