Ingeniería de Prompts

💡

Regla de oro: Empieza con zero-shot. Si la tasa de error supera el 10%, añade ejemplos (few-shot). Si el razonamiento multi-paso falla, añade CoT. La complejidad extra siempre tiene coste en latencia y tokens.

⚡

Técnicas de Prompt Engineering

Plantillas listas para producción, con casos de uso reales de clientes CULTIVA IA

Zero-Shot Prompting

Cliente: Cafetería La Manzana — Análisis de reseñas

Zero-Shot

Sin ejemplos. El modelo clasifica directamente apoyándose en su preentrenamiento. Óptimo para tareas claras donde el formato de salida es simple y el dominio es común.

            python
            copiar
          
prompt = """Clasifica el sentimiento de la siguiente
reseña de Google como POSITIVO, NEGATIVO o NEUTRO.

<resena>
La tortilla estaba buenísima pero tardaron
mucho en traer la cuenta. Ambiente agradable.
</resena>

Sentimiento:"""

Claude GPT-4o Gemini Precisión:

Few-Shot Prompting

Cliente: Cafetería La Manzana — Clasificación con contexto

Few-Shot

Incluye 3–5 ejemplos representativos antes del input real. Mejora la consistencia del formato y calibra el modelo al dominio específico.

            python
            copiar
          
prompt = """Clasifica sentimiento de reseñas. Ejemplos:

Reseña: "Café de especialidad increíble, el barista
me explicó el origen del grano." → POSITIVO
Reseña: "Esperé 20 min y el croissant llegó frío.
No volveré." → NEGATIVO
Reseña: "Precio normal para la zona, nada especial." → NEUTRO

Reseña: "Me encantó el ambiente pero el wifi no
funcionaba."
Sentimiento:"""

Claude GPT-4o Gemini Precisión:

Chain-of-Thought (CoT)

Cliente: Molina & Asociados — Análisis contractual

CoT

El modelo razona paso a paso antes de dar la respuesta final. Imprescindible para análisis legal, financiero o lógico multi-paso donde importa el proceso, no solo el resultado.

            python
            copiar
          
prompt = """Analiza si la siguiente cláusula de contrato
es válida bajo el Código Civil español (art. 1256).

Cláusula: "El precio del servicio podrá ser
modificado unilateralmente por el proveedor
sin previo aviso al cliente."

Piensa paso a paso:
1. ¿Qué establece el art. 1256?
2. ¿Qué permite y qué prohíbe?
3. ¿La cláusula cumple o vulnera el artículo?
4. Conclusión y riesgo legal estimado (alto/medio/bajo)."""

Claude GPT-4o Precisión:

ReAct (Reason + Act)

Cliente: Clínica Dental Aínsa — Agente de citas

ReAct

El agente alterna razonamiento (Thought) con llamadas a herramientas (Action) y observación de resultados (Observation). Base de todos los agentes con herramientas.

            python
            copiar
          
system = """Eres el asistente de la Clínica Dental Aínsa.
Resuelve usando Pensamiento, Acción y Observación.
Herramientas: buscar_cita(fecha), crear_cita(paciente,
fecha, hora, tratamiento), enviar_confirmacion(id_cita)

Formato:
Pensamiento: [razonamiento]
Acción: herramienta(parametros)
Observación: [resultado]
... (repite)
Pensamiento: Tengo la respuesta final.
Acción: done([respuesta al paciente])"""

user = "Quiero una limpieza dental para el viernes
por la tarde, me llamo Sara López."

Claude GPT-4o Precisión:

XML Tags (Claude-optimized)

Cliente: Distribuidora Fresquet — Extracción de albaranes

XML

Claude interpreta XML de forma nativa. Separar task, format y document con etiquetas reduce ambigüedad y mejora la precisión en extracciones estructuradas.

            python
            copiar
          
prompt = """<task>
Extrae los artículos, cantidades y precios
del siguiente albarán de Fresquet Distribución.
</task>

<format>
JSON array: [{"articulo": "...", "cantidad": N,
"precio_unitario": 0.00, "total": 0.00}]
Si un campo no aparece, usa null.
</format>

<albaran>
{texto_del_albaran}
</albaran>

JSON:"""

Claude Precisión:

Meta-Prompting

Cliente: BeautyNow — Optimización de catálogo

Diferencias por Modelo

Optimizaciones específicas para cada proveedor LLM

Claude 3.5 Sonnet

Anthropic — Modelo principal CULTIVA

XML nativo: usa <task>, <context>, <format> siempre
Instrucciones explícitas: prefiere "haz X" a "podrías hacer X"
<thinking>: activa razonamiento extendido para CoT complejo
System prompt: persona/restricciones; user prompt: la tarea
"No hagas X": lo respeta de forma muy fiable

GPT-4o

OpenAI — Clientes con contrato previo

Markdown: responde bien a headers ## y listas en prompts
JSON nativo: usa response_format: {type: "json_object"}
Temperatura: 0 para tareas deterministas, 0.7 para creativas
JSON schema: muy fuerte si das un ejemplo explícito
Function calling: API más madura para agentes ReAct

Gemini 1.5 Pro

Google — Proyectos con facturas/imágenes

Multimodal: procesa imágenes y PDFs de facturas nativamente
Instrucciones claras: pasos numerados funcionan mejor
JSON forzado: responseMimeType: "application/json"
Contexto largo: hasta 1M tokens, ideal para corpus grandes
Concisión: prompts más cortos → menor latencia en este modelo

📊

Framework de Evaluación de Prompts

Resultados de las últimas pruebas en clientes CULTIVA IA

Test Suite — Análisis de Reseñas (La Manzana)

Benchmark: 120 reseñas reales etiquetadas manualmente · Ejecutado 2026-06-14

Zero-Shot

78%

93/120 correctas

Few-Shot (3 ejs)

89%

107/120 correctas

Few-Shot (5 ejs)

92%

110/120 correctas

Self-Consistency (7)

95%

114/120 · +3.1× coste

Zero-Shot

78%

Few-Shot (3)

89%

Few-Shot (5)

92%

Self-Consistency

95%

        python — harness de evaluación reutilizable
      
from dataclasses import dataclass

@dataclass
class CasoTest:
    input: str
    esperado: str
    descripcion: str

def evaluar_prompt(template: str, casos: list[CasoTest], llm) -> dict:
    resultados = []
    for caso in casos:
        prompt = template.format(input=caso.input)
        salida = llm(prompt)
        ok = caso.esperado.lower() in salida.lower()
        resultados.append({"desc": caso.descripcion, "ok": ok})
    acc = sum(r["ok"] for r in resultados) / len(resultados)
    print(f"Precisión: {acc:.0%} ({sum(r['ok'] for r in resultados)}/{len(resultados)})")
    return {"accuracy": acc, "resultados": resultados}

📋

Directrices de Producción

Reglas aplicadas en todos los proyectos CULTIVA IA

Regla	Qué hacer	Por qué
✓Empieza simple	Zero-shot primero. Añade complejidad solo si el error >10%	Cada nivel extra añade latencia y coste de tokens
✓Formato explícito	Muestra un ejemplo JSON si quieres JSON; no asumas	Elimina la ambigüedad y reduce post-procesado
✓System vs User	System: persona y restricciones. User: la tarea concreta	Cada modelo interpreta este split de forma diferente
✓Versiona los prompts	Guarda prompts en git con semver (v1.2.0) y métricas	Los modelos cambian; el historial evita regresiones
⚠Prueba adversarialmente	Inputs vacíos, contradictorios, en idiomas inesperados	Los casos extremos aparecen en producción, no en demos
⚠Coste vs precisión	Self-consistency: solo si el margen de error es crítico	7x llamadas = 7x coste. Medir antes de decidir
✓Campo no encontrado	En extracción, especifica qué devolver si el campo falta (null, "N/A")	Sin instrucción, el modelo inventa valores (alucinación)
✗No mezcles tareas	Un prompt = una tarea. No "extrae Y luego clasifica Y luego resume"	La precisión baja cuando hay múltiples objetivos en conflicto

Ingeniería de Prompts — Repertorio de Referencia

Técnicas de Prompt Engineering

Diferencias por Modelo

Framework de Evaluación de Prompts

Directrices de Producción