Prompts para aprender a programar con IA: el tutor que sí funciona

La IA puede ser el mejor tutor de programación que hayas tenido o la forma más rápida de no aprender nada: la diferencia está en cómo le pides ayuda. Pedir "hazme una calculadora en Python" te da código que copias y no entiendes; pedir "explícame cómo estructurar una calculadora y dame pistas" te deja con la habilidad. Esta guía cubre los prompts de tutoría que funcionan: niveles de explicación, pistas en vez de soluciones, proyectos guiados y ejercicios con feedback.

Niveles de explicación: de ELI5 a técnico

El mismo concepto se explica en niveles distintos, y el prompt controla el nivel:

Explica {concepto: p. ej. "qué es un closure en JavaScript"}
en tres niveles:

1. ELI5 (explícamelo como si tuviera 10 años): una analogía
   simple y un ejemplo de una línea.
2. Nivel práctico: cómo se usa en un programa real, con un
   ejemplo mínimo de 5-10 líneas comentadas.
3. Nivel técnico: qué pasa internamente (call stack, memoria,
   contexto de ejecución) en no más de 5 líneas.

Después pregúntame qué nivel me quedó más claro para seguir
desde ahí.

Pedir los tres niveles tiene un efecto secundario valioso: te obliga a leer el concepto tres veces con lentes distintos. El nivel ELI5 te da la intuición, el práctico te da el uso, el técnico te da el fundamento. Cuando un concepto no entra, pide bajar un nivel: "ese ejemplo todavía no me queda claro, dame uno más simple con algo de la vida real".

Pistas en vez de soluciones

El prompt que más cambia el aprendizaje:

Estoy aprendiendo a programar y quiero resolver este ejercicio yo
mismo. NO me des el código completo.

Ejercicio: {descripción del ejercicio}

En su lugar:
1. Dame una pista de qué concepto necesito (máximo 2 líneas).
2. Señala en qué parte del proceso debo pensar primero.
3. Si me quedo trabado, dame una pista más concreta, pero nunca
   la solución completa.
4. Cuando termine mi intento, corrígeme con feedback específico.

Mi intento hasta ahora:
{código o descripción de lo que he probado}

La regla de la tutoría efectiva: el error que cometes tú te enseña más que la solución que copias. El modelo es excelente siguiendo esta instrucción si se la das explícita —sin ella, su sesgo por defecto es resolver el problema y entregarte el código, que es justo lo que no quieres.

Proyectos guiados en lugar de ejercicios sueltos

Los ejercicios aislados no se quedan; los proyectos sí. Pide el proyecto por etapas:

Quiero construir {proyecto: p. ej. "un gestor de tareas en
Python con archivos JSON"} para aprender {habilidades: listas,
diccionarios, manejo de archivos, funciones}.

Guíame por etapas:
- Etapa 1: diseño. Ayúdame a dividir el proyecto en funciones y
  estructuras de datos ANTES de escribir código.
- Etapa 2: esqueleto. Dame la estructura del código con
  comentarios de qué va en cada parte, sin implementar.
- Etapa 3: implementación. Voy escribiendo cada función y me
  corriges con feedback.
- Etapa 4: pulido. Manejo de errores y casos límite.

No avances de etapa hasta que yo te diga que terminé la actual.

La estructura por etapas evita el patrón más común de la tutoría con IA: el agente se adelanta, implementa todo y tú solo copias. Pedir el diseño primero —antes de cualquier código— es lo que separa a quien aprende de quien transcribe.

Ejercicios con feedback específico

Para practicar, pide ejercicios adaptados y corrección real:

Dame un ejercicio de {tema} para mi nivel: sé {listas y
diccionarios en Python}, estoy aprendiendo {clases}.

El ejercicio debe:
- Tener una sola tarea clara, resoluble en 20-30 minutos.
- Incluir casos de prueba que yo pueda correr.
- No incluir la solución.

Cuando envíe mi intento, responde con:
1. Qué funciona (una línea).
2. Qué falla y por qué (con la línea exacta si aplica).
3. Una pista para arreglarlo yo mismo.
4. Un reto extra solo si la solución quedó bien.

El feedback en cuatro puntos es importante por lo que no hace: no reescribe tu código. Corrige la línea, explica el porqué y te deja arreglarlo. Ese ciclo —intentar, fallar, corregir— es el que construye la memoria de programación.

Cómo evitar depender del código generado

La dependencia no aparece de golpe: aparece cuando cada "no sé" termina en "pégame el código". Tres reglas prácticas:

• Escribe primero, pregunta después: siempre intenta algo antes de pedir ayuda, aunque esté mal. El prompt "mi intento falla en X" entrena al modelo a corregir, no a reemplazar.
• Pide explicación del código que sí copias: si copias una solución, el siguiente prompt es "explícame línea por línea qué hace y qué decidiste por mí".
• Cierra el editor al explicar: pedir la explicación sin el código a la vista fuerza la comprensión.

La guía de prompt engineering de OpenAI tiene el principio general detrás de todo esto: las instrucciones específicas y el formato de salida definido cambian el comportamiento del modelo. El prompt engineering de Claude agrega la técnica de roles —"eres un tutor que nunca da la solución" funciona mejor que "ayúdame a aprender"— porque el rol estructura todas las decisiones siguientes. Y si quieres la base completa de cómo se estructuran estos prompts para agentes, la guía de prompt engineering para agentes lo explica con ejemplos antes y después.

Verificación de tu proceso de aprendizaje

1. Escribiste un intento propio antes de pedir ayuda en la mayoría de las sesiones.
2. Puedes explicar con tus palabras cada línea del código que terminaste usando.
3. El porcentaje de código que escribes tú crece semana a semana.
4. Cuando copias una solución, pides la explicación después.
5. Tienes un proyecto propio (no un tutorial) donde aplicas lo aprendido.

Aprender a programar con IA es aprender a dirigir la tutoría: pedir niveles, exigir pistas, estructurar proyectos y corregir con feedback. La IA acelera el ciclo intentar-fallar-corregir en vez de reemplazarlo. Para dar el salto de aprender a construir agentes de verdad, la guía de crear un agente de IA en Python desde cero es el proyecto perfecto para aplicar lo aprendido, y el curso gratuito de instalación te lleva de cero a un agente corriendo en un día.