Cómo estructurar prompts efectivos con rol, enfoque, límites y contexto
Clase 1 de 18 • Curso de Prompt Engineering
Resumen
Para obtener respuestas precisas de ChatGPT y otros LLM, la clave es comunicarte con estructura. Reescribe tu mensaje en cuatro piezas: rol, enfoque, límites y memoria/contexto. Con esta fórmula pasarás de resultados genéricos a respuestas acertadas y completas.
¿Cómo estructurar un prompt efectivo con rol, enfoque, límites y contexto?
Empezar por lo esencial evita malentendidos y ahorra tiempo. Define quién habla, qué debe hacer, cómo debe hacerlo y con qué información. Así, un LLM entiende mejor tu intención y entrega valor real.
¿Qué es el rol y por qué importa?
El rol da una identidad experta al modelo y alinea el tono y el criterio.
- Ejemplo de rol: especialista en marketing en B2B.
- Ventaja: foco profesional y consistencia en la respuesta.
- Resultado: menos ambigüedad y mejor criterio.
¿Cómo definir el enfoque de la tarea?
El enfoque concreta la acción que esperas.
- Ejemplo de enfoque: crear una publicación en LinkedIn sobre tu producto.
- Beneficio: claridad operativa en la tarea.
- Tip: un verbo de acción guía al modelo.
¿Qué límites ayudan a la claridad y precisión?
Los límites acotan formato, tono y extensión para evitar divagaciones.
- Extensión: no más de 150 caracteres.
- Estilo: lenguaje simple, concreto y coloquial.
- Efecto: precisión y facilidad de lectura.
¿Qué aporta la memoria o contexto?
La memoria o contexto explica el “de qué se trata” para que el LLM tenga sustancia.
- Contexto del producto: un software as a service que automatiza el proceso contable de una empresa.
- Consejo: complétalo si tu último mensaje fue vago.
- Impacto: respuestas útiles, no genéricas.
¿Qué aprenderás para mejorar tus prompts y resultados con LLM?
El objetivo es transformar procesos difusos en instrucciones claras que entienda cualquier persona y, sobre todo, un LLM. Aprenderás a decidir bien antes de escribir y a pedir exactamente lo que necesitas.
¿Cómo elegir el modelo y el enfoque correcto?
- Identifica la tarea: clasificación, redacción, síntesis o ideación.
- Ajusta el enfoque al objetivo: precisión o creatividad.
- Selecciona el modelo según la naturaleza de la tarea.
¿Cómo descomponer problemas y elegir la técnica de prompting?
- Divide problemas complejos en pasos pequeños.
- Define el prompt o la técnica de prompting adecuada.
- Enfoca cada paso en un resultado verificable.
¿Cómo calibrar creatividad y precisión y evitar alucinación?
- Ajusta la cantidad de información: ni demasiada ni insuficiente.
- Pide exactitud cuando la necesites y espacio creativo cuando convenga.
- Controla el contexto para reducir el riesgo de alucinación.
¿Quién guía este aprendizaje y cuál es el siguiente paso?
El aprendizaje se centra en fundamentos, no en código. La inteligencia artificial cambia cada semana, pero con bases sólidas podrás navegar esos cambios con confianza. Juan Pablo Rojas, chief product officer de Platzi, te acompaña en el proceso.
¿Tienes un caso específico o un prompt que quieras mejorar? Compártelo en los comentarios y trabajemos juntos en su estructura.