Prompt Engineering: qué es y 15 técnicas eficaces + consejos

Las herramientas de Inteligencia Artificial (IA) se utilizan cada vez más frecuentemente en todas las industrias para complementar el esfuerzo humano y el prompt engineering ha surgido como una habilidad fundamental. 

Los ingenieros de prompt son expertos en lenguaje natural encargados de comunicarse con modelos grandes de lenguaje (LLM) para lograr los resultados deseados.

En este artículo explicaremos lo esencial del prompt engineering y sus conceptos clave. También exploraremos múltiples técnicas para desarrollar prompts de forma precisa y en función del contexto. 

Para que lo entiendas mejor, probaremos estos prompts con distintos modelos de inteligencia artificial y veremos cómo responden.

.

Los ingenieros tienen que formular preguntas y afirmaciones claras y adaptadas al contexto para obtener las respuestas más pertinentes y precisas del modelo de IA. 

Ya sea para generar informes de marketing detallados, crear contenidos atractivos para un sitio web o desarrollar el código perfecto para un lenguaje de programación, un prompt engineering eficaz es una habilidad que ahorra tiempo y que los profesionales del sector deberían añadir a sus portfolios.

Ten en cuenta quien realiza prompt engineering no tiene por qué estar familiarizado con los lenguajes de programación ni tener conocimientos de desarrollo de software. Cualquiera con buenos conocimientos lingüísticos y pensamiento analítico puede aprender prompt engineering. 

Conceptos básicos

Antes de adentrarnos en las técnicas avanzadas, repasemos los fundamentos de los prompts para guiar modelos lingüísticos. 

Para empezar, “prompting” significa utilizar un lenguaje natural, como el español, para explicar a las herramientas de inteligencia artificial lo que quieres y obtener una respuesta pertinente.

Interactuar con modelos de lenguaje mediante prompts

Los grandes modelos de lenguaje son herramientas de IA generativa que crean textos similares a los humanos a partir de las indicaciones que reciben. Estas indicaciones se denominan prompts.

Por ejemplo, pensemos en una agencia web que quiere crear un eslogan para una nueva herramienta de diseño web que ha desarrollado. Un prompts bien diseñado, en este caso, podría ser:

“Genera un eslogan para una herramienta que hace que el diseño de páginas web sea fácil y accesible para todos”.

Este mensaje es claro e indica al LLM el tipo específico de contenido requerido: un eslogan pegadizo y conciso dirigido a los usuarios potenciales de una herramienta de diseño web. El objetivo es comunicar claramente tus objetivos al LLM para recibir un resultado preciso y pertinente.

Veamos el resultado que da este prompt cuando lo introducimos en ChatGPT-4:

El poder del contexto y la instrucción

Para maximizar la eficacia de un modelo de lenguaje, debes incluir dos componentes en tus prompts: el contexto y la instrucción. 

Añadir contexto ayuda al modelo a comprender mejor el escenario, mientras que la elaboración de instrucciones le indica específicamente lo que quieres que haga.

Por ejemplo, considera el prompt: “Como bloguero de salud y bienestar, resume los cuatro beneficios principales de una dieta mediterránea”. En este caso:

• Contexto: “Como bloguero de salud y bienestar” ayuda al modelo a comprender la perspectiva y la profundidad desde las que abordar el resumen.
• Instrucción: “Resume los cuatro beneficios principales de una dieta mediterránea” indica al modelo en qué debe centrarse y qué debe producir como resultado.

Proporcionar un contexto y una instrucción claros y completos es crucial por varias razones:

• Menos ambigüedad: reduce la posibilidad de recibir resultados irrelevantes o fuera de tema.
• Más control: obtén respuestas predecibles de la IA.
• Ahorro de tiempo: se necesita menos comunicación de ida y vuelta para lograr el resultado deseado.

Este es el resultado de un prompt basado en el contexto cuando lo introducimos en ChatGPT-4:

Elementos principales

A la hora de crear prompts en lenguaje natural para los chatbots de IA, es crucial comprender los elementos fundamentales para lograr el resultado deseado. 

Los elementos del prompt guían al modelo de inteligencia artificial en la dirección deseada, garantizando claridad y contexto. 

Estos son algunos de los principales componentes que hay que tener en cuenta:

Contexto

Preparar correctamente el escenario puede marcar la diferencia a la hora de obtener el resultado deseado.

Importancia del contexto

El contexto proporciona a la IA un trasfondo claro que le permite generar contenidos pertinentes y adecuados. Sin el contexto adecuado, las respuestas pueden terminar siendo genéricas o incorrectas.

Por ejemplo, si preguntas al modelo sobre “tecnologías verdes”, introducir el contexto de “utilizadas en el transporte” reduce la respuesta a las tecnologías verdes relacionadas con los vehículos.

Introducir el contexto

Generar un buen prompt no consiste sólo en darle contexto, sino en introducirlo eficazmente. Cuanto más detallado y específico sea el contexto, mejor será la comprensión de la IA.

Por ejemplo, en lugar de “Recomendaciones para el comercio electrónico”, especifica “Recomendaciones para mejorar la experiencia de usuario de un sitio web de comercio electrónico”.

Instrucciones claras

Las instrucciones claras impulsan las interacciones contextuales de la IA.

Crear instrucciones precisas

Ser explícito y directo con las instrucciones garantiza una mayor precisión en los resultados de la IA y deja menos espacio a la ambigüedad.

A modo de ejemplo, en lugar de preguntar “Cuéntame sobre los desarrolladores de sitios web”, especifica “Explica las funciones y responsabilidades de un desarrollador de sitios web”.

Evitar lenguaje impreciso

La ambigüedad o el lenguaje contradictorio pueden confundir al modelo y dar lugar a respuestas menos precisas.

Por ejemplo, “Habla sobre el diseño de un sitio web” es vago. En cambio, “Habla sobre las tendencias en el diseño de sitios web para plataformas de comercio electrónico” es más directo.

Formato del resultado deseado

Especificar el formato del resultado es crucial a la hora de desarrollar prompts. Ayuda a los grandes modelos de lenguaje con la creación de contenidos mejorados.

Formato

Al dictar la estructura o el estilo de la respuesta de la IA, se pueden perfeccionar los resultados hasta conseguir la forma deseada.

Por ejemplo, si pides “Enumera las cinco mejores herramientas para desarrolladores de sitios web”, obtendrás una lista concisa.

Tono y longitud

Establecer el tono ayuda a infundir una emoción de lenguaje natural en las respuestas de la IA. Mientras tanto, la definición de la longitud permite a los modelos de inteligencia artificial determinar la profundidad de su respuesta.

Establecer el tono

Puedes regular la resonancia emocional o el grado profesional de una respuesta indicando el tono deseado.

Por ejemplo: “Haz una crítica profesional del siguiente diseño de página web”.

La longitud dicta la profundidad

Indicar si necesitas un resumen conciso o una explicación elaborada garantiza respuestas de AI a medida.

Por ejemplo: “Escribe una breve introducción (30-40 palabras) sobre la evolución del diseño de sitios web responsivos”.

Técnicas de prompt engineering

Profundicemos ahora en algunas técnicas y estrategias básicas de prompt engineering que te ayudarán a dominar el modelo de prompting.

1. Zero-Shot Prompting

El “zero-shot prompting” consiste en generar una respuesta sin dar a los modelos lingüísticos grandes ejemplos ni contexto previo. Esta técnica es ideal cuando necesitas respuestas rápidas a preguntas básicas o temas generales.

Este es un ejemplo de zero-shot prompting con ChatGPT-3.5: 

2. One-Shot Prompting

Se trata de extraer una respuesta a partir de un ejemplo o contexto proporcionado por el usuario.

Para ilustrarlo, hemos probado esta estrategia con ChatGPT-3.5:

3. Recuperación de información

Se habla de “retrieval prompting” cuando se trata a los grandes modelos de lenguaje como motores de búsqueda. Consiste en formular a la IA generativa una pregunta muy concreta para obtener respuestas más detalladas.

Algunos LLM son mejores en los prompts de recuperación de información debido a sus fuentes de datos. Por ejemplo, Gemini de Google puede acceder a la información actual de Internet, mientras que ChatGPT no tiene acceso a datos anteriores a septiembre de 2021.

He aquí un ejemplo con Gemini:

4. Escritura creativa

La creación de contenidos creativos puede ayudarte a generar relatos imaginativos, historias cautivadoras y expresiones textuales únicas adaptadas a las preferencias e intereses de tu audiencia.

He aquí un ejemplo de pregunta que pide a la IA generativa GPT-4 que escriba de forma creativa:

5. Expansión del contexto

La técnica de ampliación del contexto gira en torno al enriquecimiento de la información facilitada a la IA para mejorar eficazmente su comprensión.

Una buena forma de redactar preguntas de ampliación de contexto es mediante el método de las 5W y 1H, que consiste en ampliar la consulta planteando las preguntas Quién, Qué, Dónde, Cuándo, Por qué y Cómo relacionadas con el tema. 

Así es como ChatGPT-4 utilizó el método para ampliar el contexto de una simple afirmación: “El ejercicio es bueno para la salud”. 

6. Resumen de contenidos con enfoque específico

Un prompt engineering eficaz también consiste en dirigir la atención de la IA a partes concretas de la instrucción, sobre todo cuando se quieren resúmenes concisos con un énfasis particular. 

Si elaboras instrucciones precisas, podrás destacar qué elementos del texto deseas que el modelo priorice, garantizando así que el resumen capte la esencia del enfoque deseado.

Supongamos que tienes una guía completa sobre técnicas de optimización de sitios web, pero sólo te interesan las estrategias de optimización para móviles. En este caso, tu prompt debe indicarlo claramente.

Por ejemplo: “Resume este artículo sobre optimización de sitios web, pero céntrate sólo en las estrategias relacionadas con la optimización para móviles: [copiar+pegar artículo aquí]”.

He aquí cómo ChatGPT-4 realizó la tarea:

7. Rellenar plantillas

El relleno de plantillas te permite crear contenidos versátiles pero estructurados sin esfuerzo. Utilizarás una plantilla con marcadores de posición para personalizar los prompts para diferentes situaciones o instrucciones, manteniendo al mismo tiempo un formato coherente.

Personalizar plantillas con variables y marcadores de posición

En el llenado de plantillas, puede personalizar aún más el resultado de las herramientas de IA definiendo múltiples variables para los marcadores de posición. Normalmente, los content managers o desarrolladores web utilizan esta estrategia para crear múltiples fragmentos de contenido personalizados generados por IA para sus sitios web. 

Suponte que gestionas un sitio web de comercio electrónico. En ese caso, podrías utilizar una plantilla estándar para las descripciones de productos, permitiendo que la IA complete campos como el nombre del producto, las características y el precio para crear una nueva descripción con cada respuesta.

Esta técnica es increíblemente beneficiosa cuando necesitas que los contenidos generados por IA cumplan con directrices o formatos concretos. 

Otro caso práctico es la creación de correos electrónicos automatizados pero personalizados. El relleno dinámico de plantillas garantiza que la estructura general del correo electrónico sea coherente, mientras el contenido específico varía en función de la información del usuario.

Como ejemplo, tomemos este mensaje: “Genera un correo electrónico de bienvenida personalizado utilizando la plantilla ‘Hola {Nombre}, Bienvenido a nuestro {Servicio}. ¡Nos alegra que estés aquí! {Cierre}”

8. Prompt Reframing

El “prompt reframing” o la personalización de prompts de IA te permite cambiar sutilmente la redacción de tus preguntas manteniendo la intención original de la consulta. 

Puedes llevar al modelo lingüístico a producir una variedad de respuestas que respondan a la intención original de diferentes maneras.

Técnicas de redacción para mantener la intención

Un método consiste en utilizar sinónimos o reformular las preguntas manteniendo la coherencia del tema principal. Obtendrás diferentes matices en las respuestas, lo que puede ser especialmente útil cuando estés buscando distintas ideas.

Ejemplo

Prompt original: ¿Cuáles son algunas de las formas de optimizar la velocidad de un sitio web?

Prompt reformulado: ¿Puedes enumerar técnicas para mejorar los tiempos de carga de un sitio web?

9. Combinación de prompts

La técnica de combinación de prompts consiste en fusionar diferentes instrucciones o preguntas en una única instrucción polifacética para obtener una respuesta completa de la IA. 

Para este tutorial, tomemos esta pregunta como ejemplo: “¿Puedes explicar las diferencias entre el hosting compartido y el hosting VPS y recomendar cuál es mejor para un pequeño sitio web de comercio electrónico?”.

10. Chain-Of-Thought Prompting

La cadena de pensamiento consiste en utilizar interacciones de la IA en tiempo real para guiar a la herramienta hacia respuestas más precisas y completas. 

En lugar de basarte únicamente en una pregunta, puedes proporcionar una secuencia de ejemplos o preguntas relacionadas para perfeccionar la consulta original.

Cómo utilizar la cadena de pensamiento

La clave para que la cadena de pensamiento sea eficaz es dividir una pregunta o un tema complejo en partes más pequeñas y manejables. Luego, presenta estas partes como una secuencia de preguntas que se desarrollan unas sobre otras, empujando a la IA hacia la respuesta deseada.

Le pedimos a ChatGPT-4 que nos diera un ejemplo de cadena de pensamiento y esto es lo que hizo:

11. Prompting iterativo

Otra técnica eficaz consiste en hacer preguntas de seguimiento a partir de respuestas anteriores. Con este método, puedes profundizar en un tema, extraer información adicional o aclarar cualquier ambigüedad del resultado inicial.

Cómo utilizar el prompt iterativo

La clave del prompt iterativo es estar atento a la respuesta inicial de la IA. Puedes formular tu prompt de seguimiento para profundizar en una parte específica de esa respuesta, ahondar en un subtema o pedir aclaraciones. Es especialmente útil cuando necesitas recopilar información detallada.

Los LLM más expertos en procesamiento del lenguaje natural (PLN) pueden manejar los prompts iterativos y elaborar sus respuestas de forma similar a la de un humano.

He aquí un ejemplo rápido de prompt iterativo utilizando Claude AI, un LLM con buenas capacidades de PNL:

12. Storytelling interactivo y juegos de rol

El storytelling interactivo y los juegos de rol con IA son una forma creativa y atractiva de producir contenidos dinámicos. 

Esta técnica aprovecha la capacidad de la IA para adaptar sus respuestas en función de los prompts y las interacciones anteriores, lo que permite una narración fluida.

Narración colaborativa

La narración colaborativa va un paso más allá al permitir que la IA se adapte a tus aportes en tiempo real. Permite un intercambio de ida y vuelta en el que la herramienta y tú contribuyen al desarrollo de la historia, creando una experiencia interactiva.

Ejemplo

Prompt: Quiero empezar un ejercicio de narración colaborativa contigo. Escribiremos una historia de fantasía sobre una tierra en la que existe la magia, pero que lleva mucho tiempo olvidada.

Aquí está el personaje principal y el objetivo final de la historia:

Personaje: Doraleous, un joven granjero que descubre accidentalmente un antiguo libro de hechizos.

Objetivo: aprovechar el poder de la magia para acabar con la hambruna que azota a su aldea en el bosque.

13. Inyección implícita de información

Con la Inyección de Información Implícita, otorgas contexto sutilmente para que el modelo de IA entienda tus necesidades sin que se lo digas explícitamente.

Estrategias para el contexto implícito

Esta técnica puede ser especialmente útil cuando buscas respuestas matizadas o adaptadas. Por ejemplo, en lugar de decir: “Escribe esto en un tono formal”, puedes utilizar palabras como “elaborado” o “detallado” para guiar a la IA hacia un resultado más formal.

Ejemplo

Prompt: ¿Puedes dar algunos consejos rápidos para aumentar el tráfico de un sitio web?

14. Traducción de idiomas con matices contextuales

La generación de contenidos multilingües no consiste sólo en convertir palabras de un idioma a otro. Gracias al prompt engineering, puedes asegurarte de que la IA tenga en cuenta el contexto cultural o situacional, lo que producirá una traducción más precisa y matizada.

Mejorar la precisión de la traducción con el contexto

Si añades pistas culturales o situacionales en la pregunta, puedes guiar a la IA para que proporcione una traducción que se ajuste al contexto. Es especialmente útil en comunicaciones comerciales, documentos jurídicos o cualquier texto en el que un matiz pueda alterar drásticamente el significado.

Ejemplo

Prompt: Traduce la frase “She took the ball and ran with it” del inglés al francés, teniendo en cuenta que se trata de una metáfora empresarial para referirse a tomar las riendas de un proyecto.

15. Ingeniería de prompt automática

La ingeniería automática de prompts (APE) es un avance en el campo de la inteligencia artificial que aprovecha las nuevas capacidades de los LLM para ayudar a la IA a generar y seleccionar automáticamente instrucciones por sí misma. 

Transforma la tarea en un problema de optimización de caja negra, utilizando algoritmos de aprendizaje automático para generar y evaluar soluciones de forma heurística.

Explicación del flujo de trabajo APE

El flujo de trabajo APE consta de cinco pasos principales:

1. Asigna al chatbot una tarea específica y muéstrale algunos ejemplos.
2. Al chatbot se le ocurren diferentes maneras de hacer el trabajo, ya sea por razonamiento directo o teniendo en cuenta tareas similares que conoce.
3. A continuación, se prueban en la práctica estos distintos métodos.
4. El chatbot valora la eficacia de cada método.
5. La IA elegirá entonces un método mejor y lo aplicará. 

Ventajas y aplicaciones del Machine Learning

Cuando están equipadas con capacidades de self-prompting, las herramientas de IA generativa pueden agilizar las tareas, desde el análisis de datos basado en el contexto hasta la atención al cliente automatizada, eliminando la necesidad de constantes prompts generados por humanos.

Hemos pedido a ChatGPT-4 que nos explique el flujo de trabajo de APE con un ejemplo sencillo:

Casos de uso del Prompt Engineering 

Exploremos cómo se pueden emplear estas técnicas en diversos escenarios prácticos que van desde el desarrollo de código y la generación de contenidos para SEO hasta el diagnóstico médico.

Generación y depuración de código

El prompt engineering puede ser muy útil para la generación y depuración de código. Puedes crear prompts específicos para que la IA produzca fragmentos de código, depure el código existente o incluso sugiera métodos de codificación alternativos. 

Por ejemplo, puedes utilizar un prompt como “Genera una función Python para calcular el factorial de un número” para obtener código funcional.

Producción de artículos SEO

Además de pedirle a la IA que cree un artículo desde cero, puedes utilizarla para mejorar los que ya tienes. Una de las prácticas más comunes de optimización de contenidos con IA es copiar toda la entrada del blog y ciertas palabras clave que deseas que la herramienta agreguue de forma natural.

Personalización de los asistentes virtuales 

Con los prompts adecuados, puedes adaptar los asistentes virtuales para que ofrezcan una comunicación dirigida al público en tu sitio web. Esto es especialmente importante para los negocios que pretenden ofrecer una experiencia personalizada a su público. 

Utilizando técnicas de prompt engineering, puedes crear interacciones que no sólo sean funcionales, sino también personalizadas según las preferencias y el historial de cada usuario.

Apoyo para el aprendizaje y la educación

Unos prompts bien elaborados pueden ayudar significativamente a la educación y el aprendizaje. Utilizando las técnicas discutidas, puedes convertirte en un ingeniero de prompts y utilizar modelos de IA para comprender mejor teorías complejas como las derivadas, la integrales y la gramática. 

Ejemplo

Prompt: ¿Puedes explicar cómo se conjuga el verbo francés “être” en presente, paso a paso?

Análisis e interpretación de datos 

El prompt engineering puede ayudar a extraer información útil de conjuntos de datos complejos. Después de dar acceso a grandes fuentes de datos, puedes pedir a los LLM que analicen la información y generen resúmenes visuales mediante prompts multimodales. 

Puedes crear prompts para que la IA busque tendencias, patrones y relaciones en los datos que pueden no ser evidentes a primera vista. 

Por ejemplo, para analizar e interpretar un vasto conjunto de datos, puedes pedir a un generador de imágenes de IA que cree tablas o gráficos para mostrar tendencias y correlaciones importantes en los datos. 

Luego, puedes utilizar un proceso iterativo y pedir a la IA que interprete la visualización y describa las narrativas significativas, los puntos de vista y las conclusiones que se pueden extraer. 

La formulación de preguntas específicas mediante la recuperación de información puede ayudarte a guiar a la IA para que identifique conclusiones significativas y articule los datos. 

También puede utilizar el resumen de contenidos para traducir la información compleja en puntos clave.

Investigación y diagnóstico médico

En la investigación y el diagnóstico médicos, el prompt engineering puede cambiar las reglas del juego. A través de indicaciones meticulosamente diseñadas y APE, las aplicaciones de IA pueden ayudar a los diagnosticadores a analizar los síntomas, examinar la literatura médica e incluso proponer posibles tratamientos. 

Por ejemplo, un prompt podría guiar a la IA a buscar en numerosos trabajos de investigación posibles tratamientos para una enfermedad rara.

Sin embargo, hablar de tus síntomas con una IA no es una alternativa a la consulta con el médico. Recuerda que la IA no es más que una herramienta en la que no se puede confiar plenamente.   

Consejos para el éxito del prompt engineering

Un prompt engineering eficaz consiste en comprender las técnicas y aplicarlas bien. He aquí algunos consejos para perfeccionar tu enfoque.

Analizar las respuestas del modelo

Es importante estudiar cómo reacciona el modelo a los distintos prompts. Este análisis te ayudará a mejorar tus prompts para lograr respuestas más precisas y completas, especialmente cuando trabajes con herramientas de IA generativa.

Aprovechar los comentarios del usuario

Una forma muy eficaz de mejorar el prompt engineering es dar activamente a las aplicaciones de IA información sobre lo bien que responden a tu prompt. 

La integración de la retroalimentación es una de las capacidades más importantes del LLM que ayuda a las herramientas de IA generativa a perfeccionar el modelo de lenguaje. Esencialmente, les hace estar mejor equipados para darte exactamente lo que quieres.

Adaptarse a las actualizaciones de los modelos

Es crucial estar al tanto de los cambios en la arquitectura del modelo, los datos añadidos y las nuevas capacidades del LLM. Esto te ayudará a ajustar tus prompts y a aprovechar mejor las nuevas funciones.

Colaboración y aportes de la comunidad

Trabajar con otros ofrece nuevas perspectivas sobre el prompt engineering. Puedes pedir la opinión de la comunidad en foros, redes sociales y redes profesionales para mejorar tus habilidades de elaboración de prompts.

Experimenta con diferentes estrategias

Probar distintas técnicas permite comprender mejor qué funciona más. De este modo, tendrás más flexibilidad a la hora de aplicar los prompts a distintos casos de uso y contextos.

Tendencias futuras en prompt engineering

Integración con la realidad aumentada (RA) y la realidad virtual (RV)

El prompt engineering puede mejorar las experiencias inmersivas de RA/VR optimizando las interacciones impulsadas por IA en entornos 3D. Los avances en prompt engineering pueden permitir a los usuarios conversar con personajes de IA, solicitar información y emitir órdenes utilizando lenguaje natural en entornos simulados en tiempo real.

Se puede dotar a la IA de contexto espacial, situacional y conversacional y fomentar intercambios notablemente similares a los humanos en juegos, formación, turismo y otras aplicaciones de RA/VR. 

Los prompts también pueden tener en cuenta la posición, las acciones y el entorno del usuario para dar respuestas pertinentes.

Creatividad interdisciplinar

Traspasar los límites del prompt engineering puede inspirar a la IA para generar arte, música, historias y otras obras creativas novedosas. Se puede guiar a la IA para mezclar conceptos en diferentes medios y géneros o combinar la creatividad humana y la de las máquinas.

El prompt engineering puede explorar continuamente nuevas aplicaciones de la creatividad de la IA al tiempo que aborda las preocupaciones éticas. Si se aplica bien, podría democratizar el acceso a las herramientas artísticas de IA.

Traducción y comunicación en tiempo real

El prompt engineering puede permitir la traducción instantánea de lenguas habladas y escritas. Los prompts podrían proporcionar contexto en varios idiomas para que la IA traduzca bidireccionalmente en tiempo real sin perder los matices.

Esto puede permitir una comunicación multilingüe fluida en contextos empresariales, diplomáticos y personales. Es necesaria un prompt engineering cuidadoso que tenga en cuenta los dialectos regionales, los matices culturales y los patrones del habla.

Conclusión

El prompt engineering es una disciplina emergente dentro de la informática que puede revolucionar nuestra forma de interactuar con la tecnología. Dominar esta habilidad es esencial para aprovechar todo el espectro de funcionalidades de los LLM, desde condensar datos intrincados hasta realizar traducciones lingüísticas con matices.

Aunque algunos modelos de lenguaje destacan en determinados tipos de preguntas, una consulta bien diseñada puede mejorar sustancialmente la calidad de la respuesta de cualquier herramienta de IA generativa.

Dominar el prompt engineering implica adoptar una mentalidad iterativa. Esto implica pruebas continuas, recopilación de opiniones de los usuarios, aprovechamiento de la sabiduría de la comunidad y adaptación a las nuevas capacidades del LLM.

El desarrollo eficaz de las prompts comienza con las técnicas básicas. Empieza a experimentar con la recuperación de información, la ampliación del contexto, el resumen, la reformulación y las indicaciones iterativas para familiarizarte con los modelos de lenguaje.

Si conoces alguna otra estrategia de prompting, compártela en los comentarios. Tus aportes enriquecerán el conocimiento colectivo de los ingenieros que lean este artículo.

Preguntas frecuentes sobre Prompt Engineering

Vamos a abordar algunas preguntas frecuentes sobre el prompt engineering.