Hay scripts de Python que funcionan, pero nadie sabe exactamente cómo. Tienen funciones largas, variables con nombres raros, rutas quemadas, lógica repetida y cero documentación.
Claude y ChatGPT pueden ayudarte a entenderlos mucho más rápido. La clave es no pedir solo “mejora este código”, sino separar el análisis en pasos.
Cuándo usar IA para revisar Python
Este flujo sirve cuando tienes un script que:
- procesa archivos Excel o CSV
- limpia datos
- conecta a una API
- genera reportes
- automatiza una tarea repetitiva
- falla con errores difíciles de leer
- fue escrito hace tiempo y nadie lo documentó
La IA puede ayudarte a entender la intención del código antes de tocarlo.
Paso 1: pedir un resumen por bloques
Empieza con este prompt:
Actúa como un desarrollador senior de Python.
Voy a pegar un script. No lo refactorices todavía.
Primero quiero que lo expliques por bloques:
1. Qué objetivo parece tener el script.
2. Qué entradas usa.
3. Qué salidas genera.
4. Qué funciones o partes son más importantes.
5. Qué dependencias externas usa.
6. Qué riesgos ves.
7. Qué partes conviene no tocar sin pruebas.
Aquí está el código:
[pega el script]Esto evita que la IA se lance a cambiar cosas sin entender.
Paso 2: pedir riesgos y errores probables
Después pide una revisión más crítica:
Ahora revisa el script buscando problemas reales.
Enfócate en:
- errores que podrían romper el proceso
- datos nulos o formatos inesperados
- rutas o credenciales quemadas
- manejo de excepciones débil
- duplicación de lógica
- funciones demasiado largas
- problemas de rendimiento
No reescribas todo. Dame una lista priorizada de mejoras.Esto te da una especie de code review inicial.
Paso 3: pedir una refactorización pequeña
No pidas una refactorización gigante. Es mejor pedir cambios pequeños:
Propón una refactorización mínima para este script.
Reglas:
- No cambies el comportamiento esperado.
- Mantén las mismas entradas y salidas.
- Divide solo las partes más largas en funciones.
- Agrega nombres más claros donde sea necesario.
- No agregues librerías nuevas si no hacen falta.
Devuélveme el código y explica qué cambiaste.Esto reduce el riesgo de que la IA invente una arquitectura innecesaria.
Paso 4: pedir pruebas simples
Si el script transforma datos, pide ejemplos de prueba:
Ayúdame a crear pruebas simples para este script.
Quiero validar:
1. Caso normal.
2. Archivo vacío.
3. Columnas faltantes.
4. Fechas con formato incorrecto.
5. Valores nulos.
Dame ejemplos de inputs pequeños y el output esperado.Aunque no uses pytest todavía, estos casos te ayudan a probar manualmente.
Ejemplo práctico
Imagina un script que toma un Excel de ventas, limpia columnas y genera un CSV final. La IA puede ayudarte a detectar cosas como:
- el script asume que siempre existe la columna
fecha - no valida si el archivo viene vacío
- convierte montos a número sin manejar comas
- guarda el resultado siempre en la misma ruta
- no registra cuántas filas fueron eliminadas
Esas observaciones pueden ser más valiosas que una refactorización automática.
Prompt para documentar el script
Cuando ya entiendes el código, pide:
Crea documentación breve para este script.
Incluye:
- objetivo
- entradas esperadas
- salida generada
- pasos principales
- dependencias
- supuestos
- errores comunes
- cómo ejecutarloEso sirve para README, Notion, Confluence o documentación interna.
Qué no deberías hacer
Evita pegar un script y decir:
Optimiza este código.Ese prompt puede producir cambios demasiado grandes, romper comportamiento o agregar complejidad innecesaria.
Mejor trabaja en capas: entender, revisar, mejorar, probar y documentar.
Conclusión
Claude y ChatGPT son muy útiles para entender scripts de Python, pero debes usarlos como revisores, no como reemplazo de tu criterio.
El flujo recomendado es simple:
1. Explicar por bloques. 2. Detectar riesgos. 3. Refactorizar poco. 4. Crear pruebas. 5. Documentar.
Así conviertes un script oscuro en un proceso más claro, mantenible y seguro.