Prompt (instrucción)

Revisado : Cómo revisamos las fichasActualizado el

En breve

Un prompt es el texto (instrucciones, contexto, ejemplos) que se da a un modelo de IA para obtener una respuesta; su redacción influye mucho en la calidad del resultado.

Fuentes[1][2][3]

Definición

Un prompt (en español, instrucción o consigna) es todo el texto que se proporciona a un modelo de lenguaje: la pregunta, las instrucciones, el contexto y los posibles ejemplos. Diseñar prompts eficaces se llama ingeniería de prompts.

Técnicas habituales

  • Instrucciones claras y precisas: objetivo, público destinatario, formato de salida esperado, límites de extensión.
  • Contexto: aportar la información necesaria en lugar de suponer que el modelo la conoce.
  • Ejemplos (few-shot): mostrar uno o varios ejemplos de lo que se espera. El artículo sobre GPT-3 puso de relieve la eficacia de este enfoque.
  • Razonamiento paso a paso (chain-of-thought): pedir al modelo que detalle su razonamiento puede mejorar sus resultados en ciertos problemas de lógica o cálculo, como mostraron Wei et al. Los llamados modelos «de razonamiento» ya lo hacen internamente: OpenAI desaconseja pedirles que «piensen paso a paso».
  • Rol y formato: precisar la postura esperada y la estructura de la respuesta (lista, tabla, JSON…).

Límites

Un buen prompt no garantiza una respuesta exacta: el modelo puede alucinar. Los resultados varían según el modelo y de una ejecución a otra; hay que probar e iterar.

Generador de prompts

Rellena los campos: el generador compone un prompt estructurado según las buenas prácticas de esta ficha. Cuantos más detalles des, mejor será la respuesta.

Partir de una plantilla

Buenas prácticas que añadir
Calidad del promptPor completar · 1/6
  • Objetivo preciso
  • Contexto aportado
  • Público definido
  • Formato elegido
  • Ejemplo incluido
  • Salvaguardas

Describe al menos tu petición para generar el prompt.

El prompt se queda en tu navegador. Pégalo en el asistente que prefieras (ChatGPT, Claude, Le Chat…) y afina la respuesta conversando.

Fuentes

  1. Brown et al., «Language Models are Few-Shot Learners» (2020)
  2. Wei et al., «Chain-of-Thought Prompting Elicits Reasoning in Large Language Models» (2022)
  3. OpenAI, «Reasoning best practices» (documentación)