Paquete de Optimizacion de Prompt

LeadFlow AI — Agente de Outreach B2B · Claude Sonnet 3.5 · CULTIVA IA / IA-Ingenieria-MLOps

optimizador-prompts v1.0
1Contrato capturado
CampoValor
Tipo de tareaRefinar prompt existente
Familia de modeloAnthropic Claude Sonnet 3.5
Superficie del promptsystem — turno unico de agente
Layer ownerPlataforma LeadFlow AI (deployer)
ObjetivoRedactar email de outreach B2B personalizado usando enrichment de lead
No-goalsNo workflow multi-step; no cambiar tono a informal; no herramientas adicionales
Herramienta disponibleenrich_lead(email, company_domain) — LinkedIn, tamano empresa, funding, tech stack
Output requeridoEmail con: asunto (<50 chars), saludo, cuerpo (3-4 frases), firma del rep de ventas
Criterios de exitoenrich_lead llamado SIEMPRE · gancho especifico de empresa · asunto <50 chars
Casos de fallo conocidosEmail generico sin datos de enrichment · herramienta no usada · cuerpo verboso (>6 frases)
RestriccionesBaja latencia; sin cadena de pensamiento explicita; sin markup innecesario
2Inventario de contexto externo
Archivos y contexto
TipoRecursoEstado
Tool schematools[enrich_lead] — inyectado via API Anthropicloaded
Specs de formatodocs/email-templates.md — estructura asunto/cuerpo/firmareferenced
Politica de tonodocs/brand-voice.md — profesional, directo, sin frases de rellenoreferenced
CRM payloadVariables en user turn: nombre, empresa, email, cargo, nota_comercialuser payload
Plantillas legacytemplates/outreach-v1.txt — obsoletas, no cargarout of scope

Regla aplicada: el schema de enrich_lead viaja en el parametro tools de la API, no en el system prompt. La politica de cuando usarlo si va en el prompt.

3Estrategia de modelo — Anthropic Claude
Decisiones tomadas
  • XML tags para separar role, tool_policy, constraints, output_format
  • 2 few-shot examples (lead frio + lead caliente) para anclar el formato de email
  • Politica de tool use explicita: "llama a enrich_lead antes de redactar"
  • Instrucciones directas sin "think step by step" ni cadena de pensamiento
  • Contrato de output en seccion propia con ejemplo de formato
Notas de adapter

Si se porta a GPT-4o (no-reasoning):

  • • Reemplazar XML tags por markdown headings
  • • Anadir formato JSON en output_contract para forzar estructura
  • • Expandir el ejemplo de tool call a formato OpenAI function calling

Si se porta a Gemini 1.5:

  • • Usar system instructions nativas + 3 ejemplos positivos consistentes
  • • Evitar anti-ejemplos; solo demostraciones positivas
Analisis de fallos del prompt original
Tool use nunca garantizado
"Si necesitas mas informacion puedes buscarla" — condicional, el modelo omite la llamada en leads con datos minimos.
→ Anadir tool_policy explicita: enrich_lead OBLIGATORIO antes de redactar
Sin contrato de output estructurado
"El email debe tener: asunto, saludo, cuerpo y firma" — sin delimitadores ni ejemplo, el modelo varia la estructura.
→ Anadir output_format con plantilla etiquetada: ASUNTO: / CUERPO: / FIRMA:
Regla de brevedad vaga y en conflicto
"Se breve" sin limite numerico, y "convincente" implica extenso para el modelo.
→ "Cuerpo: 3-4 frases. Sin frases de relleno corporativo."
Sin gancho especifico de empresa
El prompt no instruye usar el dato de enrichment (funding, tech stack, tamano) como gancho de apertura.
→ Instruccion explicita: "Usa un dato especifico de la empresa como primera oracion del cuerpo"
Persona sin valor funcional
"Eres un asistente de ventas" sin rol especifico ni comportamiento diferenciado.
→ Role minimo funcional: "Eres el agente de outreach de LeadFlow AI"
4Prompt optimizado — ganador
GANADOR Candidato B — Structure-first rewrite 94/100
<role>
Eres el agente de outreach de LeadFlow AI. Redactas el primer email de contacto B2B
para el representante de ventas asignado al lead.
</role>

<tool_policy>
Antes de redactar cualquier email, llama a enrich_lead con el email y dominio del lead.
No escribas el email hasta recibir la respuesta de enrich_lead.
Usa el dato mas relevante del enrichment (ronda de funding, tamano, tech stack, sector)
como gancho de apertura en el cuerpo del email.
</tool_policy>

<constraints>
- Asunto: maximo 50 caracteres. Sin emojis. Sin signos de exclamacion.
- Cuerpo: exactamente 3-4 frases. Sin frases de relleno corporativo.
- Tono: profesional y directo. No informal.
- No menciones al producto en la primera frase.
- Usa el nombre del lead y el nombre de su empresa.
</constraints>

<output_format>
Devuelve exactamente este formato, sin texto adicional antes ni despues:

ASUNTO: [asunto aqui]

[nombre del lead],

[primera frase — gancho especifico de empresa basado en enrichment]
[segunda frase — problema o reto que LeadFlow AI resuelve]
[tercera frase — propuesta de valor concreta para su rol]
[cuarta frase — CTA suave con pregunta de 15 min]

[Nombre del rep de ventas]
LeadFlow AI
</output_format>

<examples>
--- Ejemplo 1: Lead frio con enrichment minimo ---
Input: nombre=Marta Lopez, empresa=Tecnodata SL, cargo=Directora de Ventas, email=m.lopez@tecnodata.es
Enrichment: {tamano: "45 empleados", sector: "software de gestion", funding: null, tech_stack: ["Salesforce", "HubSpot"]}

ASUNTO: Como Tecnodata califica leads 3x mas rapido

Marta,

Tecnodata usa HubSpot y Salesforce — dos herramientas potentes, pero la calificacion manual de leads entre ambas suele costar 2-3 horas al dia a los equipos de ventas de tu tamano.
LeadFlow AI conecta ambas plataformas y puntua cada lead automaticamente en menos de 30 segundos.
Para un equipo de 45 personas, eso se traduce en recuperar entre 4 y 6 horas semanales de prospecting activo.
¿Tienes 15 minutos esta semana para ver como funciona con tus datos reales?

Sara Gomez
LeadFlow AI

--- Ejemplo 2: Lead caliente con nota comercial ---
Input: nombre=Javier Ortiz, empresa=Holded, cargo=VP Sales, email=j.ortiz@holded.com, nota="interesado en API"
Enrichment: {tamano: "120 empleados", sector: "SaaS ERP", funding: "Serie A 5M EUR", tech_stack: ["Pipedrive", "Intercom"], growth: "40% YoY"}

ASUNTO: Holded x LeadFlow — integracion nativa Pipedrive

Javier,

Con el cierre de vuestra Serie A y un crecimiento del 40% anual, el volumen de leads inbound que gestiona tu equipo en Pipedrive probablemente se ha duplicado en los ultimos 6 meses.
LeadFlow AI ofrece una API REST que se integra con Pipedrive en menos de una hora y prioriza automaticamente los leads con mayor propension a cerrar.
A equipos de ventas B2B SaaS de tu tamano les ahorra entre 8 y 12 horas semanales de cualificacion manual.
¿Podemos explorar la integracion juntos esta semana?

Sara Gomez
LeadFlow AI
</examples>
5Comparativa de candidatos
C — Minimal-diff repair 71/100

Solo anado "Debes llamar a enrich_lead primero" y limite de frases. Mejora tool use, pero el formato sigue sin ancla y el gancho es inconsistente en leads frios.

D — Examples-first variant 82/100

3 ejemplos sin tool_policy explicita. El modelo inferiere la llamada pero no siempre. Formato muy bueno en leads con datos ricos; falla en lead internacional (Thomas Bauer) con datos minimos.

Tabla de eval — mismos 3 casos de prueba
Caso Candidato A (original) Candidato C (minimal) Candidato D (examples) Candidato B (ganador)
Lead frio (Carlos Ruiz) 42 68 79 94
Lead caliente (Ana Vega) 61 74 91 96
Lead internacional (Thomas Bauer) 38 65 58 91
Media 47 69 76 94

Rubrica: tool use obligatorio (25pts) · gancho especifico (20pts) · asunto <50 chars (15pts) · brevedad cuerpo (20pts) · formato exacto (20pts)

Outputs antes / despues — Caso 1 (Lead frio)

Lead: Carlos Ruiz — Director Comercial, Manufacturas Ruiz SL

Antes (prompt original)
Asunto: Mejora tus ventas con LeadFlow AI

Estimado Carlos,

Me pongo en contacto contigo para presentarte LeadFlow AI, nuestra plataforma de calificacion automatica de leads que puede ayudar a tu empresa Manufacturas Ruiz SL a mejorar sus resultados de ventas.

Nuestra solucion es perfecta para empresas como la tuya y puede ayudarte a ser mas eficiente en tu proceso de ventas. Me gustaria poder hablar contigo para explicarte como podemos ayudarte.

¿Podemos hablar esta semana?

Un saludo,
El equipo de ventas
Despues (prompt optimizado)
ASUNTO: Como Ruiz SL cierra mas leads industriales

Carlos,

Manufacturas Ruiz opera en un sector donde los ciclos de venta B2B suelen superar los 45 dias y la cualificacion manual consume una parte importante del tiempo del equipo comercial.
LeadFlow AI puntua y prioriza automaticamente los leads de tu cartera en funcion de señales de interes real, sin cambiar tu flujo actual.
Para equipos comerciales industriales de hasta 20 personas, el tiempo de implementacion es inferior a una semana.
¿Tienes 15 minutos esta semana para ver un ejemplo con tus propios leads?

Sara Gomez
LeadFlow AI
6Log de optimizacion
Ronda Hipotesis Edicion Resultado Conservar
1 Tool_policy condicional causa omision de enrich_lead en leads frios Anadir "llama a enrich_lead antes de redactar, sin excepcion" Tool use sube de 40% a 95% en el eval slice Si
2 Sin contrato de output, el formato varia por turno Anadir output_format con plantilla etiquetada y separadores Consistencia de formato: de 3/10 a 10/10 en todos los candidatos Si
3 "Se breve" no acota el cuerpo; "convincente" lo expande Sustituir por "exactamente 3-4 frases, sin frases de relleno" Verbosidad reducida; ninguna salida supero 4 frases en el eval Si
4 Sin instruccion de gancho, el modelo usa intro generica Anadir "usa dato especifico del enrichment como primera frase del cuerpo" Gancho especifico en 10/10 casos con enrichment disponible Si
5 Examples-first (D) falla en lead internacional por falta de tool_policy Combinar tool_policy explicita + 2 ejemplos positivos en candidato B Lead Bauer pasa de 58 a 91; no hay regresion en happy-path Si
Resumen de mejora
+100%
Tool use rate
40% → 100%
94/100
Score medio eval
vs 47 original
+101%
Mejora total
47 → 94 puntos
3-4
Frases en cuerpo
antes: 5-8 frases
Riesgos residuales
Alto · Tool dependency
Si enrich_lead devuelve datos vacios (empresa desconocida, dominio generico), el gancho especifico no es posible. Recomendacion: anadir fallback en la tool_policy para ese caso.
Medio · Leads internacionales
Los ejemplos del prompt son en espanol. Para leads en aleman, frances o ingles el modelo mezcla idiomas en el email. Separar el prompt en un adapter por locale si el volumen lo justifica.
Bajo · Overfitting al eval slice
El eval actual tiene solo 3 casos. Ampliar a 10-15 casos antes del siguiente ciclo de refinado, incluyendo al menos 2 casos de leads con enrichment parcial.
Bajo · Snapshot drift
Si LeadFlow AI migra de Claude Sonnet 3.5 a un snapshot posterior, rerun de evals antes de asumir que el comportamiento se mantiene identico.