ChatGPT me dio una sugerencia de corrección de bugs muy útil:

“No te apresures a aplicar un parche. Abstrae este problema en la posibilidad de una falla del sistema. Por favor, proporciona tres niveles de soluciones:
A. Control de hemorragias (el mínimo cambio, que pueda durar 1-2 semanas);
B. Reparación estructural (introducir un mecanismo intermedio, como un contrato unificado/descubrimiento de servicios/capa de enrutamiento/capa de eventos);
C. Evolución de la arquitectura (el estado objetivo para los próximos 3 meses).
Cada solución debe incluir claramente: alcance del cambio, modos de fallo, observabilidad, pasos de migración, estrategia de reversión. Finalmente, indica la solución recomendada y las condiciones para cambiar de A a B (cuándo escalar de A a B).”

Por último, AI seguramente te recomendará B, pero tú simplemente elige C sin pensarlo.

La razón es que AI se considera a sí misma como una persona en un entorno de producción real, asumiendo que este producto está siendo utilizado por muchas personas y que reestructurar una función lleva meses, por lo que siempre tiende a parchear vulnerabilidades en lugar de impulsar una reestructuración radical.

Pero la realidad es que, para AI, reestructurar un gran proyecto lleva solo unas horas, y el producto en sí no está siendo utilizado por nadie. Además, cada parche que hace no resuelve realmente los problemas, sino que genera bugs posteriores, ¡por lo que hay que hacerlo de una vez y bien!

Cuando AI se ve obligada a dar una respuesta A/B/C y a definir condiciones para cambiar de una a otra, deja de ser solo un parcheador.