¿Por qué la IA abandona REST: la verdad detrás de tus APIs generadas
Por qué la IA ignora REST en las APIs: La verdad detrás de tus endpoints generados
Estás programando. Le pides a tu IA que cree un endpoint. ¿Y qué pasa? Te da un POST con un payload RPC en vez de un GET simple. ¿Te suena?
Esto ocurre tanto que da que pensar. ¿Es solo por datos de entrenamiento flojos? ¿O hay algo más?
REST no es una regla de hierro
No echemos toda la culpa a la IA. REST son solo guías arquitectónicas. No un estándar rígido. Es una idea flexible.
Sus pilares:
- GET para lecturas seguras e idempotentes.
- POST para crear recursos.
- Aprovechar el sentido de HTTP.
- Mantener todo sin estado.
Son buenas prácticas de la web. Pero nada te obliga a seguirlas. Hay APIs en producción que las ignoran por completo.
Lo que la IA realmente aprende de los datos
La realidad duele: los datos de entrenamiento son un caos. GitHub, foros y docs de APIs muestran de todo.
Encuentras:
- APIs estilo RPC por todos lados: Microservicios internos, GraphQL, sistemas viejos y soluciones prácticas sin obsesión por REST.
- POST para casi todo: Más fácil validar, extender y depurar (las respuestas POST se loguean mejor que las GET).
- Frameworks que priorizan POST: Lo usan como opción segura por defecto.
- Preocupaciones de seguridad: Mejor POST para queries sensibles, sin exponer params en la URL.
Estadísticamente, la IA ve POST como lo más común. No se equivoca. Solo refleja el código real.
El truco de los tokens
Otro factor clave: los tokens cuentan.
Un POST RPC luce así:
POST /api/users
{ "action": "getUser", "id": 123 }
Un GET REST:
GET /api/users/123
Generar token a token, la IA prefiere lo simple. Menos complejidad, menos tokens, más rápido.
REST tiene límites reales (y la IA lo nota)
Piensa en esto: REST no siempre gana.
GraphQL surgió por las respuestas fijas de REST. Los query languages evitan líos en strings de consulta. Microservicios internos dejan REST porque no suma en entornos controlados.
¿Y si la IA capta que REST es ideal para APIs públicas y clientes web, pero no para todo? RPC brilla en contextos internos. No es que REST falle. Es que no siempre encaja.
¿Cuál es la respuesta real?
Una mezcla de todo:
- Distribución de datos: Más código no-REST en el mundo real de lo que admitimos.
- Confusión semántica: Las ideas de REST son filosofía, no reglas fijas para la IA.
- Eficiencia de tokens: Código simple acelera la generación.
- Intuición contextual: Sabe cuándo REST limita.
Cómo forzar APIs REST en tu IA
Sé directo en el prompt:
Crea un endpoint RESTful. Sigue las mejores prácticas. Usa GET para lecturas y códigos HTTP correctos.
Modelo: User { id, name, email }
Cuanto más preciso, mejor obedece. Es ingeniería de prompts para diseño de APIs.
La lección clave
La IA no rechaza REST por capricho. Muestra cómo se escribe código en la práctica. REST es elegante. Pero hay otras opciones, y el mundo real las elige a menudo.
El buen diseño sabe cuándo usar REST (APIs públicas, clientes browser, sistemas distribuidos) y cuándo ser pragmático (servicios internos, rendimiento, legados).
Tu IA ya lo entiende. ¿Y tú?
¿Quieres APIs listas para producción en tu próximo proyecto? La plataforma Vibe Hosting de NameOcean trae herramientas con IA que aprenden tus estilos arquitectónicos. Configura una vez y genera código a medida. Descubre cómo construir más inteligente con NameOcean.