Each language version is independently generated for its own context, not a direct translation.
Imagina que tienes un asistente de cocina extremadamente inteligente (una Inteligencia Artificial) que puede cocinar cualquier plato del mundo. Sin embargo, este asistente tiene un problema: no conoce tu cocina, no sabe qué ingredientes tienes en la nevera, no conoce tus recetas familiares y, lo más importante, no sabe cómo te gusta que se prepare la comida.
Si solo le dices "hazme una pasta", podría usar especias que odias, cocinarla en una sartén que no tienes, o seguir un estilo de cocina que no encaja con tu restaurante.
Este es el problema que resuelve el artículo "Más allá del Prompt: Un Estudio Empírico de las Reglas Cursor".
Aquí te explico qué descubrieron los investigadores (Shaokang Jiang y Daye Nam) usando una analogía sencilla:
1. ¿Qué son las "Reglas Cursor"?
En lugar de tener que gritarle instrucciones al asistente cada vez que quieres cocinar algo nuevo (lo cual es cansado y propenso a errores), los programadores crearon un "Libro de Instrucciones Permanente" (llamado archivo .mdc o "Cursor Rules").
Es como si dejaras una nota en la nevera que dice: "Oye, aquí usamos siempre aceite de oliva, nunca salamos antes de tiempo, y si es para una fiesta, usa el plato azul". Este libro vive en el proyecto y el asistente lo lee antes de hacer cualquier cosa.
2. ¿Qué encontraron en estos libros? (La Taxonomía)
Los investigadores leyeron 401 de estos libros de proyectos de código abierto reales y descubrieron que los programadores les dicen a la IA cinco tipos de cosas principales:
- 🏗️ El Mapa del Proyecto (Información del Proyecto):
- Analogía: Es como darle al asistente el plano de la casa.
- Qué es: Le dicen qué herramientas usan (¿Python o Java?), cómo se llama el edificio (el proyecto) y qué habitaciones existen. Esto evita que la IA invente cosas que no existen.
- 📏 Las Reglas de Etiqueta (Convenciones):
- Analogía: Es el código de vestimenta y las normas de comportamiento.
- Qué es: "Aquí no usamos mayúsculas en los nombres de archivos", "Siempre usamos este tipo de botón". Es para que todo el código se vea como si lo hubiera escrito la misma persona, no un Frankenstein de estilos.
- 💡 Los Consejos de Sabiduría (Directrices):
- Analogía: Son los consejos de un chef experto: "Nunca mezcles chocolate con queso".
- Qué es: Reglas generales de calidad. "Haz pruebas de seguridad", "No hagas el código lento", "Escribe comentarios claros".
- 🤖 Las Instrucciones para la IA (Directivas de LLM):
- Analogía: Es como decirle al robot: "Cuando tengas dudas, pregúntame antes de actuar" o "Actúa como un arquitecto experto, no como un aprendiz".
- Qué es: Esto es lo más nuevo. Son instrucciones específicas para cómo debe pensar la IA. Por ejemplo: "Si no estás seguro, no adivines, pregunta".
- 📚 Los Ejemplos (Ejemplos):
- Analogía: Mostrar una foto de cómo debe quedar el plato terminado.
- Qué es: "Mira cómo hicimos esto la última vez, hazlo igual".
3. ¿Qué descubrieron de interesante?
- No todos los idiomas son iguales:
Si programas en un lenguaje muy estricto (como Java o C#), la IA necesita menos explicaciones porque el lenguaje ya le dice muchas cosas. Pero si programas en lenguajes más flexibles (como JavaScript o PHP), los programadores tienen que escribir muchas más reglas para que la IA no se pierda. Es como si en un país con leyes muy estrictas no necesitaras un manual de instrucciones, pero en un país con leyes flexibles necesitaras un libro entero. - El "Efecto Copia y Pega":
Descubrieron que casi el 30% de lo que escriben los programadores es copiado de otros proyectos o de plantillas. Es como si todos los chefs usaran el mismo libro de recetas básico y solo cambiaran dos ingredientes. Esto es útil, pero a veces significa que están dando información que la IA ya debería saber o que no es relevante para su proyecto específico. - Los novatos vs. Los expertos:
Los proyectos nuevos tienden a dar instrucciones muy específicas sobre cómo debe comportarse la IA (porque los creadores están aprendiendo a usarla). Los proyectos viejos, en cambio, se centran más en mantener las reglas de estilo y la estructura, asumiendo que la IA ya sabe lo básico.
4. ¿Por qué es importante esto? (La Lección)
Hasta ahora, pensábamos que la IA era un genio que lo sabía todo. Este estudio nos dice que la IA es tan buena como la información que le damos.
- El problema: Muchos programadores están escribiendo reglas que la IA ya podría encontrar sola, o están copiando reglas que no aplican a su proyecto. Es como darle al asistente de cocina una receta de sushi cuando estás haciendo tacos.
- La solución: Los investigadores sugieren que las herramientas del futuro deberían ayudarnos a escribir mejores reglas. En lugar de que tú escribas todo a mano, la herramienta debería decirte: "Oye, para tu proyecto en Python, necesitas estas 3 reglas específicas, pero no necesitas escribir las otras 10 porque ya las tengo".
En resumen
Este paper es como un estudio de antropología para la era de la Inteligencia Artificial. Nos dice que, para que la IA sea un buen colaborador en el trabajo, no basta con darle una orden rápida; necesitamos darle un contexto rico, organizado y personalizado, como si le presentáramos a un nuevo empleado en una empresa, explicándole no solo qué hacer, sino cómo hacerlo, qué normas seguir y quién es realmente.
La próxima vez que uses una IA para programar, recuerda: no le des solo un prompt, dale un manual de instrucciones.