Cómo armar prompts efectivos en Claude
Clase 4 de 20 • Curso de Claude AI
Contenido del curso
Samuel Romero Quevedo
student•
hace 3 meses
ROBERTO ANTONIO MARTINEZ DERAS
student•
hace 3 meses
Stalin De La Torre
student•
hace 2 meses
Clase 4 de 20 • Curso de Claude AI
Contenido del curso
Samuel Romero Quevedo
ROBERTO ANTONIO MARTINEZ DERAS
Stalin De La Torre
Anthony Monsalve
William Alfredo Bermudez Leal
Bruno Alonso Verona Garcia
Luis Gerardo López Ruiz
Gabriel Obregón
CRISTIAN RODRIGUEZ RODRIGUEZ
Joan Pleguezuelos
Angela Zuñiga
Pablo Gómez
KAREN ELISA SANCHEZ ORTIZ
Liliana Mancera
Gabriel P
Romeo Méndez Fuentes
Sweet Sardaneta
Fernando Mora
Luis Vargas
HERNAN DARIO VELASQUEZ ORTIZ
Daniel F Lopez
Kevin Coronado
Claudia Osorio Reyes
Cesar David Ramírez Dimaté
RONAL FIALLO
Giovanni Herrera
Diego Andrés Lopez Rodriguez
Juan Miguel Posada
Ricardo Morejon
Les comparto una infografia acerca de cómo crear un prompt efectivo
Muchas Gracias, por la información.
Muy buen resumen hecho infografía
Prompting RISE es un framework de prompting para estructurar instrucciones de forma clara y efectiva:
Yo utilizo un artefacto que ya me ayuda con todo lo relacionado a prompting:
Lo dejo para que lo puedan usar y les ayude:
Nunca me generó nada :(
🚀 Cómo maximizar la productividad con Claude (Opus 4.5)
🧩 MÉTODO 1: PROMPTING RISE
📌 ¿Qué es?
🔹 Construir el prompt por bloques estratégicos.
🔹 Cada bloque mejora precisión y claridad.
🔹 Evita respuestas genéricas.
🧱 BLOQUES DEL MÉTODO RISE
1️⃣ 🎯 TAREA
🔹 Define qué debe hacer la IA en una sola línea.
🔹 Usa verbos concretos.
🔹 Evita verbos vagos.
✅ Ejemplo claro:
“Crear una estrategia de lanzamiento para una comunidad de IA”.
2️⃣ 🧠 CONTEXTO ⭐ (EL MÁS IMPORTANTE)
🔹 Es el bloque más determinante para la calidad.
🔹 Reduce la necesidad de que el modelo “adivine”.
Incluye información como:
▪ Plataforma.
▪ Audiencia.
▪ Objetivos.
▪ Restricciones.
▪ Enlaces o documentos relevantes.
📌 Más contexto = mayor precisión.
3️⃣ 🗂 FORMATO
🔹 Define cómo debe organizarse la respuesta.
🔹 Enumera las secciones obligatorias.
Ejemplo de estructura solicitada:
▪ Propuesta de valor.
▪ Objetivos principales y secundarios.
▪ Cronograma.
▪ Actividades clave por prioridad.
▪ Responsables.
▪ Canales de comunicación.
▪ Resumen ejecutivo.
▪ Checklist final.
💡 Consejo práctico:
Solicitar el resumen ejecutivo al final.
4️⃣ 👤 ROL
🔹 Define desde qué perspectiva experta responde la IA.
Ejemplo:
“Estratega de crecimiento de comunidades online con 15 años de experiencia”.
🎯 El rol orienta profundidad y enfoque.
5️⃣ 🗣 TONO Y ESTILO
🔹 Determina cómo debe sonar el texto.
Ejemplo:
▪ Profesional.
▪ Conciso.
🔹 Especialmente útil para:
▪ Correos electrónicos.
▪ Redes sociales.
▪ Documentos compartidos.
6️⃣ 📎 EJEMPLO
🔹 Proporciona una referencia real.
🔹 Permite heredar estructura y estilo.
🔹 Reduce ambigüedad.
⚡ ZERO-SHOT PROMPTING
📌 ¿Qué es?
🔹 Enviar un único prompt bien construido.
🔹 Obtener respuesta inmediata.
✅ Funciona bien cuando:
▪ La tarea es clara.
▪ El contexto está completo.
⚠ Riesgo:
▪ Si falta información, baja la calidad.
🧱 MÉTODO 2: MEGAPROMPTING
📌 ¿Qué es?
🔹 Un prompt estructurado como documento.
🔹 Usa encabezados claros.
Ejemplo:
Tarea.
Contexto.
Formato.
🎯 Beneficios
▪ Mejora navegación.
▪ Facilita reutilización.
▪ Reduce ambigüedad.
▪ Aumenta precisión.
🔄 PROMPTS PROGRESIVOS
📌 Cómo funcionan
1️⃣ Se crea un entregable principal.
2️⃣ Se generan piezas derivadas.
Ejemplos:
▪ Correos.
▪ Mensajes de WhatsApp.
▪ Variantes para redes sociales.
🚀 Ventajas
▪ Mantienen coherencia.
▪ Ahorran tiempo.
▪ Aprovechan el contexto previo.
Esta clase enseña que el secreto con Claude es darle contexto claro y usar etiquetas XML para organizar la información. Aprendí que, al separar las instrucciones de los datos, la IA entiende perfectamente qué hacer sin confundirse. Ahora mis prompts son mucho más estructurados, precisos y logran resultados profesionales en el primer intento. ¡Un salto en productividad!
Buenos días,
Aqui el zero-shot prompting se define como:
Es enviar un único prompt completo y pedir que resuelva de inmediato. (El cual entiendo que puede incluye el apartado Ejemplo)
Pero en el curso de prompts lo entedi como:
Zero shot: instrucción única → útil en tareas simples y poco ambiguas.
Few shot: con ejemplos.
Entonces zero shot seria con un único ejemplo? o como seria? que pensais al respecto?
Regresé a este curso, específicamente a esta clase, por la misma duda.
Conclusiones de la sesión:
en la version gratis no me dejo seleccionar optus 4.5 solo sonet
A mi me pasa igual, no puedo seleccionar en el modo gratuito Opus4.5 :(
Ese modelo solo es para cuentas de pago.
A esta fecha Anthropic lanzo Opus 4.6, el cuál tiene una ventana de contexto de un millón de tokens.
Por que a diferencia de ChatGPT, Claude pareciera mas limitado con los tokens?
Hola, Sweet. Es una percepción común, pero en realidad Claude cuenta con una ventana de contexto muy amplia (hasta 200.000 tokens).
La sensación de "limitación" suele ocurrir por cómo el modelo gestiona la información:
Para profundizar en cómo optimizar el uso de estos recursos, te recomiendo revisar: Qué es Claude y qué lo hace diferente.
Está buena la estructura. Vengo de trabajar mucho con Chat GPT, pero es interesante como con Sonet me dio un resultado bastante completo (mucho más de lo que esperaba)
si se terminan los tokens de la ventana de contexto, igual tienes que esperar que se reseteen o es mejor abrir un chat nuevo con la memoria activada para no tener qu ecompactar la conversacion?
Hola Luis,
Usted no debe preocuparse por "compactar" la conversación o por cambiar de chat, Claude compacta la conversación de manera automatica, para que puedas seguir usando el mismo chat, y eso solo trae ventajas.
No es necesario ni recomendable cambiar de chat.
Otro tema con los limites por sesión o por semana que nos pone Claude, si los ancanzamos, solo debemos esperar a que se reseteen, pero tampoco es necesario ni posible cambiar de ventana.
Apoyo el comentario de Hernan, he estado probando con conversaciones largas, incluso en límites. Claude presenta una mejor consistencia en las charlas y da un mejor manejo del Context Rot que otros modelos que he estado probando recientemente.
Al día de hoy, claude da una menor cantidad de tokens a los que daba en el pasado, quién sabe hasta dónde llegaremos.
Es una versión diferente la gratuita pero con esa trabajaré
Anthropic nos está volviendo adictos para que luego paguemos por el uso de sus LLMs 🫠
¿Qué pasa si la conversación se alarga?
Claude cuenta con una ventana de contexto masiva, capaz de procesar alrededor de 200,000 tokens, lo que equivale a leer un libro de 300 páginas de una sola vez. Por lo tanto, es difícil que agotes su memoria rápidamente. Sin embargo, cuando llegas al límite después de una sesión de trabajo muy extensa, el modelo aplica un mecanismo de compresión automático único. En lugar de simplemente olvidar los primeros mensajes de la conversación, genera un resumen interno de todo el historial. Esto significa que puedes seguir trabajando sin interrupciones. La inteligencia artificial mantendrá interiorizadas las reglas principales, el contexto inicial y los objetivos de tu proyecto. Gracias a esto, puedes seguir pidiéndole tareas derivadas, como redactar correos o mensajes para redes sociales basados en una estrategia generada horas antes, sin tener que volver a cargar los documentos ni explicarle la premisa desde cero.
los 200000 toquens luego de terminarse se reactivan en un tiempo determinado?
Lección principal: Los modelos de lenguaje generan el texto de forma secuencial, es decir, palabra por palabra. Si dentro de tu estructura le pides a la inteligencia artificial que redacte un resumen ejecutivo al inicio del documento, la IA intentará resumir un contenido que todavía no ha procesado ni escrito en su totalidad. El resultado será una introducción vaga, genérica y sin detalles clave. Por el contrario, al colocar la instrucción del resumen o un checklist al final de tu prompt, obligas al modelo a procesar primero toda la información, estructurar los argumentos principales y redactar el contenido pesado. Cuando finalmente llega a tu última instrucción, ya tiene todo el panorama construido y fresco en su memoria a corto plazo. Esto le permite extraer los puntos más importantes con una precisión quirúrgica, entregándote un resumen ejecutivo sólido, coherente y verdaderamente útil para tomar decisiones rápidas.
La técnica más efectiva es utilizar lenguaje Markdown para crear una jerarquía visual y lógica en tus instrucciones. Al igual que un lector humano escanea un documento guiándose por títulos y subtítulos, la inteligencia artificial procesa el texto estructurado de manera mucho más eficiente. Puedes usar símbolos de numeral como # Tarea, ## Contexto o ### Formato para delimitar claramente cada bloque de tu megaprompt. Esta separación evita que el modelo confunda un dato de contexto con una instrucción directa de lo que debe ejecutar. Cuando construyes prompts complejos que incluyen múltiples variables, documentos adjuntos y reglas específicas, esta estructura actúa como un mapa de navegación. Además, te facilita enormemente la vida al momento de iterar: si el resultado no es el esperado, puedes localizar rápidamente la sección problemática y ajustarla sin tener que reescribir o desordenar toda tu instrucción original.
En cuanto al Roll, Anthropic punlicó un estudio en el cual descubrieron que Claude desarrolla dentro del roll que le asignamos un personaje con emociones conceptuales dentro de su red neuronal que surgen en su interacción con el usuario y afectan su desempeño del prompt que le asignamos. Parte del prompt engineering del Roll que requerimos, es asignar el personaje acorde a lo que funcione mejor para nuestros resultados.
Fascinante!
https://www.anthropic.com/research/emotion-concepts-function