≡En resumen
- El prompt engineering consiste en redactar instrucciones claras, con contexto y ejemplos, para obtener respuestas fiables de un modelo de IA.
- Antes de pulir un prompt necesitas criterios de éxito y casos de prueba para medir si mejora.
- Las técnicas que mejor funcionan con Claude son la claridad, explicar el porqué, los ejemplos y estructurar con etiquetas XML.
- En agentes y tareas largas, el prompt es solo una parte: el contexto y las herramientas pesan tanto o más.
- No todo se arregla con el prompt: a veces cambiar de modelo, añadir datos o usar herramientas es más eficaz.
01 ¿Qué es el prompt engineering?
Un prompt es todo lo que le das a un modelo antes de que responda: la instrucción, el contexto, los documentos, los ejemplos y el formato que esperas. El prompt engineering es el oficio de diseñar ese texto para que los modelos de lenguaje hagan lo que necesitas de forma consistente, no solo una vez por casualidad.
Se llama ingeniería porque, bien hecho, se parece más a un proceso de desarrollo que a escribir: defines qué es un buen resultado, pruebas, mides, cambias una variable y vuelves a medir.
02 Antes de escribir: criterios de éxito y pruebas
El error más común es retocar un prompt a ojo, probando con una sola pregunta. La guía oficial de Anthropic parte de tres requisitos previos, y merece la pena respetarlos.
-
1
Define qué es un buen resultado
Precisión, tono, longitud, formato, tiempo de respuesta. Cuanto más medible, mejor.
-
2
Prepara casos de prueba
Reúne ejemplos reales, incluidos los difíciles, con la respuesta que esperas. Son tus evaluaciones.
-
3
Escribe un primer borrador
Un prompt sencillo que cubra la tarea. Si no sabes por dónde empezar, puedes pedir al propio modelo que te proponga uno.
-
4
Itera con un cambio cada vez
Modifica una sola cosa, vuelve a pasar las pruebas y compara. Así sabes qué ha funcionado.
03 Técnicas de prompt engineering que funcionan con Claude
Estas son las técnicas centrales de la guía de buenas prácticas de Claude, aplicables a los modelos actuales. No hace falta usarlas todas a la vez: empieza por la claridad y añade el resto según lo que fallen tus pruebas.
Sé claro y directo
Pide exactamente lo que quieres, con formato y restricciones. Si buscas un resultado ambicioso, dilo explícitamente.
Explica el porqué
Una instrucción con su motivo se generaliza mejor que una orden suelta en mayúsculas.
Usa ejemplos
Entre tres y cinco ejemplos variados y relevantes guían el formato y el tono con mucha fiabilidad.
Estructura con etiquetas XML
Separa instrucciones, contexto, ejemplos y datos con etiquetas como instrucciones, contexto o documento.
Asigna un rol
Una frase en el prompt de sistema («eres un analista financiero…») centra el comportamiento y el tono.
Deja pensar al modelo
En tareas complejas, pedir que razone antes de responder o activar el pensamiento extendido mejora el resultado.
Hasta 30 %
mejora de calidad observada al colocar la pregunta al final, tras los documentos largos
Fuente: Documentación de Claude: Prompting best practices
3-5
ejemplos recomendados para guiar formato, tono y estructura
Fuente: Documentación de Claude: Prompting best practices
04 Ejemplo: de un prompt flojo a uno profesional
Imagina que quieres que la IA responda reseñas de clientes de un restaurante. Compara dos versiones del mismo encargo.
| Aspecto | Prompt flojo | Prompt trabajado |
|---|---|---|
| Instrucción | «Responde a esta reseña» | «Redacta una respuesta pública a la reseña de un cliente de nuestro restaurante» |
| Contexto | Ninguno | Nombre del local, tono cercano, política de invitar a volver si hubo un problema |
| Motivo | No se explica | «La respuesta será pública y la leerán futuros clientes» |
| Ejemplos | Ninguno | Tres respuestas reales que os gustan, entre etiquetas de ejemplo |
| Formato | Libre | Máximo 80 palabras, sin emojis, firmada por el gerente |
Con la segunda versión las respuestas salen con el mismo tono, la misma longitud y la misma firma, y el equipo puede revisarlas en segundos. La diferencia no está en palabras mágicas, sino en dar la información que un empleado nuevo necesitaría.
05 Errores comunes al escribir prompts
La mayoría de prompts que fallan no lo hacen por falta de trucos avanzados, sino por omisiones básicas. Antes de complicar la instrucción, revisa si estás cayendo en alguno de estos errores.
| Error | Qué provoca | Cómo corregirlo |
|---|---|---|
| Dar por hecho el contexto | Respuestas genéricas que no encajan con tu negocio | Explica quién eres, para quién es el resultado y para qué se usará |
| Órdenes en mayúsculas sin motivo | El modelo exagera la regla o la aplica donde no toca | Sustituye el grito por una explicación breve del porqué |
| Pedir lo que no quieres | El modelo se fija en lo prohibido | Describe en positivo el resultado que buscas |
| Ejemplos todos iguales | Copia patrones que no querías | Usa ejemplos variados que cubran casos límite |
| Mezclar datos e instrucciones | Confunde un documento con una orden | Separa cada parte con su etiqueta |
| Probar con un solo caso | Falsa sensación de que funciona | Pasa siempre el mismo conjunto de pruebas tras cada cambio |
06 Prompts con documentos largos y datos
Cuando trabajas con contratos, informes o catálogos extensos, la estructura del prompt importa mucho. La guía oficial recomienda colocar los documentos arriba, envolver cada uno en su etiqueta con su fuente y dejar la pregunta para el final. Si los datos no caben o cambian a menudo, la solución ya no es el prompt, sino recuperar solo lo relevante con RAG.
- ✓Pon los documentos largos al principio y la pregunta al final.
- ✓Envuelve cada documento en su propia etiqueta, con su título o fuente.
- ✓Pide al modelo que cite primero los fragmentos relevantes y después responda.
- ✓Indica qué hacer si la información no está en los documentos.
- ✓Mantén fijas las partes que no cambian para aprovechar el prompt caching.
07 Del prompt al contexto: prompts para agentes
Con los agentes, el prompt inicial es solo una parte de lo que ve el modelo. En cada vuelta entran resultados de herramientas, archivos y notas. Por eso Anthropic habla cada vez más de ingeniería de contexto: decidir qué información entra en la ventana de contexto en cada momento, no solo cómo se redacta la instrucción.
| Aspecto | Prompt engineering | Ingeniería de contexto |
|---|---|---|
| Pregunta central | ¿Cómo redacto la instrucción? | ¿Qué información debe ver el modelo ahora? |
| Ámbito | Un mensaje o una conversación | Todo el ciclo de un agente: herramientas, memoria, documentos |
| Herramientas | Redacción, ejemplos, estructura | Recuperación, resúmenes, archivos de instrucciones, subagentes |
08 Prompt engineering en la empresa
En un negocio, un buen prompt es un activo: se versiona, se prueba y se documenta como cualquier otra pieza de software. Es lo que hace que un chatbot con IA responda siempre con la política correcta o que un asistente interno resuma informes de la misma forma todos los meses.
Si quieres implantar inteligencia artificial en tu empresa con prompts probados y medibles, podemos ayudarte. Y si prefieres investigar por tu cuenta, en nuestra página de recursos de IA para Claude reunimos guías y herramientas para practicar.
Preguntas frecuentes sobre Prompt engineering (ingeniería de prompts)
Es la práctica de redactar y probar las instrucciones que das a un modelo de IA para que responda de forma fiable, con el contenido, el formato y el tono que necesitas.
Ser claro y concreto, explicando el contexto y el motivo. Después, los ejemplos son una de las formas más fiables de guiar el formato y el tono.
Los principios son comunes, pero cada familia de modelos tiene matices. Conviene probar tus prompts con casos reales en el modelo que vayas a usar.
Separan instrucciones, contexto, ejemplos y datos, lo que ayuda al modelo a interpretar sin ambigüedad prompts largos o con varias partes.
Sí. Los modelos necesitan menos trucos, pero siguen dependiendo de que les des el contexto, los criterios y los ejemplos adecuados.
No para redactar buenos prompts en un chat. Para integrarlos en una aplicación, versionarlos y medirlos con pruebas automáticas sí ayuda tener perfil técnico.
El prompt engineering se centra en cómo redactar las instrucciones; la ingeniería de contexto decide qué información completa ve el modelo en cada paso, algo clave en agentes.
Fuentes consultadas
Sobre el autor
Germán Gutiérrez
Development Manager en appyweb
Dirige el equipo de desarrollo de appyweb: aplicaciones web y móviles, SaaS, integraciones y arquitectura de software.
Ver perfil en LinkedIn ↗