Estos son trece prompts que puedes copiar y usar hoy mismo en ChatGPT, Claude o Gemini. Cada uno tiene huecos, que aparecen como campos en la tarjeta: rellénalos con tu propio tema, lenguaje o texto, y luego copia el prompt o ábrelo directamente en un chat. Debajo de cada prompt hay una nota breve sobre por qué está escrito así, para que puedas adaptarlo o escribir los tuyos con el mismo estilo.
Los prompts comparten un patrón. Cada uno plantea la tarea en una frase, aporta el contexto que el modelo no puede adivinar y dice cómo debe ser la respuesta. Ese patrón se explica parte por parte en cómo escribir un prompt.
Prompts para aprender
Los prompts para aprender funcionan mejor cuando le dicen al modelo lo que ya sabes. Sin eso, las explicaciones apuntan a un lector medio imaginario y suelen quedar demasiado básicas o demasiado densas.
Analogía: estás en una fila y quieres saber en qué posición estás. Le preguntas a la persona de delante, que le pregunta a la de delante, y así hasta que la primera dice "soy la número 1". Cada persona suma uno a la respuesta que recibe y la pasa hacia atrás.
Ejemplo:
def countdown(n):
if n == 0:
print("Done!")
return
print(n)
countdown(n - 1)
countdown(3)
Esto imprime 3, 2, 1 y luego Done!. Una función recursiva resuelve un problema llamándose a sí misma con una versión más pequeña de él. La comprobación if n == 0 es el caso base: detiene las llamadas. Sin ella, la función seguiría llamándose hasta que Python lanzara un RecursionError.
Compruébalo: ¿qué imprime countdown(0)?
Nombrar lo que no has aprendido es lo que mantiene la explicación a tu alcance. La pregunta de comprobación del final convierte la lectura en una pequeña prueba, que es donde de verdad se aprende.
Pregunta 1 de 5 (fácil): Unes una tabla customers y una tabla orders con un INNER JOIN sobre customer_id. Un cliente que nunca ha hecho un pedido: ¿aparece en el resultado? ¿Por qué sí o por qué no?
Escribe tu respuesta y te diré cómo te fue.
"Espera mi respuesta" es la línea que importa. Sin ella, un modelo suele escribir las cinco preguntas en una sola respuesta, a veces con las soluciones debajo, y el cuestionario se convierte en una lista de lectura.
El límite de tiempo y la línea de "cómo sabré" son lo que separa un plan útil de una lista de temas. Un plan sin forma de comprobar si estás listo se suele seguir según el calendario, se haya aprendido algo o no.
Prompts para programar
Los prompts para programar necesitan el lenguaje, la versión cuando importa, y el código o el error real pegados completos. Una descripción de tu código es una descripción de lo que crees que hace, y los errores viven en la diferencia.
Enumerar los casos límite desde el principio, con lo que debe pasar en cada uno, es la forma más barata de obtener código que los maneje como quieres. Pedir pruebas te da algo que ejecutar, así puedes comprobar la función en lugar de fiarte de ella.
[pega el código]
Error completo:[pega el error completo, incluido el traceback]Pedir la causa antes que la solución impide que el modelo reescriba tu código con una suposición que casualmente se ejecuta. Prompts para depurar explica más sobre cómo darle a un modelo lo que necesita para encontrar un error.
[pega el código]El seguimiento paso a paso es lo que hace que se quede. Una explicación línea por línea dice qué hace cada línea en general; un seguimiento muestra qué hace con valores reales, que es como lo comprobarías tú mismo con un depurador.
[pega el código]Las etiquetas de gravedad te permiten arreglar primero lo peligroso, y el permiso para decir "no estoy seguro" reduce las falsas alarmas dichas con seguridad. Prompts para revisar código va más allá, con listas de comprobación para tipos concretos de revisión.
Prompts para redactar
Los prompts para redactar necesitan un público y un tono. "Mejora esto" no le da al modelo ningún objetivo; "hazlo más claro para clientes que no son técnicos", sí.
"Conserva todos los datos y cifras" protege el contenido mientras cambia la redacción. La lista de cambios te muestra lo que se hizo, para que puedas deshacer una edición con la que no estés de acuerdo.
Asunto: Día libre este viernes
Hola, [nombre de tu jefa]:
Me gustaría tomarme libre este viernes por la boda de mi hermana. El informe del sprint estará listo el jueves, así que ese día no quedará nada pendiente de mi parte.
Avísame si te parece bien.
Gracias, [Tu nombre]
"Sin disculpas" es una restricción pequeña con un efecto grande: sin ella, peticiones como esta suelen empezar con un párrafo de "perdona que te lo pida". La línea del plan responde a la primera pregunta del lector antes de que la haga.
Nombrar al lector decide qué cuenta como importante. La línea de preguntas abiertas recoge lo que un resumen normal pierde: lo que nadie ha decidido todavía.
Prompts para el trabajo y la planificación
Estos prompts convierten información desordenada en algo con lo que puedes actuar. El truco que se repite es decirle al modelo qué hacer cuando falta información, para que marque el hueco en lugar de rellenarlo con una suposición.
| Tarea | Responsable | Fecha límite |
|---|---|---|
| Actualizar la página de precios | Priya | no indicado |
| Escribir a los usuarios de la beta | no indicado | no indicado |
| Revisar la configuración de analítica | Tom | viernes |
Decisiones:
- La fecha de lanzamiento pasó al 12 de mayo.
La regla de "no indicado" es lo que hace fiable la tabla: un responsable marcado como "no indicado" es una tarea que nadie ha asumido, y eso quieres verlo. Cuando un programa tenga que leer el resultado, consulta salida estructurada para pedir JSON en lugar de una tabla.
Pedirle al modelo que te pregunte primero invierte el flujo habitual. En lugar de una lista genérica de pros y contras, obtienes una comparación construida sobre tus propias prioridades.
Los pasos pequeños y visibles hacen que el avance se pueda comprobar, y señalar de antemano los pasos difíciles hace que llegues a ellos esperándolos. Para convertir cualquier prompt de esta página en tu propia versión reutilizable, consulta plantillas de prompts.
Preguntas frecuentes
¿Cuáles son algunos buenos prompts para ChatGPT?
Los buenos prompts nombran la tarea, dan el contexto que el modelo no puede adivinar y dicen qué forma debe tener la respuesta. "Explica la recursividad a alguien que conoce los bucles pero no las estructuras de datos, con una analogía y un ejemplo en Python" funciona mucho mejor que "explica la recursividad". Los prompts de esta página siguen ese patrón para aprender, programar, redactar y planificar.
¿Estos prompts también funcionan en Claude y Gemini?
Sí. Ninguno depende de una función propia de un producto. Son instrucciones normales, así que funcionan en ChatGPT, Claude, Gemini y otros modelos de chat. Las respuestas cambiarán de redacción entre modelos y entre ejecuciones, pero la estructura que pediste debería mantenerse.
¿Cómo personalizo un ejemplo de prompt?
Reemplaza cada hueco con tus propios datos y luego lee el prompt una vez como si fueras el modelo: ¿queda algo poco claro? Añade una frase de contexto sobre para quién es la respuesta y qué sabes ya. Si la primera respuesta no acierta, cambia el prompt en lugar de discutir en el chat, así terminas con un prompt mejor que puedes reutilizar.
¿Debo guardar los prompts que uso a menudo?
Sí. Un prompt que funciona vale la pena guardarlo como plantilla con huecos, como están escritos los de esta página. La mayoría de las apps de chat también te dejan guardar instrucciones permanentes, como las instrucciones personalizadas o de proyecto, para no repetir el mismo contexto en cada chat.
