Cómo escribir prompts profesionales

Un modelo de lenguaje no adivina lo que quieres decir — responde exactamente a lo que le has pedido, con el contexto que le has dado. La propia guía de Anthropic lo resume con una prueba simple: "muestra tu prompt a un compañero con el mínimo contexto sobre la tarea y pídele que lo siga. Si él se confunde, Claude también se confundirá". Dos personas pueden pedir 'lo mismo' con resultados muy distintos según cuánto contexto, formato y criterio incluyan en el prompt.

• Ser claro y directo (Anthropic): el ejemplo oficial contrasta "Crea un dashboard de analítica" (poco efectivo) con una versión que detalla qué incluir y hasta dónde llegar — la vaguedad es la causa raíz documentada de resultados pobres.
• Dar contexto, no solo la instrucción (Anthropic): explicar el porqué de una instrucción mejora el resultado — por ejemplo, decir que un texto se va a leer en voz alta por un sintetizador de voz explica por qué no se deben usar puntos suspensivos, en vez de solo prohibirlos sin más.
• Usar ejemplos (few-shot prompting) (Anthropic y Google): 3-5 ejemplos relevantes y con el mismo formato entre sí. Google advierte explícitamente que sin ejemplos, los prompts son menos efectivos, y que hay que mantener el mismo formato entre los ejemplos para que el modelo no copie ruido de formato en vez de la lógica de la tarea.
• Estructurar el prompt con etiquetas (Anthropic): envolver instrucciones, contexto y ejemplos en etiquetas propias (<instructions>, <context>, <document>) para que el modelo no mezcle las partes — Anthropic aclara que no existen etiquetas "canónicas" fijas, lo importante es la consistencia.
• Dar un rol al modelo (Anthropic, Google): definir un rol en el prompt de sistema (o al principio del mensaje) centra el tono y el comportamiento — Anthropic señala que "incluso una sola frase marca la diferencia".
• Orden del contenido en contexto largo (Anthropic): en documentos largos, poner el documento completo primero y la pregunta al final — Anthropic cita una mejora de hasta un 30% en la calidad de la respuesta en sus propias pruebas con ese orden.
• Descomponer tareas complejas (OpenAI, Google): dividir en subtareas, encadenar prompts (la salida de uno alimenta al siguiente), o paralelizar sobre distintas partes de los datos.
• Encadenar prompts para autocorregirse (Anthropic): generar un borrador, revisarlo contra criterios explícitos, y refinarlo — cada paso como una llamada separada, para poder inspeccionar los resultados intermedios.
• Permitir decir "no lo sé" (Anthropic): reduce alucinaciones porque, según su propia documentación, el modelo "interpreta cada pregunta como algo que debe responder, incluso cuando no tiene la información para hacerlo".

• Rol de experto + criterios explícitos: define un rol en el prompt de sistema ("actúa como revisor experto de X") y añade una lista de criterios de evaluación en el mensaje.
• Feedback estructurado sobre un texto: combina etiquetas para separar el texto a revisar de los criterios de evaluación, y especifica el formato exacto de la respuesta (por ejemplo, fortalezas/debilidades/sugerencias).
• Extracción de datos estructurados: pide un esquema concreto (una tabla o un formato de lista fijo) y da uno o dos ejemplos del formato exacto que esperas.
• Refinamiento iterativo: "aquí tienes la versión 1, critícala según estos criterios, y luego mejórala" — documentado por Anthropic como patrón de "autocorrección".
• Anclaje en citas para documentos largos: pide primero que se citen los fragmentos relevantes del documento, y solo después la respuesta basada en esas citas — reduce el riesgo de que la respuesta se aleje del contenido real.

Claude tiene una preferencia documentada por la estructura con etiquetas que no está igual de enfatizada en la documentación de OpenAI o Google, aunque Google sí recomienda cuidar el formato en los ejemplos de few-shot. Un dato específico y poco conocido: Anthropic documenta que uno de sus modelos, con el razonamiento extendido desactivado, es "particularmente sensible a la palabra 'think' y sus variantes", y recomienda usar en su lugar términos como "considera" o "evalúa".

Sobre la cortesía ("por favor", "gracias"): no existe ninguna declaración técnica oficial de Anthropic, OpenAI o Google que confirme que la cortesía por sí sola mejora la calidad de una respuesta. Lo único documentado públicamente es un comentario de un directivo de otro laboratorio sobre el coste de cómputo que supone la cortesía a gran escala, no sobre la calidad del resultado — un dato de coste, no de calidad. Un estudio con matices encontró que los prompts groseros correlacionan con peor desempeño, pero que la cortesía adicional por sí misma no mejora resultados más allá de cierto punto: el efecto observado parece deberse a que un prompt más cortés suele venir acompañado de más contexto útil, no a la cortesía en sí misma.

Los tres laboratorios coinciden en el mismo reparto de responsabilidades: OpenAI lo formula de forma explícita: "pon la guía de tono o de rol general en el mensaje de sistema; mantén los detalles y ejemplos específicos de la tarea en los mensajes de usuario". Google recomienda ubicar la definición de rol o persona "en la instrucción de sistema o al principio mismo del prompt de usuario". Es decir: lo persistente (identidad, tono, reglas generales) va en el prompt de sistema; lo específico de una tarea puntual va en el mensaje concreto.

La lógica que mejora un prompt de texto no es la misma que mejora un prompt de generación de imágenes. En texto, la estructura explícita (etiquetas, pasos, formato de salida) es lo que más ayuda. En imagen, según la documentación oficial de Google para sus modelos de generación de imagen, lo que importa es la densidad descriptiva narrativa: describir la escena como un párrafo (sujeto, contexto, estilo, iluminación), no como una lista de palabras sueltas al estilo de etiquetas de una web de stock.

Cuando un prompt incluye contenido no confiable (una página web, un email, un documento ajeno), existe un riesgo real de inyección de instrucciones ocultas dentro de ese contenido. Anthropic documenta este riesgo en su propia investigación y describe defensas como clasificadores que examinan el contenido no confiable antes de procesarlo, y patrones de arquitectura donde un modelo con privilegios nunca lee directamente contenido no confiable, delegando esa lectura a un modelo "en cuarentena" que no puede actuar por sí mismo.

• Pedir varias cosas distintas en una sola frase, sin separar cada parte con etiquetas o puntos.
• No decir el formato de salida que necesitas, y luego tener que reformatear el resultado a mano.
• Dar por hecho que el modelo conoce contexto que solo tienes tú (una conversación anterior con un cliente, una decisión ya tomada).
• Tratar el prompt como un intento único: la propia ayuda de OpenAI señala que "la ingeniería de prompts suele requerir un enfoque iterativo: empieza con un prompt inicial, revisa la respuesta y ajusta el prompt según el resultado".
• No separar instrucciones de datos: mezclar en el mismo bloque de texto la instrucción y el contenido a procesar (un documento, una lista) aumenta el riesgo de que el modelo confunda una parte con la otra.
• Decir qué NO hacer en vez de qué SÍ hacer: Anthropic señala esto como un antipatrón de formato — es más eficaz describir el resultado deseado que enumerar prohibiciones.
• No revisar el resultado antes de usarlo, especialmente si incluye datos concretos (cifras, nombres, fechas).