Cómo uso la IA con Python: Un flujo de trabajo para desarrollo web
Una pregunta en un grupo de Telegram me hizo replantearme todo mi proceso.
Alguien preguntó: "¿Cómo usas realmente la IA con Python? ¿Usas ingeniería de prompts o plantillas?"
La mayoría de la gente tiene dificultades con esto porque la IA cambia demasiado rápido. Yo no utilizo APIs de pago ni modelos locales. Utilizo servicios web gratuitos. Mi flujo de trabajo se centra en el desarrollo web con Django.
Este es mi método exacto.
Paso 1: Construir el contexto Antes de cualquier tarea, le proporciono al modelo el árbol de archivos de mi proyecto y una breve descripción. El modelo debe conocer el entorno.
Paso 2: Guardarlo todo Guardo la URL de cada conversación con la IA. Si vuelvo a un proyecto una semana después, pego el enlace. El modelo ya conoce el proyecto. No pierdo tiempo repitiendo el contexto.
Paso 3: La verificación visual No me limito a pedir código. Le doy al modelo mis plantillas de UI aprobadas y especificaciones técnicas, como versiones de Bootstrap y paletas de colores.
Luego le pido al modelo que describa mi interfaz de usuario (UI). Si su descripción coincide con mi proyecto real, es que lo ha entendido.
Paso 4: Crear una guía de estilo Le pido al modelo que actúe como diseñador UI/UX y escriba una guía de estilo detallada basada en el proyecto. Esto obliga al modelo a consolidar su conocimiento.
Paso 5: Construir prompts reutilizables Le pido al modelo que escriba un prompt para mí. Por ejemplo, le pido que cree un prompt que rediseñe visualmente las plantillas de Django sin tocar la lógica.
Una vez que este prompt funciona, rediseñar una página se convierte en un proceso de un solo paso. Pego el prompt, pego el código y obtengo el resultado.
Mis dos prompts principales de producción:
El prompt de componentes web: Se utiliza para convertir datos JSON en Web Components nativos. Incluye reglas específicas de arquitectura, colores e iconos.
El prompt de rediseño de plantillas: Se utiliza para actualizar la apariencia de las plantillas de Django existentes. Protege estrictamente las etiquetas y la lógica del lado del servidor mientras inyecta nuevo CSS.
Por qué esto funciona:
- Velocidad: Yo escribo la lógica de la aplicación mientras la IA se encarga de la capa visual.
- Aprendizaje: La etapa de contexto me enseña nuevos enfoques técnicos.
- Portabilidad: Como el modelo escribe los prompts, funcionan en diferentes servicios de IA.
La realidad:
No puedes saltarte la fase de configuración. La calidad del resultado depende de la calidad de tu contexto. El primer prompt rara vez es perfecto. Debes ejecutarlo, encontrar los errores y añadir reglas para corregirlos.
Este flujo de trabajo me permite centrarme en la lógica y los datos en lugar de pelearme con el CSS.
Comunidad de aprendizaje opcional: https://t.me/GyaanSetuAi