Última actualización: 2026-07-13
La ingeniería de prompts no es magia específica del modelo; es un pequeño conjunto de movimientos estructurales reutilizables que se mantienen en Claude, GPT, Gemini y modelos abiertos porque todos leen las mismas señales: intención clara, contexto relevante, ejemplos resueltos, forma de salida explícita y espacio para razonar. Este capítulo te da los diez patrones de soporte de carga, un único esqueleto en el que puedes soltar cualquier prompt y un bucle de depuración para convertir una mala salida en una buena. Cada técnica aquí está extraída de las guías oficiales actuales (2026) y de la encuesta empírica de prompts más grande hasta la fecha. Trátalo como un kit de herramientas, no como una lista de verificación: el mejor prompt es el más corto que cumple con tu objetivo de manera confiable, no el más largo.
Lo más importante
- Cada prompt fuerte se ensambla a partir de hasta seis bloques, en este orden: encuadre de rol/sistema -> contexto y motivación -> la tarea/instrucciones -> ejemplos -> los datos/entrada -> especificación del formato de salida. Rara vez necesitas los seis; agrega un bloque solo cuando su ausencia cause un fallo.
- El orden es importante. Coloca el material de referencia largo (documentos, transcripciones, código) CERCA DE LA PARTE SUPERIOR, sobre tus instrucciones, y coloca la pregunta real AL FINAL. Anthropic informa que esta colocación sola puede mejorar la calidad en prompts de 20k+ tokens hasta un ~30%.
- Separa los bloques con delimitadores para que el modelo nunca confunda las instrucciones con los datos. Las etiquetas estilo XML (<instructions>, <context>, <examples>, <input>) son las más portables; los encabezados de markdown o las comillas invertidas triples también funcionan. Este es el hábito de formateo de mayor impacto.
- Mantén el 'qué' y el 'cómo' en diferentes bloques: los requisitos en uno, el tono/estilo en otro, los pasos de validación en un tercero. Mezclarlos es la causa principal de instrucciones contradictorias que los modelos resuelven silenciosamente de la manera incorrecta.
- Las instrucciones deben comenzar con un verbo de acción y ser específicas sobre el formato, la longitud y las restricciones. 'Escribe un correo en frío de 150 palabras' es mejor que 'escribe un correo corto'; los rangos ('3-6 oraciones') superan a los adjetivos ('sé conciso').
- La prueba del colega: muéstrale el prompt a alguien sin contexto. Si se confunde sobre lo que quieres, el modelo también lo hará.
Errores comunes que debes evitar
- No sueltes un bloque de texto sin delimitadores esperando que el modelo separe tu pregunta de tus datos; a menudo responderá a la incorrecta.
- No compliques las cosas en exceso. Aplicar los seis bloques a una tarea de una sola línea añade ruido y puede degradar el resultado. Busca estructura solo cuando una petición simple falle.
- No confíes únicamente en el rol para arreglar una tarea vaga; un personaje sin instrucciones concretas seguirá adivinando.
- Evita instrucciones de sistema + usuario contradictorias (ej. el sistema dice 'sé siempre breve', el usuario pide un análisis profundo). El modelo puede elegir cualquiera; reconciliadas o la regla del sistema puede sabotear la petición.
La versión corta
- Un esqueleto sirve para todo: rol -> contexto -> instrucciones -> ejemplos -> datos -> formato de salida, con las entradas largas arriba y la pregunta real al final. Añade un bloque solo cuando su ausencia cause un fallo.
- Los delimitadores (etiquetas XML) que separan las instrucciones de los datos son el hábito más efectivo y portátil en todos los modelos.
- Los ejemplos superan a las descripciones en cuanto a formato/tono/estructura; empieza con uno, usa de 3 a 5 diversos incluyendo un caso límite, y revisa el orden/calidad/equilibrio antes de añadir más.
- Expresa cada restricción de manera positiva (qué HACER), especifica la forma exacta de salida y usa el prellenado para fijar el formato y eliminar el preámbulo.
- Deja que el modelo razone para tareas de varios pasos, pero en modelos de razonamiento controla la profundidad con un parámetro de esfuerzo y verifica — CoT es controlable, no auto-probatorio.
Este es un carril del sistema completo. Consigue los diez — esqueletos de prompts, plantillas para copiar y pegar, ejemplos prácticos y las herramientas seleccionadas para 2026 — en The AI Creator's Playbook: consigue el manual completo de 70 páginas ▸