Un prompt es la instrucción y el contexto que se entregan a un modelo en el momento de la inferencia. Como los grandes modelos realizan aprendizaje en contexto (Brown et al., 2020), el prompt, y no un nuevo entrenamiento, es la principal forma en que la mayoría de los usuarios orientan su comportamiento. Liu et al. (2023) recogen en su estudio el análisis sistemático de los métodos de prompting.
Los prompts eficaces plantean la tarea con claridad, aportan el contexto o los ejemplos pertinentes y especifican el formato deseado. Pequeños cambios de redacción pueden alterar notablemente los resultados, y precisamente por eso existe la ingeniería de prompts.
¿Qué es la ingeniería de prompts?
La ingeniería de prompts es la habilidad de escribir, probar e iterar prompts de forma deliberada, en lugar de a base de ensayo y error. En vez de cambiar el modelo, cambias su entrada: haces explícita la tarea, le das al modelo el contexto que necesita, le muestras cómo es una buena respuesta y le indicas cómo debe estructurarse el resultado.
Se aplica tanto al chat cotidiano como a los desarrolladores que trabajan sobre una API. En las aplicaciones, la ingeniería de prompts abarca también el prompt de sistema, que fija el rol y las reglas del modelo, y la defensa frente a la inyección de prompts. OpenAI, Anthropic y Google publican guías de prompting para sus propios modelos (consulta las referencias más abajo).
Técnicas de ingeniería de prompts que funcionan
La misma petición, escrita de forma vaga y luego aplicando cada técnica:
| Técnica | Prompt vago | Prompt mejorado |
|---|---|---|
| Sé específico | «Resume esto». | «Resume este informe para un director financiero con poco tiempo en cinco viñetas, centrándote en los costes». |
| Da contexto | «Responde a este correo». | «Rechaza con educación esta reunión y propón el martes por la tarde. Correo a continuación: …» |
| Muestra un ejemplo | «Clasifica estas reseñas». | «Etiqueta cada reseña como Positiva, Negativa o Mixta. Ejemplo: “Entrega rápida, tapa rota” → Mixta». |
| Pide el razonamiento | «¿Cuál es la respuesta?» | «Resuélvelo paso a paso y luego da la respuesta final en una línea aparte». |
| Fija el formato | «Compara estos planes». | «Compara los tres planes en una tabla: precio, límites, ideal para». |
Añadir ejemplos resueltos se llama few-shot prompting; para tareas sencillas, una instrucción clara por sí sola (zero-shot) suele bastar. Pedir un razonamiento paso a paso (cadena de pensamiento) suele ayudar en problemas de matemáticas y lógica de varios pasos. Pruebes lo que pruebes, revisa el resultado y ajusta el prompt según lo que haya fallado.
Ingeniería de prompts en MultipleChat
El Prompt Optimizer de MultipleChat mejora un prompt en borrador antes de enviarlo. Y como el mismo prompt puede ejecutarse en ChatGPT, Claude, Gemini, Grok y Perplexity en paralelo, también puedes ver cómo un cambio de redacción altera la respuesta de cada modelo.