Prompt de sistema: qué es y ejemplos para copiar

Un prompt de sistema (system prompt) es un conjunto de instrucciones que recibe un modelo de IA antes de que empiece la conversación, y se aplica a todos los mensajes que siguen. Define el rol del modelo, su público, sus reglas y su formato de respuesta por defecto, para que no tengas que repetirlos en cada mensaje. El usuario escribe los prompts; el prompt de sistema determina cómo el modelo responde a todos ellos.

Todas las apps de chat ya usan uno. Cuando abres ChatGPT, Claude o Gemini, el modelo ya tiene instrucciones de la empresa que está detrás, y la ventana del chat no te las muestra. Cuando los desarrolladores construyen una app sobre un modelo, el prompt de sistema es donde convierten un modelo general en un tutor de programación, un asistente de soporte o un redactor de mensajes de commit.

Qué hace un prompt de sistema

La entrada de un modelo en un chat tiene una estructura: primero el prompt de sistema y después la conversación, con mensajes del usuario y del asistente alternados. El prompt de sistema está por encima de todo el intercambio, así que el modelo lo tiene delante en cada respuesta, por largo que sea el chat.

Esa posición lo convierte en el lugar adecuado para todo lo que debe cumplirse siempre: a quién le habla el modelo, qué puede y qué no puede hacer, cómo debe ser una respuesta por defecto. Además, los modelos están entrenados para darle más peso que a un mensaje del usuario cuando los dos chocan. Es una tendencia, no un candado. Un usuario insistente a veces puede convencer al modelo de que ignore su prompt de sistema, y por eso nunca debe ser tu única protección.

Prompt de sistema frente a mensaje del usuario

Una prueba útil: si una frase sería cierta para todos los mensajes del chat, va en el prompt de sistema. Si trata de esta petición en concreto, va en el mensaje del usuario. "Responde en menos de 100 palabras" puede ir en cualquiera de los dos; "resume el correo de abajo" siempre es un mensaje del usuario.

Dónde definir un prompt de sistema

En la API, el prompt de sistema es una entrada aparte. Con la biblioteca de Python de OpenAI es el primer mensaje de la lista, con el rol system. La documentación de OpenAI también usa el nombre developer message para el mismo tipo de instrucción en los modelos más nuevos.

from openai import OpenAI

client = OpenAI()
MODEL = "your-model-id"  # e.g. from your provider's model list

response = client.chat.completions.create(
    model=MODEL,
    messages=[
        {"role": "system", "content": "You are a patient Python tutor. Give hints, not full solutions."},
        {"role": "user", "content": "Why does my loop stop at 9?"},
    ],
)
print(response.choices[0].message.content)

Con la biblioteca de Python de Anthropic es un parámetro system de primer nivel, y la lista messages contiene solo la conversación:

import anthropic

client = anthropic.Anthropic()
MODEL = "your-model-id"  # e.g. from your provider's model list

message = client.messages.create(
    model=MODEL,
    max_tokens=500,
    system="You are a patient Python tutor. Give hints, not full solutions.",
    messages=[{"role": "user", "content": "Why does my loop stop at 9?"}],
)
print(message.content[0].text)

La API de Gemini de Google lo llama system instruction (instrucción de sistema). Cambia el nombre, la idea es la misma.

En las apps de chat no tienes acceso al campo de sistema en bruto, porque la app ya tiene el suyo. Lo que tienes es un lugar para añadir instrucciones permanentes que la app incluye por ti. En ChatGPT son las instrucciones personalizadas, las instrucciones de proyecto y las instrucciones de un GPT personalizado. En Claude son las instrucciones de proyecto y las preferencias de tu perfil. En Gemini son las instrucciones de una Gem. Cómo combina cada app tu texto con sus propias instrucciones no está documentado del todo, pero en la práctica se comportan como un prompt de sistema que compartes con la app.

Qué poner en un prompt de sistema

• Rol y público. "Eres un tutor para estudiantes que llevan su primer mes programando" fija el vocabulario y el nivel de todas las respuestas. Prompting de rol explica qué cambia un rol y qué no.
• Reglas que se cumplen en cada turno. Lo que el modelo debe hacer siempre o nunca: dar pistas en lugar de soluciones completas, responder solo preguntas sobre el producto, contestar en el idioma del usuario.
• Qué hacer ante la duda. "Si la respuesta no está en los datos de abajo, di que no lo sabes" hace más contra las respuestas inventadas que un genérico "sé preciso".
• Los datos que necesita el modelo. Detalles del producto, políticas, la fecha actual, el plan del usuario. Un modelo no puede responder preguntas sobre tu app a partir de sus datos de entrenamiento.
• Formato por defecto. Extensión, estructura, si usar bloques de código. Si un programa lee la salida, da la forma exacta; consulta salida estructurada.

Qué dejar fuera

Secretos. Un prompt de sistema no es privado. Los usuarios pueden pedirle a un modelo que repita sus instrucciones o engañarlo para que lo haga, y los modelos no se niegan de forma fiable. Las claves de API, las contraseñas y todo lo que no quieras ver publicado no van ahí. Trata el prompt de sistema como un texto que el usuario podría leer algún día, y consulta inyección de prompts para ver cómo se anulan las instrucciones.

La tarea de un solo mensaje. Si el prompt de sistema dice "resume este artículo", el segundo mensaje del chat no tiene adónde ir.

Montones de reglas que se solapan. Veinte reglas escritas en momentos distintos tienden a contradecirse, y el modelo tiene que adivinar cuál gana. Agrupa las reglas, quita duplicados y fija prioridades cuando dos puedan chocar.

Relleno. El prompt de sistema se vuelve a enviar con cada petición y cuenta contra la ventana de contexto del modelo, así que cada párrafo innecesario se paga en cada turno.

Ejemplos de prompts de sistema

El primer ejemplo es un asistente de producto. El prompt de sistema fija un alcance, una extensión y una regla para las preguntas que no puede responder, y lleva los datos que necesita el modelo. Cambia de pestaña para enviarle mensajes distintos: el mismo prompt de sistema determina las tres respuestas.

Dentro del alcanceFuera de temaInsiste

EditCopy

System prompt

Eres el asistente de ayuda dentro de una app de presupuestos. Responde solo preguntas sobre cómo usar la app. Que ninguna respuesta pase de 80 palabras. Si una pregunta trata de cualquier otra cosa, di que solo puedes ayudar con la app y ofrece algo relacionado con lo que sí puedas ayudar. Si los datos de abajo no cubren una pregunta, di que no estás seguro y sugiere contactar con soporte. Nunca inventes nombres de menús ni funciones. Datos: Los movimientos se pueden dividir: abre el movimiento, toca Dividir y elige las categorías y los importes. Los presupuestos se reinician el primer día de cada mes.

Fill inproducto

¿Cómo divido una compra entre supermercado y hogar?

Try it

Chat apps receive the system prompt as the start of your message, so this tries its wording, not its priority. To test it as standing instructions, put it in the app's custom instructions or the API's system field.

Example replyReplies vary between models and runs.

Abre la compra en tus movimientos y toca Dividir. Luego elige las dos categorías, Supermercado y Hogar, e introduce el importe que corresponde a cada una.

El segundo ejemplo es el tipo de texto que podrías poner en las instrucciones personalizadas o de proyecto de una app de chat. Te describe a ti y cómo quieres las respuestas, así que cada chat empieza a partir de ahí.

Prompt

EditCopy

System prompt

Sobre mí: soy desarrollador backend y trabajo en TypeScript con Node.js. Da por hecho que conozco lo básico y sáltate las explicaciones para principiantes. Cómo quiero las respuestas: primero el código y después como mucho tres frases de explicación. Avisa cuando una respuesta dependa de una versión o un ajuste concretos.

Fill inlenguaje

¿Cómo leo un archivo JSON?

Try it

Chat apps receive the system prompt as the start of your message, so this tries its wording, not its priority. To test it as standing instructions, put it in the app's custom instructions or the API's system field.

Example replyReplies vary between models and runs.

import { readFile } from "node:fs/promises";

const config = JSON.parse(await readFile("config.json", "utf8"));

Pasar una codificación hace que readFile devuelva una cadena, que JSON.parse convierte en un objeto. El await de nivel superior solo funciona en un módulo ES ("type": "module" en package.json o un archivo .mts); si no, envuelve la llamada en una función async. Añade un try/catch si el archivo puede faltar o estar mal formado.

Sin el prompt de sistema, una pregunta tan corta como "¿cómo leo un archivo JSON?" deja al modelo adivinar el lenguaje, y la respuesta suele llegar en Python o en JavaScript sin más, con un párrafo sobre qué es JSON. Con él, la respuesta elige el lenguaje y el entorno correctos, se salta lo básico y sigue la forma pedida.

La misma estructura sirve para cualquier asistente que configures: a quién sirve, las reglas, qué hacer ante la duda, los datos que necesita y el formato de respuesta. Escríbelo una vez, pruébalo con una pregunta normal, una fuera de tema y una que intente romper una regla, y ajústalo hasta que las tres respuestas sean las que quieres.