Mejores prácticas para la creación de prompts en arquitecturas multiagente
En esta página
Creación de prompts para una arquitectura multiagente
Redactar un prompt para múltiples agentes ya no consiste en dirigirse a un modelo, sino en briefar a un jefe de equipo que distribuirá el trabajo entre varios investigadores. Un prompt que funcionaba bien con un único modelo suele generar aquí una respuesta más larga, pero no más profunda, porque el líder no ha sabido cómo dividir el tema en líneas de trabajo distintas. Tres parámetros gobiernan la calidad del brief.
Especifica qué buscar y con qué profundidad
El líder necesita dos datos antes de distribuir los roles: qué cubre la investigación y el nivel de detalle requerido. Sin estos marcadores, producirá un resumen general, y dieciséis agentes solo harán ese resumen dieciséis veces más verboso. Compara:
Cuéntame sobre la IA en Europa.
Compara los 3 principales fabricantes europeos de chips de IA por tecnología, rendimiento, financiación y asociaciones industriales en 2026.
El segundo prompt nombra el tema, acota el alcance a tres actores europeos, enumera las dimensiones del análisis y fija el periodo temporal. Estos cuatro elementos se traducen en un desglose del trabajo: un agente por fabricante o un agente por dimensión. El primero no ofrece grietas por donde empezar, y eso es exactamente lo que produce una respuesta plana.
Pide la forma, no solo el fondo
El líder sintetiza mejor cuando sabe qué aspecto debe tener el resultado. Una instrucción de formato al final del prompt suele mejorar la legibilidad más que reformular la pregunta.
Presenta los resultados en una tabla comparativa con una fila por fabricante y una columna por criterio. Añade una sección de análisis debajo de la tabla.
Según tus necesidades, solicita una tabla comparativa con categorías fijas, una lista numerada con un nivel de detalle especificado, secciones jerarquizadas con encabezados H2 y H3, o una conclusión acompañada de recomendaciones. Todas estas instrucciones tienen el mismo efecto: obligan al líder a organizar el material en lugar de limitarse a enumerarlo.
Solicita explícitamente las fuentes
Sin instrucciones, el líder podría entregar una síntesis fluida sin forma de rastrear nada hasta su origen. Si las referencias son importantes para ti, exígelas en el prompt.
Cita tus fuentes para cada afirmación. Prioriza artículos académicos recientes y notas de prensa oficiales.
Esta instrucción establece las expectativas desde el inicio: los subagentes saben desde el principio que deben conservar las referencias de lo que encuentren. Solicitar las fuentes a posteriori no hará que reaparezcan.
Distribuye la investigación en varios turnos
Los sistemas multiagente gestionan conversaciones de varios turnos, una palanca tanto para la calidad como para la economía. En lugar de plantear una pregunta monumental, procede por refinamientos: un turno para esbozar el panorama de las soluciones RAG empresariales en 2026, un segundo para profundizar en el punto que te interesa —las arquitecturas híbridas, por ejemplo— y un tercero para comparar dos soluciones en tu caso de uso concreto. Cada turno hereda el contexto del anterior, y la ventaja es aún más clara con use_encrypted_content=True.
Aporta contexto que el modelo no pueda adivinar
Un agente que ignora tu situación produce recomendaciones válidas para todos, lo que significa válidas para nadie. Las restricciones que ya conoces valen más que cualquier instrucción de estilo.
Estoy desarrollando una aplicación fintech para el mercado asiático. Mi stack técnico es Python/FastAPI con PostgreSQL. Mi presupuesto mensual para APIs de IA es de 500 euros.
¿Qué soluciones de detección de fraude basadas en IA serían las más adecuadas?
Con estas tres líneas, los agentes descartan soluciones incompatibles con tu stack, ajustan sus propuestas a tu presupuesto y priorizan según tu mercado. Sin ellas, recibirás la clasificación genérica que aparece en cualquier comparativa en línea.
Hay dos trampas opuestas que debes evitar. Un prompt demasiado vago dispersa a los agentes y dispara el consumo sin añadir valor; un prompt demasiado cerrado les priva del margen de exploración que justificaba el uso de un sistema multiagente en primer lugar. El equilibrio correcto fija el destino y deja la elección del camino a los subagentes.
Puntos clave
- Define siempre el alcance, la profundidad y el formato de salida
- Solicita explícitamente las fuentes si las necesitas
- Divide en turnos para investigaciones complejas
- Aporta contexto para obtener recomendaciones relevantes
- Un buen prompt multiagente guía al líder sin restringir a los subagentes