Estructura de prompts con etiquetas XML para IA

Diseña prompts claros, consistentes y listos para producción usando etiquetas XML. Aprende a traducir tu formato visual de Google Docs a una estructura que la IA entiende mejor, mejora el zero-shot y few-shot prompting, y evita ambigüedades que generan resultados irregulares.

¿Cómo convertir el formato visual en etiquetas XML para prompts eficaces?

La estructura visual de títulos, listas e indentación se pierde al pegar en Claude. Por eso, conviene traducir el formato humano a etiquetas XML para que la IA entienda dónde inicia y termina cada parte.

• Usa etiquetas descriptivas para abrir y cerrar secciones.
• Evita ambigüedad: todo contenedor que abras, ciérralo.
• Nombra etiquetas con sentido: mejor descriptivas que creativas.

¿Qué etiquetas básicas necesitas para delimitar contenido?

• Una etiqueta general para agrupar ejemplos.
• Una etiqueta por cada tweet.
• Atributo semántico mediante el nombre de la etiqueta: alto o bajo engagement.

  
    Dato impactante e ironía. Contraste generacional. Números concretos y call to action.
  

  
    Opinión genérica sin datos. Frase larga sin estructura.
  



  Haz tres opciones de tweet para escoger el mejor.

¿Cómo evitar que la IA mezcle secciones por falta de cierre?

• Cierra cada etiqueta en el lugar exacto donde termina su contenido.
• Mantén la jerarquía: un contenedor no debe “tragarse” texto que no le pertenece.
• Si dejas abierto un contenedor, sube la probabilidad de alucinaciones y patrones mal aprendidos.

¿Qué prácticas mejoran la consistencia en zero-shot y few-shot?

El orden visual en un documento ayuda a personas, pero la IA necesita señal explícita. Etiquetas + orden aleatorio de ejemplos refuerzan la comprensión de alto y bajo engagement.

• Marca cada ejemplo como alto o bajo engagement.
• Mezcla el orden para evitar sesgos de posición.
• Mantén la misma estructura en temas distintos para ganar consistencia.

¿Cómo etiquetar alto y bajo engagement de forma clara?

• Usa guiones en etiquetas compuestas: alto-engagement y bajo-engagement.
• Repite apertura y cierre idénticos.

  
    Reflexión vaga sin datos. Sin contraste ni CTA.
  

  
    Dato impactante + ironía. Contraste generacional. Predicción concreta y CTA.
  

  
    Generalidades. Demasiados saltos sin intención.
  

  
    Estadística breve. Giro inesperado. Pregunta que invita a responder.
  



  Genera 3 opciones de tweet y yo escogeré el mejor.

¿Por qué la mezcla de ejemplos ayuda al modelo?

• Reduce la confusión entre alto y bajo engagement.
• Refuerza el patrón correcto más allá del orden.
• Facilita que el few-shot funcione en más temas con calidad sostenida.

¿Cómo editar y enviar prompts largos sin perder trabajo?

Trabajar en Claude directamente es cómodo, pero con prompts extensos conviene editar en un documento para evitar errores y mejorar la colaboración.

• Usa títulos y listas para tu lectura, pero traduce a etiquetas para la IA.
• Aplica indentación para visualizar jerarquías: contenedores dentro de contenedores.
• Colores en el documento ayudan al equipo, aunque no viajan al chat.

¿Qué flujo de trabajo reduce errores al pegar en Claude?

• Redacta en Google Docs o Word.
• Pide a alguien ajeno que lo lea y te diga qué entendió.
• Copia y pega al LLM cuando esté listo.

¿Qué atajo evita enviar el prompt por accidente?

• Para salto de línea sin enviar: escribe y usa shift + enter.
• Si solo presionas enter, se envía el mensaje.
• En prompts largos, un enter a destiempo puede hacerte perder trabajo.

¿Qué recordar al cerrar etiquetas y contenedores?

• Cada apertura debe tener su cierre correspondiente.
• Cierra antes de abrir una nueva sección paralela.
• Limita cada etiqueta a la información que le pertenece.

  
    Patrón breve, con datos y CTA.
  
  
    Texto genérico y largo sin estructura.
  



  Entrega 3 opciones.

¿Te gustaría compartir tu forma de etiquetar ejemplos o cómo mezclas alto y bajo engagement? Deja tus dudas y experiencias en los comentarios.