¿Qué es un prompt?
En esta página
Actualizado el 2 de noviembre de 2026 — Le Chat es ahora Vibe. Desde el 28 de mayo de 2026, Le Chat es ahora Vibe (todavía en chat.mistral.ai): un único agente para trabajo y código, con tus conversaciones, configuraciones y suscripciones migradas. La experiencia heredada de Le Chat sigue accesible en el modo Chat; en el modo Work, los agentes son ahora habilidades (que se invocan con
@), las memorias son la base de conocimientos y la investigación profunda es la habilidad Deep Research. Los planes se llaman ahora Mistral Free, Pro, Team y Enterprise. Esta lección usa el nombre Vibe; es posible que algunos menús descritos aquí hayan cambiado de nombre o ubicación.
Actualizado el 2 de noviembre de 2026 — modelos. Mistral Large 3 (
mistral-large-2512) y Mistral Medium 3.5 están obsoletos desde el 31 de octubre de 2026 y se eliminarán el 30 de abril de 2027; su sucesor designado, Mistral Large 4 (mistral-large-4), está en vista previa pública desde el 6 de octubre. Los ejemplos de este curso usan el aliasmistral-large-latest, que todavía apunta a Mistral Large 3 según su documentación oficial (verificado el 3 de noviembre de 2026), igual quemistral-medium-latestapunta a Mistral Medium 3.5: estos alias seguirán siendo válidos hasta el 30 de abril de 2027. Para un proyecto nuevo, pruebamistral-large-4, su sucesor designado.
El prompt: tu interfaz con la inteligencia artificial
Cuando interactúas con un modelo de lenguaje de Mistral, cada mensaje que envías constituye un prompt. Este término, tomado del inglés, se refiere a la instrucción o solicitud que remites al modelo para obtener una respuesta. Entender qué es un prompt y cómo funciona es el primer paso para sacar el máximo provecho de los modelos de Mistral, ya uses Vibe o la API.
Un prompt puede ser tan sencillo como una pregunta directa —«¿Cuál es la capital de Francia?»— o tan elaborado como un documento de varios párrafos que contiene contexto, ejemplos, restricciones de formato e instrucciones detalladas. Entre estos dos extremos hay todo un espectro, y tú decides dónde colocar el cursor en función de la importancia del asunto. La calidad de la respuesta que obtienes depende directamente de la calidad del prompt que formules: esta es la tesis central de todo este curso, y lo verificarás lección tras lección.
Cómo procesa el modelo tu prompt
Para hacer buenos prompts, primero debes entender qué ocurre del lado del modelo. Los modelos de Mistral funcionan mediante completado de texto: el modelo recibe tu prompt y genera la continuación más probable, token a token. Un token suele corresponder a una palabra o a un fragmento de palabra; «hola» podría ser un único token, mientras que una palabra rara se dividirá en varias piezas.
En concreto, el ciclo es siempre el mismo: envías tu prompt a través de la API de Chat Completions de Mistral, el modelo analiza todo el contexto proporcionado y luego genera su respuesta token a token, eligiendo en cada paso el token más adecuado dado todo lo que precede. La respuesta completa se te devuelve entonces en un solo bloque o mediante streaming a medida que se genera.
Este mecanismo explica por qué la formulación de tu prompt es tan importante. El modelo no «entiende» tu intención oculta: extiende el texto que le das. Si ese texto es vago, la continuación más probable será igualmente un texto vago. Si el texto establece un marco preciso, la continuación más probable respetará ese marco. Tu prompt determina literalmente la dirección que tomará la generación.
El impacto del prompt en la calidad de la respuesta
La diferencia entre un buen prompt y uno malo puede ser espectacular, y nada convence más que una comparación directa. Imagina que preguntas al modelo:
Tell me about marketing.
Obtendrás un ensayo genérico sobre qué es el marketing: correcto, pero inútil para tu día a día. Compáralo ahora con esta formulación:
You are a digital marketing consultant specializing in French SMEs.
List 5 content marketing strategies adapted to a budget of less than
€500 per month. For each strategy, indicate:
- The main channel
- The weekly time required
- The expected ROI at 6 months
Aquí, el modelo sabe quién se supone que debe ser, a quién se dirige, bajo qué restricción presupuestaria trabaja y qué formato debe entregar. Generará un plan concreto, estructurado y directamente utilizable en una reunión. Tenlo presente: la diferencia entre estos dos resultados no reside en el modelo, que es el mismo en ambos casos, sino únicamente en la precisión de la instrucción.
Los componentes de un prompt eficaz
Si desglosas el segundo prompt anterior, encontrarás los bloques de construcción que manipularás a lo largo de este curso. El contexto proporciona la información de fondo necesaria para entender la tarea; en nuestro ejemplo, el hecho de que hablemos de pymes francesas con un presupuesto reducido. La instrucción establece con precisión qué esperas del modelo: enumera cinco estrategias, no consejos vagos ni una disertación. El formato describe la estructura deseada para la respuesta (lista, tabla, JSON o párrafo), y esto es lo que hace que el resultado sea utilizable sin edición. Las restricciones fijan los límites a respetar, como la longitud, el tono o el vocabulario. Por último, los ejemplos muestran al modelo una demostración del resultado esperado, una técnica tan eficaz que más adelante dedicaremos una lección entera a ella.
No necesitas incluir todos estos elementos cada vez. Una pregunta sencilla solo requiere una instrucción clara, y sobrecargar un prompt trivial sería contraproducente. Sin embargo, en cuanto la tarea se vuelve compleja —escribir para un público específico, analizar datos, producir un entregable con formato—, combinar estos componentes mejora considerablemente el resultado.
La API de Chat Completions de Mistral
Con Mistral, los prompts pasan por la API de Chat Completions. Esta API utiliza un formato de mensaje estructurado donde cada mensaje tiene un role (system, user, assistant) y content. Profundizaremos en estos roles en la siguiente lección; por ahora, limita te a ver cómo es una llamada mínima con el SDK de Python de Mistral:
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "user", "content": "What are the 3 principles of effective prompting?"}
]
)
print(response.choices[0].message.content)
Este código envía un prompt sencillo y muestra la respuesta del modelo. Nada más, y sin embargo ya está todo ahí: un mensaje, un rol, contenido. En las siguientes lecciones aprenderás a aprovechar plenamente la riqueza de esta API para convertir estas tres líneas en aplicaciones reales.
Puntos clave
- Un prompt es la instrucción que envías al modelo de Mistral para obtener una respuesta
- La calidad del prompt determina directamente la calidad de la respuesta
- Un prompt eficaz combina contexto, instrucción, formato y restricciones
- Los modelos de Mistral procesan los prompts a través de la API de Chat Completions
- Invertir tiempo en formular tus prompts es la palanca más potente para mejorar tus resultados