Galería de Prompts

El prompt solicita a un desarrollador full‑stack especializado en JavaScript y CSS/HTML que cree un applet con diseño moderno de glassmorphism, fondo degradado, tipografía grande, esquinas redondeadas y responsividad móvil, siguiendo una estructura específica (título h1, contenedor centrado y copyright). Primero debe describir paso a paso el plan en pseudocódigo, luego generar todo el código necesario (HTML, CSS y JavaScript) con comentarios claros, sin placeholders ni TODOs, y presentar cada archivo dentro de bloques de código. Se enfatiza la legibilidad, la documentación profesional y la entrega de un producto listo para producción, incluyendo importaciones y gestos táctiles. Finalmente, el asistente debe ser conciso, evitar texto superfluo y cumplir al pie de la letra con todos los requisitos del usuario. *Ejemplo de uso*: un cliente pide una mini‑aplicación de calculadora con estilo glassmorphism; el asistente sigue este prompt, planifica la lógica, escribe el HTML, CSS y JavaScript completos y entrega el código listo para desplegar.

El prompt convierte al asistente en un “compañero de memoria de código” que, al recibir un fragmento, lo explica en inglés cotidiano como si el usuario tuviera un lapsus de memoria, sin usar jerga técnica. Responde suavemente a cinco preguntas: tipo de código, apariencia o comportamiento al ejecutarse, propósito general, posibles mejoras o partes incompletas, y sugerencias de optimización. Cada respuesta se da de forma clara, amable y alentadora, sin volver a mostrar el código original. Así, el asistente actúa como un amigo que ayuda al usuario a reconectar con su propio trabajo. *Ejemplo*: el usuario pega un bloque de HTML/CSS y el asistente responde: “Es una página web que muestra una galería de fotos; al cargar muestra imágenes en una cuadrícula…”.

You are an advanced AI Coding Agent. Your primary objective is to assist in the creation of high-quality, robust, maintainable, efficient, and user-centric software. To achieve this, you must rigorous...

- Applet Name: [APPLET NAME] - What I Want My App To Do: [DESCRIBE HERE] Your role is to act as a coding partner and systems architect, expanding, refining, and optimizing the project’s codebase ...

<System> You are a Senior Software Engineer with 10+ years of full-stack development experience. You specialize in clean code practices, debugging, peer reviews, documentation, test-driven development...

You are a senior prompt engineer and technical documentation expert. Your mission is to take a given business idea and generate a fully‑detailed technical blueprint for its implementation. The bluep...

You are a senior software architect focusing on diagnosing and resolving complex bugs. Your role is to: 1. Identify the Top 3 Suspects: Propose the most likely culprits causing this issue. 2. Confid...

El documento reúne normas de codificación, un flujo de trabajo de co‑desarrollo IA‑humano y técnicas de “Vibe Coding” para guiar la colaboración con LLMs, estableciendo principios como claridad, simplicidad, consistencia, mantenibilidad y testabilidad. Define roles claros (Planner y Executor), un proceso iterativo basado en planes escritos en un “scratchpad”, pruebas unitarias/TDD y commits frecuentes en Git, además de estrategias para usar varios modelos de IA y solucionar problemas comunes. Incluye pautas para modularidad, documentación, manejo de errores y uso de herramientas visuales o de voz que mejoran la productividad del equipo. Todo está estructurado para que los desarrolladores obtengan código de alta calidad de los LLMs, revisen y refactoricen continuamente y mantengan un control de versiones sólido. **Ejemplo de caso de uso:** Un programador crea un plan de una nueva API en `scratchpad.md`, solicita al LLM que genere cada endpoint siguiendo TDD, verifica los tests, corrige errores copiando los mensajes al modelo y hace commit después de cada paso exitoso.

El texto define un prompt para que un ingeniero senior de prompts genere un plano técnico completo a partir de una idea de negocio, estructurado en nueve secciones: requisitos de diseño del producto, stack tecnológico, diagrama de flujo de la aplicación, reglas del proyecto, plan de implementación, guías de frontend y backend, directrices de código React optimizado y una lista de verificación de seguridad que debe integrarse en todo el proceso. Cada sección debe incluir descripciones concisas, ejemplos y pautas accionables, presentadas en Markdown con encabezados, listas y bloques de código para facilitar la lectura. Además, se especifican buenas prácticas de desarrollo, control de versiones, pruebas, documentación y medidas de seguridad como autenticación, gestión de secretos y protección de endpoints. El prompt también indica que el modelo debe explicar el “qué” y el “por qué” de cada recomendación, asegurando que el blueprint sea práctico y justificable. *Ejemplo de uso:* una startup que quiere lanzar una plataforma de reservas solicita al modelo que, usando este prompt, produzca un blueprint que detalle la arquitectura React‑Node, el flujo de usuario, los hitos de desarrollo y las políticas de seguridad necesarias.

El texto define un modo de asistencia de código que obliga a completar todas las lecturas de archivos y bucles sin interrupciones, usando razonamiento extendido y simulación de herramientas. Cada tarea multipaso debe iniciar con la reexpresión completa de la especificación, seguida de un plan detallado con pseudocódigo y dependencias. Durante la codificación se simulan acciones de herramientas (por ejemplo, abrir y leer archivos) y se verifica explícitamente el progreso, generando al final un resumen breve de decisiones y limitaciones. Se deben anticipar y manejar posibles errores, reintentando la tarea con mayor profundidad si se detectan fallos o secciones incompletas, manteniendo todo el contexto y razonamiento previo. *Ejemplo*: al solicitar un script que lea un CSV y calcule la media, el asistente primero repite la especificación completa, planifica los pasos (abrir archivo, leer líneas, convertir a números, calcular media), simula la apertura del archivo, verifica cada línea leída y, al final, resume cómo obtuvo la media y qué posibles errores consideró.