01 El prompting es un experimento, no una fórmula
En su sesión Prompting 101, el equipo de IA aplicada de Anthropic define el trabajo con prompts como escribir instrucciones claras, dar al modelo el contexto que necesita y ordenar esa información de la mejor forma. Y lo plantea como una práctica empírica: lanzas el prompt, lees la salida, identificas qué ha fallado, cambias una sola cosa y vuelves a probar.
La documentación oficial resume la actitud con una comparación útil: trata a Claude como a una persona brillante que acaba de entrar en la empresa y no conoce tus normas. Si un compañero sin contexto se perdería leyendo tu prompt, Claude también.
02 Los elementos de un buen prompt, en orden
| Elemento | Para qué sirve | Dónde suele ir |
|---|---|---|
| Rol y tarea | Que Claude sepa qué papel ocupa y para qué. Sin esto, adivina el dominio. | Prompt de sistema |
| Tono | Cómo debe responder: factual, prudente, directo; qué hacer si no está seguro. | Prompt de sistema |
| Contexto y documentos de fondo | Lo que no cambia entre llamadas: formatos, glosario, políticas. | Prompt de sistema (ideal para caché) |
| Reglas y pasos | Cómo razonar y en qué orden revisar la información. | Prompt de sistema |
| Ejemplos | Casos resueltos, sobre todo los difíciles. La documentación recomienda de 3 a 5. | Prompt de sistema, en etiquetas example |
| Historial | Solo si aporta contexto real de la conversación. | Mensajes previos |
| Petición concreta | Qué quieres en esta llamada, recordado al final. | Último mensaje del usuario |
| Razonamiento | Pensar antes de concluir en tareas de varios pasos. | Pensamiento extendido o petición explícita |
| Formato de salida | Estructura exacta de la respuesta para que otro sistema la lea. | Final del prompt o salidas estructuradas |
03 Caso práctico: un prompt que mejora por capas
Supón que una tienda online quiere que Claude clasifique los correos de clientes y proponga la acción siguiente. Así evoluciona el prompt cuando cada versión corrige el fallo de la anterior.
-
1
Versión 1: «Clasifica este correo»
Claude inventa categorías distintas en cada correo y no sabe qué es una devolución para esta tienda. Falta rol y contexto.
-
2
Versión 2: rol y tono
Le dices que asiste al equipo de atención al cliente de una tienda de material deportivo y que, si duda, lo indique. Mejora el tono, pero las categorías siguen variando.
-
3
Versión 3: contexto fijo
Añades la lista cerrada de categorías, la política de devoluciones (30 días, producto sin usar) y los plazos de envío. Ya clasifica con criterio.
-
4
Versión 4: reglas y ejemplos
Indicas el orden: identificar pedido, comprobar plazo, decidir categoría y acción. Añades tres correos ambiguos resueltos. Aciertan los casos difíciles.
-
5
Versión 5: formato
Pides la salida en un JSON con categoría, urgencia, acción y justificación. Ahora la respuesta entra directamente en tu sistema de tickets.
04 Estructura con etiquetas XML
Cuando un prompt mezcla instrucciones, contexto, ejemplos y datos variables, envolver cada tipo de contenido en su propia etiqueta ayuda a Claude a no confundirlos. No hay nombres obligatorios: usa etiquetas descriptivas y mantenlas coherentes. Con documentos largos, la documentación recomienda colocarlos al principio y la pregunta al final.
<rol>
Asistes al equipo de atención al cliente de [empresa], que vende [productos].
Tu trabajo es clasificar cada correo y proponer la siguiente acción.
</rol>
<tono>
Factual y prudente. Si la información no basta para decidir, dilo en lugar de suponer.
</tono>
<contexto>
Categorías permitidas: pedido_no_recibido, devolucion, producto_defectuoso, factura, otra.
Política de devoluciones: [resumen]. Plazos de envío: [resumen].
</contexto>
<reglas>
1. Localiza el número de pedido si aparece.
2. Comprueba si la petición está dentro de plazo según la política.
3. Elige una sola categoría de la lista.
4. Propón la acción y marca urgencia alta si hay cobro duplicado o producto peligroso.
</reglas>
<ejemplos>
<ejemplo>…correo ambiguo y su clasificación correcta…</ejemplo>
</ejemplos>
<formato>
Responde solo con JSON: {"categoria", "urgencia", "accion", "justificacion"}.
</formato>05 Razonamiento: deja pensar a Claude y lee lo que piensa
En tareas con varios pasos, que el modelo razone antes de responder mejora el resultado. Con el pensamiento extendido activado, además puedes leer su razonamiento y descubrir en qué paso se equivoca; esa pista se convierte en una regla nueva del prompt. Si el pensamiento está desactivado, puedes pedirle que razone primero y que ponga la respuesta final en una etiqueta aparte.
No lo actives por defecto en todo: en clasificaciones o extracciones sencillas añade tiempo y coste sin mejorar la respuesta.
Te paso un prompt, tres entradas de prueba y las respuestas que ha dado. En dos de ellas el resultado es incorrecto: [explica qué esperabas].
Analiza qué información le falta al prompt o qué instrucción es ambigua para que haya fallado así. Propón el cambio mínimo que lo corregiría, explica por qué y dime qué otra entrada de prueba usarías para comprobar que no rompe los casos que ya funcionaban.
<prompt>[pega el prompt]</prompt>
<pruebas>[entradas y salidas]</pruebas>06 Ajustes para los modelos actuales
Son más literales
Hacen lo que pides y poco más. Si quieres que una instrucción se aplique a todo el documento, dilo; si quieres algo extra, pídelo.
Explica el porqué
Una regla con su motivo funciona mejor que una orden seca, porque Claude generaliza a partir de la explicación.
Sin gritar
Las mayúsculas y los «CRÍTICO: DEBES» ya no ayudan y pueden provocar que aplique la instrucción en exceso. Basta con decirlo con normalidad.
Pide la longitud
El modelo ajusta la extensión a lo que cree que quieres. Si necesitas detalle o brevedad, indícalo, mejor en positivo que en negativo.
Revisa este prompt como lo haría un especialista en prompting de Claude. Comprueba si deja claro el rol, el contexto necesario, las reglas en orden, ejemplos para los casos difíciles y el formato de salida. Señala instrucciones ambiguas, órdenes sin motivo, mayúsculas o lenguaje agresivo innecesario y cualquier dependencia de respuestas prellenadas. Devuélveme una versión corregida con etiquetas XML y una lista breve de cambios.
<prompt>[pega tu prompt]</prompt>Preguntas frecuentes
Los principios son los mismos. En el chat no hace falta tanta estructura para preguntas rápidas, pero en tareas que repites o que van a otro sistema, el método por capas y las etiquetas XML marcan la diferencia.
La documentación oficial recomienda de 3 a 5, variados y centrados en los casos difíciles, cada uno dentro de su etiqueta para que no se confundan con las instrucciones.
Pide el formato con claridad e incluye un ejemplo. Si es imprescindible que cumpla un esquema, usa la función de salidas estructuradas de la API o una herramienta con un campo de valores cerrados.
Al principio del prompt, cada uno en su etiqueta con su fuente, y la pregunta o instrucción al final. Anthropic indica que esto mejora las respuestas con entradas largas.
Cuando supera un conjunto de casos de prueba representativo, incluidos los difíciles. Guarda esos casos y vuelve a pasarlos cada vez que cambies el prompt o el modelo.
Sobre el autor
Equipo editorial de appyweb
Marketing, SEO y desarrollo con IA
Especialistas de appyweb en SEO, publicidad, desarrollo web y automatización con IA.