Ir al contenido principal
Español— Elegir un idioma
Menú

Itera y perfecciona tus prompts

Lección 8 de 14 Actualizado el 30 de julio de 2026 Principiante
En esta página
  1. La creación de prompts es un proceso iterativo
  2. El bucle de mejora
  3. Diagnóstico de problemas comunes
  4. Técnicas de refinamiento
  5. Documenta tus iteraciones
  6. Práctica
  7. Puntos clave

La creación de prompts es un proceso iterativo

Rara vez un prompt es perfecto al primer intento. Los profesionales con experiencia saben que el trabajo real comienza tras la primera respuesta: analizas el resultado, identificas las brechas entre lo obtenido y tus expectativas, y ajustas el prompt en consecuencia.

Esta iteración metódica es el núcleo de la ingeniería de prompts. Convierte un resultado aceptable en uno excelente.

El bucle de mejora

El ciclo de iteración consta de cuatro pasos:

  1. Formular: Escribe el prompt inicial con tus tres pilares (claridad, contexto, estructura).
  2. Probar: Envía el prompt y observa la respuesta.
  3. Diagnosticar: Identifica qué falla (formato, contenido, tono, longitud, precisión).
  4. Ajustar: Modifica el prompt para solucionar el problema identificado.

Repite este ciclo hasta obtener un resultado satisfactorio. En cada iteración, debes cambiar solo un aspecto a la vez para comprender el impacto de cada modificación.

Diagnóstico de problemas comunes

La respuesta es demasiado larga

El modelo genera párrafos cuando esperabas una lista breve.

Antes:

¿Cuáles son las ventajas del teletrabajo?

Después:

Enumera las 5 ventajas principales del teletrabajo. Máximo 1 frase por ventaja.

La respuesta se desvía del tema

El modelo responde fuera de lugar. Añade contexto y especifica el alcance.

Antes:

Explica los límites.

Después:

Explica los límites matemáticos para un estudiante de bachillerato avanzado. Céntrate en los límites de funciones polinómicas, no en sucesiones.

El formato no es el esperado

El modelo devuelve texto libre cuando querías JSON. Sé explícito con el formato y proporciona un ejemplo.

Antes:

Analiza este texto y extrae las entidades.

Después:

Analiza este texto y devuelve las entidades en formato JSON:
{"entities": [{"name": "...", "type": "person|location|organization"}]}
Devuelve solo el JSON, sin texto adicional.

El tono es inadecuado

El modelo es demasiado formal o demasiado informal. Especifica el registro en el mensaje de sistema o en la instrucción.

Antes:

Escribe una respuesta para este cliente insatisfecho.

Después:

Escribe una respuesta empática y profesional para este cliente insatisfecho. Tono cálido pero no informal. Comienza reconociendo el problema y, a continuación, propone una solución concreta.

Técnicas de refinamiento

Añade restricciones negativas

Cuando el modelo hace algo que no deseas, prohíbeselo explícitamente:

Explica el aprendizaje automático a un principiante.
No utilices jerga técnica.
No menciones fórmulas matemáticas.
No hagas referencia a otros modelos de IA.

Proporciona un contraejemplo

Muéstrale al modelo lo que no quieres:

Escribe un resumen de este documento.

Buen resumen: "El informe muestra un aumento del 15 % en las ventas en el tercer trimestre, impulsado por el segmento B2B."
Mal resumen: "Este informe presenta los resultados financieros de la empresa para el tercer trimestre del año en curso, incluyendo diversas métricas..."

Adopta el estilo del buen resumen.

Reformula progresivamente

Cuando una reescritura no es suficiente, procede por pasos:

  1. Prueba tu prompt base.
  2. Añade el formato de salida deseado.
  3. Añade restricciones de contenido.
  4. Añade restricciones de tono.
  5. Añade ejemplos si es necesario.

Usa el parámetro seed para comparar

Con el mismo seed, puedes comparar el efecto de dos formulaciones diferentes eliminando la variabilidad debida al azar:

{"seed": 42, "temperature": 0.5, "messages": [{"role": "user", "content": "Versión A del prompt"}]}
{"seed": 42, "temperature": 0.5, "messages": [{"role": "user", "content": "Versión B del prompt"}]}

Documenta tus iteraciones

Lleva un registro de tus prompts y sus resultados. Anota para cada versión:

  • El texto exacto del prompt.
  • Los parámetros utilizados (modelo, temperatura, seed).
  • Qué ha funcionado.
  • Qué necesita mejorar.

Esta documentación te ahorrará mucho tiempo cuando necesites retomar un prompt o adaptarlo a un nuevo caso de uso.

Práctica

Toma un prompt que ya hayas usado y que no diera un resultado perfecto. Aplica el bucle de mejora en tres iteraciones:

  1. Identifica el problema principal de la respuesta actual.
  2. Modifica un único aspecto del prompt para solucionar este problema.
  3. Prueba y compara con el resultado anterior.

Repite hasta obtener un resultado satisfactorio.

Puntos clave

  • La creación de prompts es iterativa: el primer intento rara vez es el último.
  • Cambia solo un aspecto por iteración para entender el impacto de cada modificación.
  • Los problemas comunes (longitud, tema, formato, tono) tienen soluciones específicas.
  • Las restricciones negativas y los contraejemplos son herramientas de refinamiento potentes.
  • Usa el parámetro seed para comparar objetivamente dos formulaciones.
  • Documenta tus iteraciones para capitalizar tu experiencia.