Técnicas de prompting que funcionan: guía práctica

Un prompt es todo lo que le das al modelo: tu pregunta, las instrucciones, los ejemplos y los documentos. El modelo no sabe nada de tu situación más allá de lo que pongas ahí, así que la calidad del prompt decide en buena parte la calidad de la respuesta.

La buena noticia es que la «ingeniería de prompts» consiste sobre todo en comunicar con claridad. Las guías oficiales de Anthropic, OpenAI y Google coinciden en las mismas prácticas. Estas son las siete que más se notan.

1. Da contexto y el objetivo

Escribe el prompt como si se lo explicaras a una persona lista que acaba de llegar y no sabe nada del proyecto. Di para quién es el resultado, para qué se va a usar y cómo es un buen resultado.

Antes: «Escribe una descripción de producto para nuestros auriculares».

Después: «Escribe una descripción para la tienda online de nuestros auriculares inalámbricos, dirigida a gente que sale a correr, de 25 a 45 años. El objetivo es convencerles de que no se mueven mientras corren. Menciona las 30 horas de batería y la resistencia al sudor. Unas 120 palabras, con energía pero sin exagerar».

El segundo prompt ahorra al modelo una docena de suposiciones.

2. Asigna un rol

Decirle al modelo qué experiencia debe usar ajusta el vocabulario, las prioridades y el nivel de detalle: «Eres una abogada laboralista con experiencia que revisa un contrato para el dueño de un pequeño negocio». El rol funciona mejor junto con el contexto: es un enfoque, no sustituye a la información.

3. Enseña ejemplos

Muchas veces un ejemplo es más claro que una descripción. Incluye de dos a cinco ejemplos de entrada y de la salida exacta que quieres; a esto se le llama few-shot prompting. Que sean variados, o el modelo puede copiar detalles que no buscabas, como la longitud o ciertas palabras.

Clasifica cada mensaje de cliente como FACTURACIÓN, TÉCNICO u OTRO.

Mensaje: "Me habéis cobrado dos veces este mes." → FACTURACIÓN
Mensaje: "La app se cierra al subir una foto." → TÉCNICO
Mensaje: "¿Tenéis oficina en Madrid?" → OTRO

Mensaje: "En mi factura aparece mal el NIF." →

4. Fija el formato

Di exactamente qué forma debe tener la respuesta: una tabla con ciertas columnas, una lista, JSON con campos concretos, tres opciones con ventajas e inconvenientes, una extensión máxima. Si vas a pegar el resultado en otro sitio, describe ese destino. En prompts largos, separar las partes con títulos o etiquetas claras (por ejemplo <documento> … </documento>) también ayuda al modelo a distinguir las instrucciones del material.

5. Divide la tarea en pasos

Las peticiones complejas salen mejor por partes. Puedes hacerlo dentro de un mismo prompt («Primero enumera los riesgos principales. Después puntúa cada uno del 1 al 5. Por último, propón una solución para los tres más graves») o encadenando varios prompts, cada uno con el resultado del anterior.

Los modelos actuales ya razonan internamente antes de responder. Aun así, ayudas si pides los pasos que importan, como enumerar los supuestos o comprobar la respuesta final con los requisitos originales.

6. Aporta el material de origen y permite el «no lo sé»

Cuando la respuesta tiene que ser exacta, dale al modelo el documento, los datos o la página en los que debe basarse, e indícale que responda solo a partir de ese material. Añade: «Si la respuesta no está en el texto, dilo». Pedir citas literales que respalden cada punto hace fácil detectar lo que no tiene apoyo. Es la forma más eficaz de reducir las alucinaciones.

7. Prueba y mejora

Para una pregunta puntual, lee la respuesta y pide cambios. Para un prompt que vas a reutilizar —en una plantilla, una automatización o una app— pruébalo con varios casos reales, incluidos los raros. Cambia una sola cosa cada vez y quédate con la versión que mejor funcione. Para lo importante, guarda un pequeño conjunto de casos de prueba (una evaluación) y vuelve a pasarlo cada vez que cambies el prompt o el modelo.

Un ejemplo completo

Eres responsable de atención al cliente de una librería online.

Contexto: respondemos a clientes cuyo pedido llega tarde por culpa de la mensajería.
Objetivo: una respuesta que pida disculpas, dé la nueva fecha de entrega y ofrezca
un código de descuento del 10 %.

Escribe la respuesta en español de España, cercana pero breve (menos de 100 palabras).
Usa los datos del pedido de abajo. Si falta la nueva fecha de entrega, di que la
enviaremos por email en 24 horas en vez de inventarla.

<pedido>
Cliente: Jaime
Pedido: n.º 48213, dos libros
Nueva fecha de entrega: viernes 9 de octubre
Código de descuento: PERDON10
</pedido>

Tiene rol, contexto, objetivo, normas de formato, material de origen y una instrucción para cuando falte información: todas las técnicas trabajando juntas.

Errores habituales

• Objetivos vagos («mejóralo»): di en qué sentido y para quién.
• Restricciones que solo están en tu cabeza: si hay un límite de palabras, un tono o un tema prohibido, escríbelo.
• Normas contradictorias acumuladas con el tiempo: relee los prompts largos y quita lo que ya no aplica.
• Fiarse del primer resultado en trabajos importantes: comprueba los datos y prueba con más de un caso.