Aprender a coordinar ramas de Git con la IA, implementar sistemas de autenticación seguros mediante seeding, auditar las “soluciones fáciles” de la IA y depurar errores de servidor y APIs de terceros.
Aprender a coordinar ramas de Git con la IA, implementar sistemas de autenticación seguros mediante seeding, auditar las “soluciones fáciles” de la IA y depurar errores de servidor y APIs de terceros.
Mientras la IA escribe el código y genera commits, es vital que el desarrollador cambie activamente a la rama correspondiente (por ejemplo, usando git checkout) para poder visualizar y probar los cambios reales en su entorno local. Si no se cambia de rama, el código mostrado en el navegador no reflejará el trabajo recién hecho por la IA.
Una vez que una fase se ha probado y los checks se han cumplido, se realiza un merge a la rama develop y se crea un tag (etiqueta de versión) para consolidar el progreso antes de enviarlo a producción (main).
Si el flujo de Git se desordena (por ejemplo, implementar cambios de varias fases en una sola rama por accidente), se debe documentar el error como experiencia y usar la IA para organizar los commits pendientes antes de avanzar a la siguiente arquitectura.
Para probar el panel de administración, se necesita un usuario administrador. No se debe permitir que la IA simplemente inserte texto plano en la base de datos, ya que los sistemas de autenticación modernos (como Better Auth o Next Auth) requieren contraseñas encriptadas (hashes).
La estrategia correcta es instruir a la IA para que cree un script (seed) que realice una petición HTTP al endpoint de registro de la propia API de la aplicación. De esta forma, el sistema hashea la contraseña correctamente antes de guardarla.
La IA puede automatizar el proceso de registrar un usuario de prueba por API, elevar su rol a “admin” en la base de datos, probar el login y, finalmente, limpiar (eliminar) los datos temporales que no sean necesarios.
Al trabajar con herramientas como Tailwind CSS, pueden surgir advertencias por no usar “clases canónicas” (el orden o formato estándar de las clases).
A menudo, la IA intentará silenciar estas advertencias creando configuraciones en el IDE (como un archivo JSON en .vscode) para ignorar las reglas y que dejen de molestar.
El programador no debe aceptar esto. Debe exigir a la IA que no desactive las reglas, sino que corrija el código o que implemente extensiones (como Tailwind Intelligence) que auto-formateen el código al guardar.
En frameworks como Next.js, un error 500 en el servidor a menudo no muestra detalles en la respuesta del navegador (Network). El desarrollador debe revisar la consola del servidor backend/IDE para capturar el stack trace y pasárselo a la IA para que lo analice.
Al conectar servicios externos (como claves de Unsplash u OpenRouter para el chat de IA), pueden surgir errores si el modelo de lenguaje configurado por defecto ha sido deprecado. Se debe instruir a la IA para que actualice el esquema de la base de datos (Prisma) con los nombres de los modelos vigentes.
Si una función parece fallar (ej. el chat no muestra la respuesta de la IA a pesar de que la red marca un código HTTP 200 OK), el desarrollador debe comprobar si el problema es falta de reactividad. En ocasiones, el dato llega a la base de datos pero la interfaz de React no se actualiza automáticamente, requiriendo un refresco manual de la página para visualizarlo mientras se programa la actualización del estado.
