Guía de Prompting Avanzado
Domina el Arte del Prompting
Explora técnicas avanzadas para comunicarte de manera efectiva con modelos de IA como GPT-5. Una guía completa para maximizar tus resultados.
Cadena de Pensamiento (CoT)
¿Qué es?
Una técnica que descompone un problema complejo en pasos intermedios y lógicos. En lugar de pedir una respuesta directa, se le pide al modelo que "piense en voz alta".
¿Por qué usarlo?
- Mejora el razonamiento en tareas aritméticas, de sentido común y simbólicas.
- Permite auditar el "proceso de pensamiento" del modelo para detectar errores.
- Aumenta significativamente la precisión en problemas de múltiples pasos.
Ejemplo Avanzado: "Un cliente compró 3 artículos a $15.75 cada uno y usó un cupón de 10% de descuento sobre el total. El impuesto de venta es del 5%. Calcula el costo final, explicando cada paso del cálculo."
Autocorrección
¿Qué es?
Un proceso iterativo donde el modelo primero genera una respuesta y luego se le pide que la critique y la refine, identificando fallos o áreas de mejora.
¿Por qué usarlo?
- Aumenta la fiabilidad y calidad del resultado final.
- Es ideal para tareas complejas como la generación de código, la redacción de informes técnicos o la creación de contenido matizado.
- Simula un proceso de revisión y edición.
Ejemplo Avanzado: "Paso 1: Escribe un script de Python para analizar un CSV y generar un gráfico. Paso 2: Ahora, actúa como un revisor de código senior. Revisa el script anterior buscando errores, ineficiencias y mejoras de estilo. Proporciona una versión corregida."
Árbol de Pensamientos (ToT)
¿Qué es?
Una generalización de CoT. El modelo explora múltiples ramas de razonamiento (un "árbol") en lugar de una sola cadena lineal. Evalúa el progreso en cada rama y decide cuál seguir explorando.
¿Por qué usarlo?
- Excelente para problemas complejos sin una solución única o directa.
- Permite una exploración más creativa y exhaustiva del espacio de soluciones.
- Útil en planificación estratégica, investigación o resolución de acertijos.
Ejemplo Avanzado: "Necesitamos lanzar un nuevo producto SaaS. Genera tres posibles estrategias de lanzamiento (A: freemium, B: beta cerrada, C: basado en influencers). Para cada una, evalúa los posibles resultados a 6 meses y elige la más prometedora, justificando tu elección."
Generación Aumentada (RAG)
¿Qué es?
Un sistema que enriquece el prompt del usuario con datos relevantes recuperados de una fuente de conocimiento externa (ej. base de datos, documentos internos, APIs) antes de que el modelo genere una respuesta.
¿Por qué usarlo?
- Reduce drásticamente las "alucinaciones" (información inventada).
- Permite al modelo usar información privada, propietaria o en tiempo real.
- Proporciona respuestas verificables, ya que se puede citar la fuente.
Ejemplo Avanzado: "Basándote en los documentos internos de soporte técnico (documentos A, B, C), proporciona una guía paso a paso para que un cliente resuelva el error de conexión 'E-404'."
Prompting con Ejemplos
¿Qué es?
Una técnica de "aprendizaje en contexto" donde se le proporcionan al modelo varios ejemplos (shots) del par entrada-salida deseado para que aprenda el patrón.
¿Por qué usarlo?
- Muy eficaz para enseñar al modelo tareas nuevas o formatos de salida específicos.
- Reduce la necesidad de instrucciones complejas; el modelo infiere la tarea de los ejemplos.
- Funciona bien para clasificación, extracción de datos y transformaciones de formato.
Ejemplo Avanzado (Few-Shot): "Traduce de lenguaje natural a SQL. Ej1: 'Cuántos usuarios hay en Chile?' -> SELECT count(*) FROM users WHERE country = 'Chile'; Ej2: 'Muéstrame los correos de los usuarios premium.' -> SELECT email FROM users WHERE plan = 'premium'; Ej3: 'Quiénes se registraron ayer?' ->"
ReAct (Reason + Act)
¿Qué es?
Un framework que combina el razonamiento (Reason) con la capacidad de realizar acciones (Act) a través de herramientas. El modelo alterna entre generar pensamientos y ejecutar acciones para recopilar información.
¿Por qué usarlo?
- Permite al modelo superar su conocimiento estático e interactuar con el mundo exterior.
- Puede usar APIs, buscar en la web, ejecutar código, etc.
- Resuelve problemas dinámicos que requieren información actualizada.
Ejemplo Avanzado: "Pregunta: ¿Quién es el CEO de la empresa matriz de Google y cuál es el precio actual de sus acciones? Pensamiento: Necesito buscar la empresa matriz de Google, luego buscar su CEO y finalmente usar una API financiera para obtener el precio de las acciones. Acción: search('empresa matriz de Google')..."