Un prompt es un encargo. El modelo solo lee lo que escribiste, así que cada dato que necesita y cada preferencia que tienes deben estar en la página. Cuando una respuesta llega genérica, la causa casi siempre es algo que el prompt omitió, no algo que dijo mal.
La mayoría de los prompts útiles se construyen con las mismas seis partes. El bloque de abajo las tiene todas. Desactiva partes para ver el prompt sin ellas, escribe tu propio lenguaje y luego abre el resultado en ChatGPT o Claude y compara.
age = 30
print("Age: " + age)El error:TypeError: can only concatenate str (not "int") to str
Qué significa: + puede unir dos cadenas o sumar dos números, pero no puede unir una cadena con un número. Python no adivina cuál de las dos cosas querías, así que se detiene.
Por qué lo causó tu código: "Age: " es una cadena y age contiene el número 30. La línea le pide a Python que los pegue con +.
El código corregido: convierte primero el número en texto con str():
age = 30
print("Age: " + str(age))
Esto imprime Age: 30.
Las seis partes
El rol le dice al modelo con qué voz y qué criterio responder. "Un tutor paciente para principiantes" y "un ingeniero sénior que revisa código de producción" dan respuestas muy distintas a la misma pregunta. Un rol es más útil cuando implica un público y un estándar; consulta prompting de rol para ver dónde ayuda y dónde no.
La tarea es la frase que dice qué hacer. Empieza con un verbo: explica, reescribe, compara, enumera, corrige, resume. Si no puedes escribir la tarea en una frase, probablemente el prompt contiene dos tareas, y una de ellas suele recibir una respuesta más pobre.
El contexto es todo lo que el modelo no puede adivinar: quién eres, qué sabes ya, para qué es el resultado y qué has probado. En el ejemplo, "Todavía no he aprendido clases ni excepciones" es la línea que impide que el modelo responda con try y except.
La entrada es el material con el que trabajar: el código, el correo, la tabla, el error. Pégalo completo. Un resumen de tu código es una descripción de lo que crees que hace, y el error suele estar justo en la diferencia entre las dos cosas.
El formato dice cómo debe ser la respuesta: una lista, una tabla, tres partes con etiqueta, JSON, una sola línea. Sin él, el modelo elige una forma por ti, y los modelos de chat suelen elegir formas largas. Salida estructurada va más allá cuando un programa tiene que leer la respuesta.
Las restricciones son los límites: extensión, vocabulario, cosas que evitar, cosas que no deben cambiar. Un número ("menos de 120 palabras") funciona mejor que un adjetivo ("corto"), porque "corto" significa cosas distintas para lectores distintos, y el modelo es uno de ellos.
Vago frente a concreto
Esta es la misma petición escrita de dos maneras. Cambia de pestaña y compara las respuestas.
Aquí tienes una función sencilla para ordenar en Python:
def sort_list(items):
return sorted(items)
Puedes llamarla así: sort_list([3, 1, 2]), que devuelve [1, 2, 3].
El prompt vago obtuvo una respuesta correcta a una pregunta que nadie hizo. Tuvo que adivinar el lenguaje, los datos, el orden y si se podía modificar la entrada, y en cada caso eligió lo más común. El prompt concreto respondió a las cuatro cosas de antemano, así que no quedó nada por adivinar.
Hábitos que mejoran los prompts
- Di la tarea al principio, y otra vez después de un material largo. En un prompt corto, empieza por la tarea para que el contexto que sigue se lea con un propósito. Cuando pegues un documento largo, pon el documento primero y la pregunta al final, repitiendo ahí las restricciones clave, para que la instrucción quede junto al punto donde el modelo empieza a escribir.
- Di qué hacer, no solo qué evitar. "Escribe en un lenguaje sencillo para un niño de 12 años" le da al modelo un objetivo. "No seas demasiado técnico" solo descarta una dirección y deja el resto abierto.
- Separa las instrucciones del material. Cuando pegues un correo o un archivo, marca dónde empieza y dónde termina para que el modelo no confunda una frase de dentro con una instrucción. Delimitadores y etiquetas XML repasa las opciones.
- Muestra un ejemplo del resultado cuando el formato sea poco habitual. Un ejemplo muestra la forma más rápido de lo que la describe un párrafo. Esto es el prompting few-shot.
- Itera sobre el prompt, no en el chat. Si la primera respuesta está mal, encuentra el contexto o la restricción que falta, corrige el prompt y vuelve a ejecutarlo. Una larga cadena de correcciones funciona, pero te deja con un resultado y sin un prompt que puedas reutilizar.
Lista de comprobación antes de enviar
- ¿Puedo plantear la tarea en una frase que empiece con un verbo?
- ¿Sabría un desconocido para quién es la respuesta y qué sé yo ya?
- ¿Pegué el material real y no una descripción de él?
- ¿Dije qué extensión debe tener la respuesta y qué forma debe tomar?
- ¿Hay algo que la respuesta no deba cambiar o no deba usar?
Cinco síes no garantizan una respuesta perfecta, pero un no es la razón más probable de una mala.
Preguntas frecuentes
¿Qué hace que un prompt de IA sea bueno?
Un buen prompt plantea la tarea en una frase clara, da el contexto que el modelo no puede adivinar (quién eres, qué sabes ya, para qué es el resultado), incluye el material con el que trabajar y dice cómo debe ser la respuesta: extensión, estructura y tono. La mayoría de los prompts flojos fallan en el contexto y el formato, no en la redacción.
¿Qué tan largo debe ser un prompt?
Tan largo como lo pida el trabajo y no más. Una pregunta de una línea está bien para una respuesta de una línea. Una tarea con un público, una entrada y una forma de salida concretos suele llevar de cuatro a ocho frases. La extensión que repite la misma instrucción tres veces no ayuda; la que añade contexto que faltaba, sí.
¿Tengo que ser educado con ChatGPT o Claude?
Las fórmulas de cortesía no ayudan ni perjudican mucho. Lo que cambia la respuesta es la información: el objetivo, el público, las restricciones y un ejemplo del resultado que quieres. Escribe como si le hicieras un encargo a un colega capaz que nunca ha visto tu proyecto.
¿Hay una plantilla para escribir prompts?
Un orden fiable es rol, tarea, contexto, entrada, formato y restricciones. No todos los prompts necesitan las seis partes. Empieza por la tarea, añade el contexto que el modelo no puede adivinar y luego agrega formato y restricciones cuando la primera respuesta llegue demasiado larga, demasiado vaga o con la forma equivocada. Consulta plantillas de prompts para ver versiones reutilizables con huecos para rellenar.
¿Por qué el mismo prompt da respuestas distintas cada vez?
Los modelos de chat eligen cada palabra siguiente mediante un muestreo sobre una distribución de probabilidades, así que dos ejecuciones pueden variar. Un prompt más concreto reduce el abanico de buenas respuestas, y eso hace que las ejecuciones se parezcan más. El ajuste de temperatura controla cuánta aleatoriedad usa el muestreo.
