Por qué ChatGPT olvida tu estilo de programación y cómo solucionarlo (2026)

Nada en una aplicación de chat cumple la función de un archivo de reglas

Esta es toda la diferencia estructural, y vale la pena señalarla antes de las soluciones alternativas. La propia documentación de Cursor explica por qué existen los archivos de reglas: "Los modelos de lenguaje grandes no retienen la memoria entre completados. Las reglas proporcionan un contexto persistente y reutilizable a nivel de prompt".

Cada herramienta de programación que parece recordar tu estilo está haciendo eso: volver a suministrar el mismo texto con cada solicitud desde un archivo en el disco. Cursor lee .cursor/rules, Claude Code lee CLAUDE.md, Codex lee AGENTS.md. Por eso, que Claude olvide tu estilo de programación y que Cursor lo olvide generalmente se puede solucionar escribiendo un archivo mejor.

ChatGPT no tiene tal archivo. No hay ninguna ruta en tu máquina que lea antes de responder. Por lo tanto, el mecanismo que hace que el estilo persista en cualquier otra herramienta simplemente no está disponible, y los sustitutos son todos mucho más pequeños.

La memoria está dimensionada para preferencias, no para guías de estilo

La memoria guardada de ChatGPT es corta por diseño: se envía junto con cada prompt, por lo que su tamaño representa un costo por solicitud. No hay una cifra publicada; las estimaciones que circulan la sitúan en torno a 1,200 o 1,400 palabras en total, o aproximadamente 200 entradas, y no coinciden entre sí. Trátala como una página o dos.

Una guía de estilo real no cabe en una página o dos. Y si lo intentas, llegarás al límite: una vez que la memoria está llena, ChatGPT deja de agregar nuevos datos a largo plazo hasta que elimines algo, lo cual es una frustración aparte por derecho propio. El sistema de memoria reconstruido que OpenAI anunció el 4 de junio de 2026 mejoró esto: un resumen de memoria legible que se mantiene actualizado con el tiempo y el doble de capacidad para Plus y Pro, pero duplicar una página o dos sigue sin ser una guía de estilo. También vale la pena saber que el sistema más nuevo sintetiza en lugar de almacenar tus palabras exactas, por lo que una convención redactada con precisión puede devolverse parafraseada.

El estilo son cien pequeñas decisiones, no una sola instrucción

"Sigue nuestro estilo de programación" parece una sola instrucción. En realidad es: nomenclatura para booleanos, estructura de manejo de errores, dónde viven los tipos, si usas exportaciones de barril, cómo ordenas las props, cuándo se justifica un comentario, a qué utilidad recurres en lugar de escribir un bucle, cómo se nombran las pruebas.

La mayoría de ellas nunca se mencionan. Te das cuenta de ellas al ver una infracción, lo que significa que tu guía de estilo se va descubriendo de manera incremental, en los chats, y cada descubrimiento vive solo donde lo hiciste. Después de diez sesiones, a ChatGPT se le han indicado diez subconjuntos diferentes de tus convenciones y no retiene ninguno.

El pegado se degrada

Todo el mundo termina por pegar un bloque de convenciones al principio de una sesión. Luego se va acortando. Escribes de memoria y las excepciones son la parte aburrida, por lo que el texto pegado de la semana cuatro es la mitad directa de la semana uno. El estilo se desvía porque tu propia reformulación del mismo se desvía: la versión común de volver a explicar el contexto a mano.

Vale la pena separar esto de un problema cercano: si pusiste las convenciones en las instrucciones personalizadas y aun así se ignoran, eso es instrucciones configuradas pero no aplicadas, un fallo diferente. Este artículo trata sobre convenciones que no están presentes en absoluto.

Instrucciones personalizadas. El primer paso correcto y genuinamente efectivo para un puñado de reglas estrictas. El bloque es pequeño, por lo que tendrás que elegir qué cinco convenciones importan más, y se aplica a todo tu trabajo, lo cual es incorrecto si escribes Go en el trabajo y TypeScript en casa.

Memoria guardada. Funciona para dos o tres preferencias estables ("Uso el modo estricto de TypeScript"). Es el contenedor equivocado para una guía, y llenarlo con reglas de estilo consume un presupuesto que también deseas para todo lo demás sobre ti.

Un Project con un archivo de convenciones adjunto. La mejor de las opciones integradas: limitada a ese proyecto, sin desbordamiento global y un documento real en lugar de un resumen. Los límites son que está acotado a ChatGPT, los archivos no permanecen de manera confiable en el contexto a lo largo de sesiones largas y no ayuda con la pregunta rápida que haces en un chat normal.

Un GPT personalizado con la guía de estilo en sus instrucciones. Efectivo y un verdadero paso adelante, porque las instrucciones son más largas que el bloque de instrucciones personalizadas. Ahora mantienes un asistente separado por proyecto y debes acordarte de usarlo, y actualizar la guía significa editar un GPT.

Pegar la guía en cada sesión. Confiable en teoría, degradado en la práctica, y cuesta tokens en cada conversación.

Un linter y un formateador. La respuesta profesional para todo lo mecánico, y merece un lugar destacado en lugar de una nota al pie; ver más abajo.

Primero, divide tu estilo en dos mitades, porque la mitad de él nunca debería estar en un prompt.

La mitad mecánica pertenece a las herramientas. El estilo de las comillas, los puntos y comas, la sangría, el orden de las importaciones, la longitud de las líneas, las comas finales y la mayoría de los patrones de nomenclatura son aplicables mediante Prettier, ESLint, Black, gofmt, rustfmt o el equivalente de tu lenguaje, con un archivo de configuración guardado en el repositorio. Un formateador no puede olvidar. Si le pides a una IA que recuerde tus preferencias de sangría, estás usando un modelo de lenguaje como linter, y siempre será peor en eso que el propio linter. Este es el movimiento de mayor impacto en todo el artículo y no tiene nada que ver con la memoria.

La mitad de criterio necesita una capa de memoria. Ningún formateador expresa "no usamos herencia en la capa de servicio", "prefiere un helper nombrado antes que una línea de código ingeniosa", "permitimos any en el cliente de API generado y en ningún otro lugar" o "los mensajes de error están orientados al usuario, escríbelos en consecuencia". Estas son convenciones con razones, y las razones son las que evitan que se vuelvan a discutir.

Esa segunda mitad es lo que debes poner en un almacén del que ChatGPT lea en cada solicitud, no un texto pegado que vuelves a escribir, ni un presupuesto de memoria de dos páginas con el que compita. MemoryLake es una capa de memoria para ese trabajo: tu documento de convenciones vive en un solo almacén, se recupera cuando es relevante y también es legible desde Claude, Codex y otros agentes, por lo que la guía de estilo deja de ser un artefacto específico de cada herramienta.

Un límite honesto. Suministrar convenciones de manera confiable aumenta la frecuencia con la que se siguen; no garantiza el cumplimiento, porque el hecho de que un modelo actúe según lo que lee es un comportamiento del modelo. Por eso exactamente la mitad mecánica va al formateador: para cualquier cosa que necesites imponer, usa algo que la imponga.

Paso 1: Crea una clave de API

Genera una clave y realiza tu primera solicitud en unos 30 segundos. Manténla en tu entorno o en un gestor de secretos en lugar de pegarla en un chat o subirla al repositorio.

Paso 2: Sube tus primeras memorias

Arrastra los documentos, imágenes y archivos que contienen tus convenciones reales: la guía de estilo, el documento de "cómo escribimos servicios", la lista de verificación de revisión con la que debate tu equipo, ejemplos de código que consideres ejemplares. Incluye las razones. Una convención sin su razón se anula la primera vez que resulta inconveniente, tanto por el modelo como por ti.

Paso 3: Conecta tu IA y agentes

Dale a Claude, Codex, OpenClaw y otros agentes de IA acceso a la memoria a través de MCP o la API. ChatGPT no tiene un cliente MCP, por lo que el camino allí es la API: recupera las convenciones relevantes e inyéctalas en el prompt, en las instrucciones de un GPT personalizado o en el flujo de trabajo que llama al modelo. Las herramientas que sí hablan MCP leen el mismo almacén directamente, que es el punto: una guía de estilo, cada asistente.

El primer cambio es que tus convenciones dejan de reducirse. Lo que ve ChatGPT es el documento, no tu recuerdo del mismo, por lo que el resultado de la semana veinte se mantiene bajo el mismo estándar que el de la semana uno.

El segundo es que la guía crece correctamente. Cuando notas una nueva convención a mitad de una revisión, agregas una línea al documento en lugar de una frase a un chat que está a punto de terminar. A lo largo de unos meses, esa es la diferencia entre una guía de estilo real y un recuerdo popular.

El tercero es que las revisiones se vuelven útiles. "¿Coincide esto con nuestras convenciones?" solo significa algo si las convenciones se pueden recuperar. En este momento, la respuesta es una buena práctica genérica, que también es la razón por la cual que ChatGPT llegue sin el contexto de tu proyecto hace que su revisión de código se sienta simultáneamente segura de sí misma y fuera de lugar.

Y deja de ser específico de ChatGPT. Una convención es una propiedad de tu base de código, no de tu asistente. Una vez que está en un almacén compartido, cambiar a una herramienta diferente no reinicia el aprendizaje.

Haz del linter la fuente de verdad para cualquier cosa que pueda expresar

Guarda la configuración en el repositorio y luego deja que el resultado de la IA sea verificado por ella en lugar de estar gobernado por tu prompt. Esto reduce lo que se debe recordar a la parte que realmente requiere criterio, y hace que las infracciones sean visibles en lugar de discutibles.

Escribe convenciones como reglas con razones

"Usa retornos tempranos" es una preferencia y se anula. "Usa retornos tempranos: los condicionales anidados en esta base de código han causado dos errores de producción donde se omitió la rama else" es una regla con una defensa. Las razones también te ayudan a notar cuándo una convención ha dejado de ser cierta.

Incluye un ejemplo de referencia, no solo prosa

La forma más rápida de transmitir un estilo es un archivo corto que consideres correcto. Los modelos generalizan a partir de ejemplos de manera más confiable que a partir de listas de adjetivos, y un ejemplo de referencia contiene las docenas de pequeñas decisiones que nunca articulaste.

Mantén pequeña la parte que siempre se carga

Lo que sea que se inyecte en cada solicitud (instrucciones personalizadas, un encabezado corto de convenciones) deberían ser tus cinco reglas más infringidas, no toda la guía. El resto pertenece a la recuperación. Un muro de reglas de estilo frente a cada pregunta desplaza la pregunta.

Anota las excepciones explícitamente

Cada base de código real tiene "hacemos X excepto en Y". Las excepciones no escritas son donde la IA parece estar más equivocada mientras sigue exactamente tus reglas establecidas, y donde terminas corrigiendo lo mismo repetidamente porque la corrección nunca llegó a la guía.

ChatGPT olvida tu estilo de programación porque no hay ningún archivo que lea antes de responder. Los agentes de programación resuelven esto con archivos de reglas cargados en cada solicitud; una aplicación de chat ofrece un pequeño bloque de instrucciones personalizadas, una memoria dimensionada para preferencias en lugar de guías y el alcance de un Project, y tus convenciones terminan viviendo en la última conversación en la que las explicaste.

La solución es una división, no un solo movimiento. Pon todo lo mecánico en un formateador y linter con una configuración guardada en el repositorio, porque un formateador no puede olvidar y un modelo de lenguaje nunca será tan bueno con la sangría como una herramienta creada para ello. Pon la mitad de criterio (las convenciones con razones, las excepciones, el ejemplo de referencia) en un almacén que tus asistentes lean en cada solicitud. Así, la guía deja de degradarse a la velocidad de tu propia memoria y deja de pertenecer a un solo producto.