Prompts que Realmente Funcionan en Claude Code (Y el Error que Comete el 90% de los Devs)

Programación· 5 min de lectura

Prompts que Realmente Funcionan en Claude Code (Y el Error que Comete el 90% de los Devs)

Hubo un momento, hace unos meses, en el que estaba a punto de desinstalar Claude Code.

Llevaba semanas usándolo y los resultados eran… mediocres. Código que no encajaba con el resto del proyecto. Cambios que rompían cosas que ya funcionaban. Respuestas genéricas que podría haber encontrado en Stack Overflow.

Luego vi cómo un compañero lo usaba y me di cuenta del problema: yo lo estaba prompting como si fuera ChatGPT. Como si fuera un buscador sofisticado.

Él lo estaba usando como si fuera un desarrollador senior incorporado a su equipo.

Esa distinción lo cambia todo.

Por Qué Claude Code Es Diferente (Y Por Qué Tu Forma de Prompting Importa Más)

Mira, hay una diferencia fundamental entre las herramientas de IA para código:

GitHub Copilot te completa líneas. Vive en el autocomplete.

Cursor te ayuda desde el IDE con contexto de archivo.

Claude Code razona de forma autónoma sobre bases de código completas. Es agentic. No solo adivina la siguiente línea, entiende la arquitectura y toma decisiones.

Eso significa que el modelo tiene capacidad para hacer cosas que las otras herramientas no pueden. Pero también significa que si lo tratas como un autocomplete glorificado, estás dejando el 80% de su potencial en la mesa.

Ingenieros de Google han reportado que Claude Code resolvió en una hora lo que les había tomado un año construir. Cuando escuchas algo así, la pregunta no es si el modelo es bueno. La pregunta es: ¿cómo lo estaban usando?

El Error Más Común: Describir Implementación en Vez de Resultado

Aquí está el patrón que destruye la mayoría de sesiones con Claude Code:

Prompt malo:

[@portabletext/react] Unknown block type "code", specify a component for it in the `components.types` prop

Prompt bueno:

[@portabletext/react] Unknown block type "code", specify a component for it in the `components.types` prop

¿Ves la diferencia?

El primer prompt le dice cómo hacerlo. El segundo le dice qué debe pasar cuando termine.

Cuando describes el outcome, Claude Code puede elegir la mejor implementación basándose en el contexto real de tu proyecto. Cuando describes la implementación, lo estás limitando a tu propia solución, que puede que no sea la óptima.

Las 4 Estrategias que Cambian los Resultados

1. Siempre Incluye Rutas de Archivo Específicas

Claude Code puede leer tu codebase completo, pero si no le dices dónde actuar, pierde tiempo buscando contexto.

Antes:

[@portabletext/react] Unknown block type "code", specify a component for it in the `components.types` prop

Después:

[@portabletext/react] Unknown block type "code", specify a component for it in the `components.types` prop

Las rutas específicas eliminan ambigüedad. Un desarrollador senior tampoco te preguntaría “¿en qué archivo?” si ya se lo dijiste.

2. Da Contexto de Restricciones, No Solo del Objetivo

Esto lo aprendí por las malas. Claude Code a veces propone soluciones técnicamente correctas pero que no encajan con tu stack o con decisiones arquitectónicas previas.

[@portabletext/react] Unknown block type "code", specify a component for it in the `components.types` prop

Cuando le das las restricciones, el resultado es casi siempre production-ready desde el primer intento.

3. Usa /compact Antes de Tareas Largas

Este comando es de los más infravalorados. Cuando llevas mucho contexto acumulado en una sesión, el modelo empieza a perder el hilo de decisiones anteriores.

/compact comprime el contexto manteniendo lo esencial. Úsalo:

  • Antes de cambiar de tarea dentro de la misma sesión
  • Cuando notes que las respuestas empiezan a ser menos precisas
  • Antes de pedirle que refactorice algo con múltiples dependencias

4. El CLAUDE.md Que Nadie Configura

Si solo haces una cosa de este artículo, que sea esta: crea un archivo CLAUDE.md en la raíz de tu proyecto.

Este archivo es el contrato entre tú y Claude Code. Le explica las reglas del proyecto antes de que empiece.

[@portabletext/react] Unknown block type "code", specify a component for it in the `components.types` prop

Este archivo lo lee Claude Code automáticamente. Es como el onboarding que le darías a un dev nuevo en tu equipo.

Las Limitaciones Reales (Y Cómo Trabajar con Ellas)

Te cuento lo que nadie dice en los threads de Twitter: Claude Code no es perfecto.

Donde más falla es en arquitecturas event-driven complejas. Si tienes múltiples servicios comunicándose por colas de mensajes con side effects en cascada, el modelo puede perder el rastro de las dependencias implícitas.

La solución no es pedir menos. Es pedir de forma diferente:

  1. Checkpoints explícitos: “Antes de hacer el cambio, explícame qué otros archivos se verían afectados por esta modificación”
  2. Tareas más pequeñas: En vez de “refactoriza el sistema de notificaciones”, divide en “primero mueve la lógica de envío a un service, luego separamos los canales”
  3. Confirmación de entendimiento: “Resume cómo funciona actualmente este módulo antes de modificarlo”

En 2026, la Ventaja No Es Tener la Herramienta

Todos los devs que conozco ya usan alguna herramienta de AI para código. La ventaja competitiva no es tenerla. Es saber hablarle.

Los estudios que manejan Anthropic hablan de que Claude Code produce una mejora de entre el 20% y el 55% en velocidad de completar tareas, y una aceleración de hasta 3-5x en prototipos. Esos números no son mágicos. Son el resultado de prompting bien ejecutado.

La diferencia entre un dev que lo usa bien y uno que lo usa mal no está en el modelo. Está en si trata a Claude Code como un autocomplete o como un colaborador con contexto.

Empieza Hoy con Esto

Dos pasos concretos para mañana:

  1. Crea tu CLAUDE.md: Dedica 20 minutos a documentar tu stack, convenciones y lo que Claude Code nunca debe hacer en tu proyecto. Es una inversión que se amortiza en la primera sesión larga.
  2. Cambia cómo formulas tus próximos 5 prompts: Antes de enviarlos, pregúntate: ¿estoy describiendo la implementación o el resultado esperado? Reescríbelos si es necesario.

Seguimos construyendo.

Brian Mena

Brian Mena

Ingeniero informatico construyendo productos digitales rentables: SaaS, directorios y agentes de IA. Todo desde cero, todo en produccion.

LinkedIn