Estructuración de tus instrucciones
En esta página
Por qué importa la estructura
Un prompt bien estructurado no es un lujo, es una necesidad. Los modelos de Mistral se entrenan con volúmenes masivos de texto estructurado: documentación técnica, artículos y código fuente. Entienden y siguen mejor tus instrucciones cuando estas están claramente organizadas, porque esa organización se asemeja a lo que han visto miles de millones de veces durante el entrenamiento.
Imagina que das instrucciones orales a un compañero mezclándolo todo: la fecha límite enterrada en una anécdota, el formato esperado colado al final de una frase y el contexto entregado después de la instrucción. El resultado sería confuso y tu compañero tendría que adivinar qué es lo importante. Lo mismo ocurre con un modelo de lenguaje: la estructura de tu prompt determina la claridad de la interpretación. Esta lección te ofrece dos herramientas de estructuración —Markdown y etiquetas XML—, además de una rejilla de secciones para organizar cualquier prompt complejo.
Markdown: el estándar natural
Markdown es el formato de estructuración más eficaz para los modelos de Mistral, por tres razones que se refuerzan mutuamente. En primer lugar, es legible: fácil de escribir y revisar para ti, algo crucial cuando un prompt vive y evoluciona dentro de una aplicación. En segundo lugar, le resulta familiar al modelo: el Markdown aparece masivamente en los datos de entrenamiento, por lo que el modelo entiende sus convenciones sin esfuerzo. Por último, se analiza de forma natural: el modelo identifica claramente las jerarquías de encabezados, las listas y los bloques de código, y deduce la importancia relativa de cada sección.
Así es como se ve esto en un ejemplo de análisis competitivo:
# Tarea
Redacta un informe de análisis competitivo.
## Contexto
Empresa: TechCorp, SaaS B2B, mercado francés
Principales competidores: AlphaSoft, BetaCloud, GammaTech
## Formato esperado
Para cada competidor, proporciona:
- **Puntos fuertes**: máximo 3 puntos
- **Puntos débiles**: máximo 3 puntos
- **Posicionamiento de precios**: bajo / medio / premium
## Restricciones
- Máximo 800 palabras
- Tono profesional y factual
- Sin recomendaciones estratégicas (solo análisis)
Este prompt utiliza encabezados (#, ##) para separar secciones, texto en negrita para elementos clave y listas con viñetas para los detalles. El modelo entiende inmediatamente la jerarquía: primero la tarea, luego el contexto, después el formato y finalmente las guardas (guardrails). Podrías entregar este mismo documento a un colaborador humano sin cambiar ni una palabra; esa es una buena señal.
Etiquetas XML: máxima precisión
Markdown organiza; las etiquetas XML delimitan. Cuando necesitas aislar bloques de datos o instrucciones sin ambigüedad —típicamente cuando tu prompt mezcla instrucciones y texto a procesar—, las etiquetas XML son particularmente eficaces:
<instructions>
Analiza el texto proporcionado y extrae las entidades nombradas.
Categorízalas en: personas, organizaciones, ubicaciones.
</instructions>
<format>
Devuelve el resultado en JSON con la estructura:
{"people": [], "organizations": [], "locations": []}
</format>
<text>
El presidente Macron se reunió con el director general de la OMS en Ginebra
para debatir la estrategia sanitaria europea.
</text>
La ventaja es que el modelo sabe exactamente dónde empieza y termina cada sección. Si el texto a analizar contuviera una frase que se pareciera a una instrucción —«extrae la lista de participantes», por ejemplo—, las etiquetas evitarían que el modelo la confundiera con tus instrucciones. Esta separación entre instrucciones y datos es lo que hace valioso el uso de XML en los prompts de producción.
Las secciones esenciales de un prompt estructurado
Independientemente del formato que elijas, un prompt complejo se organiza en torno a las mismas secciones. La primera, y la única obligatoria, es la tarea: indica siempre claramente qué esperas, justo al principio. «Tarea: Traduce el siguiente texto del francés al inglés manteniendo el registro formal» no deja lugar a dudas sobre la misión.
A continuación viene el contexto, cuando sea necesario: información de fondo que el modelo no puede adivinar. Si trabajas para una startup fintech que construye una aplicación de gestión de presupuestos para particulares en Francia, dilo; sin este detalle, el modelo escribirá para un público genérico y tendrás que rehacer todo el trabajo.
La tercera sección, reglas, enmarca el comportamiento: enumera explícitamente lo que el modelo debe y no debe hacer. Por ejemplo: usa un tono formal, no menciones marcas de la competencia, produce párrafos de 50 a 100 palabras. Cada regla escrita es una corrección que no tendrás que hacer a mano.
La cuarta sección, formato de salida: describe exactamente la forma que debe tener la respuesta. «Devuelve una tabla en Markdown con las columnas Criterio | Puntuación (1-5) | Comentario» produce un entregable directamente copiable en tu documento, mientras que la ausencia de instrucción genera prosa que hay que retocar.
Por último, los ejemplos resuelven las ambigüedades restantes mostrando un resultado esperado. Esta técnica es tan potente que tiene su propia lección: volveremos a ella en detalle con el prompting few-shot.
Instrucciones explícitas frente a implícitas
Los modelos de Mistral no adivinan tus intenciones: todo lo que está implícito en tu cabeza debe volverse explícito en tu prompt. Compara «Resume este artículo» con «Resume este artículo en 3 viñetas de 20 palabras máximo cada una. Mantén las cifras clave. Usa un tono neutro y factual». La primera versión deja que el modelo decida la longitud, el formato y el tono —tres decisiones que podría tomar de forma distinta a como lo harías tú—. La segunda no deja margen para la interpretación: el modelo sabe exactamente qué producir y obtendrás el mismo tipo de resultado cada vez.
Escribe como si el modelo no supiera nada
Terminemos con una regla fundamental: escribe tu prompt asumiendo que el modelo no tiene ningún contexto previo sobre tu situación. Aunque algo te parezca obvio —quién eres, qué quieres lograr, para qué uso, en qué formato—, especifícalo, apoyándote en el prompt del sistema para los elementos permanentes. Un escritor que encadena solicitudes en la misma conversación acaba creyendo que «el modelo lo sabe»; pero en cuanto cambia la conversación o el prompt se reutiliza en otro lugar, todo lo implícito desaparece. Este enfoque de «cero contexto» garantiza resultados consistentes, independientemente del estado de la conversación.
Puntos clave
- Estructura tus prompts con secciones claras (Markdown o XML)
- Markdown es ideal para la mayoría de los casos; usa etiquetas XML para aislar datos
- Separa siempre tarea, contexto, reglas y formato esperado
- Haz explícito todo lo que está implícito en tu cabeza
- Escribe cada prompt como si el modelo empezara desde cero