Saltar a contenido

Capítulo 1

¿Qué es realmente un Prompt?

1.0 Objetivo del capítulo

Al finalizar este capítulo serás capaz de:

  • Comprender qué es realmente un prompt, más allá de la idea intuitiva de “hacer una pregunta”. [web:63]
  • Diferenciar un prompt simple de un prompt profesional.
  • Reconocer que un prompt es un diseño de comunicación y no solamente una frase aislada.
  • Identificar por qué la calidad de las respuestas depende directamente de la calidad de las instrucciones. [web:31][web:68]
  • Comprender, a nivel conceptual, cómo una IA interpreta un prompt.
  • Construir la primera versión de tu PromptBook Profesional, que iremos ampliando durante todo el libro.

Este capítulo se centra en construir una base conceptual sólida. No entraremos aún en técnicas avanzadas, patrones complejos ni detalles internos de los modelos. Más adelante profundizaremos en esos aspectos; por ahora, queremos entender qué significa realmente “prompt” en el contexto de la Inteligencia Artificial moderna. [web:31][web:68]

Nota
Si entiendes bien qué es un prompt y qué no es, te resultará mucho más sencillo aprender cualquier técnica avanzada en los capítulos siguientes. [web:31]

1.1 ¿Qué significa realmente la palabra Prompt?

La palabra “prompt” existía mucho antes de la Inteligencia Artificial generativa. En inglés, se utiliza como verbo (“to prompt”) y como sustantivo (“a prompt”), y ambos usos nos ayudan a entender su significado actual. Como verbo, “to prompt” significa “incitar”, “dar pie”, “estimular” a alguien para que haga o diga algo. Como sustantivo, “prompt” puede referirse a una señal, indicación o texto que guía una respuesta. [web:63]

Durante décadas, en informática tradicional, el término “prompt” se ha utilizado para describir el texto que aparece en una consola o terminal invitando al usuario a introducir un comando. El “command prompt”, por ejemplo, es la línea que indica que el sistema está listo para recibir instrucciones. [web:63] En entornos interactivos, el prompt es ese elemento que dice, en esencia: “Es tu turno de hablar con la máquina”.

Con la llegada de los modelos de lenguaje, el término se amplió. OpenAI define “prompting” como el proceso de proporcionar entradas (input) a un modelo de IA, y destaca explícitamente que la calidad de la salida depende en gran medida de la calidad del prompt. [web:63] Esto significa que un prompt ya no es solo una “señal” para que la máquina responda; se convierte en el diseño completo de la interacción: contexto, instrucciones, ejemplos y expectativas. [web:31][web:63]

Google Cloud, en su documentación sobre Vertex AI, habla de “prompt design” como el conjunto de decisiones que tomamos para estructurar las instrucciones que se dan a un modelo generativo, incluyendo la claridad del objetivo, el contexto proporcionado y el formato esperado de la respuesta. [web:68] Anthropic, en su guía de ingeniería de prompts para Claude, enfatiza que un prompt debe ser claro, directo y alineado con criterios de éxito previamente definidos. [web:62][web:66]

| Uso histórico del término      | Ejemplo                                | Relación con IA generativa                     |
|--------------------------------|-----------------------------------------|------------------------------------------------|
| Consola / terminal             | `C:\>` como command prompt             | Señal de que el sistema espera instrucciones   |
| Guion / teatro                 | Actor recibe un “prompt” para recordar | Señal que dispara una respuesta específica     |
| IA generativa (moderno)        | Texto que describe tarea y contexto    | Diseño completo de la interacción con el modelo|

Hoy, cuando hablamos de “un prompt” en Inteligencia Artificial, no nos referimos únicamente a una pregunta suelta, sino a todo el contenido que proporcionamos al modelo para que pueda producir una respuesta útil: instrucciones, contexto, ejemplos, restricciones y formato esperado. [web:31][web:63][web:68]

Curiosidad
Algunas guías de ingeniería de prompts comparan el prompt con un “contrato conversacional”: describe qué esperas del modelo, bajo qué condiciones y con qué criterios de calidad. [web:31][web:68]

Conclusión de la sección: entender el origen de la palabra “prompt” nos permite ver que, en el fondo, siempre ha estado relacionada con la idea de “dar pie” a una respuesta. La IA generativa amplifica este concepto y lo convierte en una herramienta de diseño de comunicación mucho más rica. [web:63]

1.2 Mucho más que hacer preguntas

En el lenguaje cotidiano, muchas personas piensan que “hacer un prompt” equivale a “hacer una pregunta”. Esta visión simplificada es comprensible, pero limitada. Un prompt puede contener preguntas, por supuesto, pero su esencia es la de una instrucción: le estás diciendo al modelo qué tarea debe realizar, bajo qué condiciones y con qué criterio de éxito. [web:31][web:63]

OpenAI insiste en que, para obtener buenos resultados, los prompts deben especificar claramente la tarea, el contexto y el formato de salida, no solo formular la pregunta. [web:31][web:63] Microsoft, en su documentación, recomienda tratar el prompt como una descripción detallada del trabajo que queremos que el modelo realice, incluyendo el rol que debe asumir (por ejemplo, “actúa como revisor técnico”) y las restricciones de la respuesta. [web:65]

Podemos verlo con ejemplos cotidianos:

| Situación cotidiana                     | “Pregunta” básica                           | Prompt como diseño de comunicación                              |
|----------------------------------------|---------------------------------------------|------------------------------------------------------------------|
| Pedir indicaciones en la calle         | "¿Dónde está el metro?"                    | "¿Cómo llego a la estación de metro más cercana caminando, evitando avenidas muy transitadas?" |
| Solicitar ayuda con un informe         | "¿Me ayudas con mi informe?"              | "Necesito ayuda para estructurar un informe técnico de 5 páginas sobre seguridad en redes, dirigido a estudiantes de ingeniería." |
| Pedir consejo profesional              | "¿Qué hago con mi carrera?"               | "Actúa como orientador profesional. Analiza mi situación laboral actual y sugiere tres posibles caminos en desarrollo de software, explicando ventajas y riesgos de cada uno." |

En los ejemplos, la “pregunta básica” es demasiado vaga: podría generar respuestas genéricas o poco útiles. El prompt diseñado como comunicación, en cambio, contextualiza la situación, define objetivos y acota el tipo de ayuda que se solicita. [web:31][web:68]

[Ilustración: Dos bocadillos de diálogo. En el primero, una persona dice: “¿Me ayudas con mi tesis?” y recibe una respuesta general y superficial. En el segundo, la persona añade contexto (tema, audiencia, objetivos) y recibe una respuesta estructurada y relevante. La imagen destaca cómo el nivel de detalle del mensaje inicial cambia la calidad de la ayuda.]

En el ámbito de IA generativa, pensar en prompts como “diseños de comunicación” implica que no solo te interesa lo que preguntas, sino cómo lo preguntas, en qué orden, con qué nivel de detalle y qué información adicional incluyes para guiar al modelo. [web:31][web:68]

Consejo
Antes de escribir un prompt, pregúntate: “¿Estoy describiendo realmente la tarea y el contexto, o solo estoy lanzando una pregunta vaga esperando que la IA adivine lo que necesito?”. [web:31][web:63]

Conclusión de la sección: un prompt profesional no se limita a hacer preguntas; diseña la conversación. Es la diferencia entre decir “haz algo” y explicar “qué, cómo, para quién y con qué criterios de calidad”. [web:31]

1.3 Cómo interpreta una IA un Prompt

Para trabajar de manera profesional con IA generativa, es fundamental entender, aunque sea de forma conceptual, qué ocurre cuando un modelo recibe un prompt. [web:31][web:68] En este capítulo evitaremos detalles de bajo nivel como tokens o arquitecturas específicas; nos centraremos en una explicación intuitiva que te permita razonar mejor tus decisiones de diseño.

Cuando envías un prompt a un modelo de lenguaje, estás proporcionando una secuencia de texto que el sistema analiza como entrada. Las guías de OpenAI y Google explican que el modelo “lee” ese texto completo, identifica patrones, contexto y objetivos implícitos, y genera una continuación que intenta alinearse con esa información. [web:31][web:63][web:68]

Podemos imaginar el proceso en cuatro pasos conceptuales:

  1. Recepción del mensaje: el modelo recibe todo el contenido del prompt (instrucciones, contexto, ejemplos) como un único mensaje de entrada. [web:31][web:68]
  2. Interpretación del objetivo: a partir del texto, el modelo infiere cuál es la tarea principal que debe realizar (explicar, analizar, resumir, generar código, etc.). [web:31][web:63]
  3. Activación de patrones internos: el modelo compara el prompt con los patrones que ha aprendido durante su entrenamiento, buscando ejemplos similares y formas típicas de responder a tareas de ese tipo. [web:31][web:68]
  4. Generación de la respuesta: finalmente, produce una salida que intenta honrar el objetivo, el contexto y el formato indicados en el prompt. [web:31][web:63]
graph LR
  H[Humano] --> P[Prompt]
  P --> M[Modelo de IA]
  M --> R[Respuesta]

En este diagrama, el prompt actúa como puente entre la intención humana y la capacidad del modelo. El modelo no “adivina” lo que quieres; interpreta lo que escribes. Si el prompt es ambiguo, contradictorio o incompleto, la interpretación será frágil y el resultado probablemente mediocre. [web:31][web:68]

Las guías oficiales insisten en que los modelos son muy sensibles a la manera en que formulamos las instrucciones. Pequeñas variaciones en la claridad del objetivo o en la cantidad de contexto pueden cambiar significativamente la calidad de la respuesta. [web:31][web:68] Por eso, la Ingeniería de Prompts se centra en diseñar cuidadosamente aquello que el modelo “lee” antes de generar cualquier salida.

[Ilustración: Un diagrama conceptual donde se ve a una persona escribiendo un texto etiquetado como “Prompt”. Ese texto entra en una caja etiquetada “Modelo de IA” y sale como “Respuesta”. Sobre la caja hay iconos que representan patrones, ejemplos y contexto, indicando que la respuesta depende de cómo el modelo interpreta el contenido de entrada.]

Dato relevante
OpenAI resume esta idea en una frase muy sencilla: “La calidad de tu salida depende de lo bien que seas capaz de promptar al modelo”. [web:63]

Conclusión de la sección: la IA no ve tu intención, ve tu texto. La manera en que diseñes ese texto —tu prompt— es la herramienta principal para influir en cómo el modelo interpreta la tarea y qué tipo de respuesta genera. [web:31][web:68]

1.4 Un mismo modelo, resultados completamente distintos

Una de las experiencias más reveladoras al trabajar con IA es comprobar cómo el mismo modelo puede producir resultados completamente distintos según el prompt que recibe. [web:31][web:63] Esto no es un detalle anecdótico; es el núcleo de por qué la Ingeniería de Prompts se ha convertido en una competencia profesional clave.

Veamos un caso real simplificado, inspirado en ejemplos de la documentación de OpenAI y Google Cloud. [web:31][web:68]

Ejemplo 1: Solicitar un resumen

Prompt básico:

Resume este texto.

Prompt profesional:

Actúa como editor técnico. Resume el siguiente texto en 3 párrafos, destacando:
- las ideas principales;
- las conclusiones más relevantes;
- cualquier recomendación práctica.
Utiliza un lenguaje claro y evita jerga innecesaria.
Texto a resumir:
[pegar aquí el texto]

En el primer caso, el modelo sabe que debe “resumir”, pero no tiene criterios de longitud, estilo ni foco. Puede producir un resumen demasiado breve, demasiado extenso o centrado en detalles secundarios. [web:31][web:63] En el segundo, el prompt le indica qué rol asumir, qué estructura seguir, qué estilo utilizar y qué aspectos priorizar. El resultado suele ser más útil y más consistente. [web:31][web:68]

Ejemplo 2: Pedir ayuda con código

Prompt básico:

Arregla este código.

function process(data) {
  // código incompleto
}

Prompt profesional:

Actúa como desarrollador senior de JavaScript.
Analiza la siguiente función `process(data)` y:
1. Identifica posibles errores o riesgos.
2. Propone una versión corregida y más legible.
3. Explica brevemente los cambios que realizaste.

Código:
function process(data) {
  // código incompleto
}

En el primer caso, el modelo puede intentar modificar el código sin entender el contexto ni explicar sus decisiones. [web:31] En el segundo, el prompt especifica rol, pasos y formato de salida, lo que orienta al modelo hacia un resultado más útil y más fácil de revisar por un humano. [web:31][web:65]

| Aspecto                  | Prompt básico                      | Prompt profesional                                   |
|--------------------------|-------------------------------------|------------------------------------------------------|
| Objetivo                 | Implícito                           | Explícito y detallado                                |
| Contexto                 | Mínimo o nulo                       | Claro (rol, tarea, contenido específico)             |
| Formato de salida        | No definido                         | Definido (pasos, estructura, estilo)                 |
| Utilidad práctica        | Variable                            | Alta, orientada a necesidades reales                 |
| Facilidad de revisión    | Baja                                | Alta (explica decisiones, muestra cambios)           |

Estos ejemplos ilustran una conclusión importante: la diferencia entre un resultado mediocre y uno profesional no está necesariamente en “usar un mejor modelo”, sino en “diseñar mejor el prompt”. [web:31][web:68]

Error común
Culpar siempre al modelo por una mala respuesta sin revisar primero la calidad del prompt. En muchos casos, mejorar las instrucciones es suficiente para transformar el resultado. [web:31]

Conclusión de la sección: el mismo modelo puede parecer “muy inteligente” o “muy limitado” según cómo le hables. Aprender a diseñar prompts profesionales es aprender a desbloquear el potencial de los modelos en contextos concretos. [web:31][web:68]

1.5 Características de un buen Prompt

Aunque más adelante profundizaremos en técnicas y patrones, podemos empezar identificando cuatro características básicas que suelen aparecer en los prompts bien diseñados: claridad, contexto, objetivo y formato. [web:31][web:68]

Claridad

La claridad implica que el modelo pueda entender qué se le está pidiendo sin ambigüedades. Los proveedores de IA recomiendan formular las instrucciones de manera directa, evitando frases vagas como “hazlo mejor” o “dame algo interesante”. [web:31][web:68]

Contexto

El contexto incluye toda la información relevante que ayuda al modelo a interpretar la tarea correctamente: quién es la audiencia, en qué entorno se utilizará la respuesta, qué restricciones existen y qué información previa debe tener en cuenta. [web:31][web:68]

Objetivo

El objetivo define qué resultado se espera: un resumen, una explicación, una lista de ideas, un fragmento de código, un plan de clase, etc. Expresar el objetivo explícitamente permite al modelo orientar su generación hacia un tipo de salida concreto. [web:31][web:65]

Formato

El formato indica cómo debe presentarse la respuesta: en forma de lista, tabla, secciones, pasos numerados, etc. Las guías oficiales muestran que especificar el formato mejora la utilidad práctica de las salidas y facilita su integración en otros sistemas. [web:31][web:68]

| Característica | Pregunta vaga                        | Prompt con diseño de comunicación                              |
|---------------|--------------------------------------|-----------------------------------------------------------------|
| Claridad      | "Explícame esto"                    | "Explica en 3 párrafos las ideas principales de este artículo" |
| Contexto      | Sin contexto                         | Describe audiencia, nivel de conocimiento, uso previsto        |
| Objetivo      | Implícito                            | Definido: resumir, comparar, proponer, evaluar, etc.           |
| Formato       | No especificado                      | Lista, tabla, secciones, pasos, etc.                           |

En capítulos posteriores, desarrollaremos cada una de estas características con más profundidad y veremos cómo se combinan en patrones de diseño reutilizables. Por ahora, es suficiente con reconocerlas y empezar a observarlas en los prompts que ya utilizas. [web:31][web:68]

[Ilustración: Un diagrama conceptual que muestra un rectángulo etiquetado “Prompt”, dividido en cuatro secciones: Claridad, Contexto, Objetivo, Formato. Cada sección contiene ejemplos breves (una frase clara, un dato contextual, un verbo de objetivo, una indicación de formato).]

Buenas prácticas
Siempre que puedas, repasa tu prompt preguntándote: “¿Es claro? ¿Incluye suficiente contexto? ¿Define un objetivo explícito? ¿Indica el formato de salida?”. Esta revisión sencilla suele mejorar notablemente los resultados. [web:31][web:68]

Conclusión de la sección: un buen prompt no es solo “un buen texto”; es una combinación equilibrada de claridad, contexto, objetivo y formato, pensada para guiar al modelo hacia respuestas útiles y consistentes. [web:31][web:68]

1.6 Nuestro primer PromptBook

A lo largo de todo este libro construiremos un único proyecto: tu PromptBook Profesional. Este PromptBook será una biblioteca organizada de prompts, plantillas y documentación que podrás utilizar como herramienta de trabajo y como parte de tu portafolio técnico. [web:40]

En este capítulo vamos a crear la estructura inicial. La idea es que desde ahora tengas un lugar concreto donde guardar, versionar y mejorar tus prompts, en lugar de dejarlos dispersos en chats, notas sueltas o documentos sin organización. [web:40]

Estructura de carpetas inicial

Te proponemos una estructura base similar a la siguiente:

Ingenieria-de-Prompts/
  PromptBook/
    README.md
    Escritura/
    Investigacion/
    Programacion/
    Imagenes/
    Productividad/
  • PromptBook/ será la carpeta raíz de tu biblioteca. [web:40]
  • README.md contendrá una descripción general del PromptBook: propósito, estructura y convenciones básicas. [web:40]
  • Las subcarpetas (Escritura/, Investigacion/, Programacion/, Imagenes/, Productividad/) funcionarán como categorías iniciales para organizar tus prompts según el tipo de tarea. [web:40]

Esta estructura no es rígida; podrás ampliarla y refinarla en capítulos posteriores. Sin embargo, empezar con un esquema claro te ayudará a pensar en tus prompts como recursos reutilizables, no como interacciones aisladas. [web:40]

Convenciones iniciales

Algunas convenciones útiles para mantener orden desde el principio:

  • Nombrar los archivos de forma descriptiva, por ejemplo: resumen-articulos-tecnicos.md, plan-leccion-ia-basica.md, refactorizacion-funciones-js.md.
  • Incluir, al inicio de cada archivo, una breve descripción del propósito del prompt y el contexto en el que se recomienda utilizarlo.
  • Mantener un tono consistente en la documentación, utilizando Markdown estándar para que sea fácilmente publicable en GitHub y GitHub Pages. [web:40]

[Ilustración: Una vista esquemática de un explorador de archivos mostrando la carpeta PromptBook/ con subcarpetas por categoría y algunos archivos .md dentro, cada uno con nombres descriptivos. Una nota visual indica que esta estructura será publicada posteriormente como documentación.]

README inicial

Tu README.md puede comenzar con algo como:

# PromptBook Profesional

Este repositorio contiene mi biblioteca de prompts para trabajar con modelos de Inteligencia Artificial.

## Estructura inicial

- Escritura/
- Investigacion/
- Programacion/
- Imagenes/
- Productividad/

Cada carpeta incluye prompts orientados a tareas específicas. A medida que avance en mi aprendizaje, iré refinando estos prompts y documentando buenas prácticas de uso.

No buscamos todavía definir prompts concretos; eso llegará más adelante. Por ahora, queremos que tu PromptBook exista como proyecto y que tenga una estructura clara donde irás incorporando lo que aprendas en los siguientes capítulos. [web:40]

graph TD
  R[Repositorio Ingenieria-de-Prompts] --> PB[Carpeta PromptBook]
  PB --> E[Escritura]
  PB --> I[Investigacion]
  PB --> P[Programacion]
  PB --> IM[Imagenes]
  PB --> PR[Productividad]

Este diagrama muestra cómo el PromptBook se integra dentro del repositorio general del libro y cómo las categorías iniciales se desprenden de él. Con el tiempo, podrás añadir nuevas carpetas, reorganizar contenido y documentar casos de uso más avanzados. [web:40]

Nota
Considera tu PromptBook como un “laboratorio permanente” donde experimentarás, documentarás y refinarás tus diseños de comunicación con IA. No es un producto terminado, sino un sistema en evolución. [web:40]

Conclusión de la sección: a partir de este capítulo, tu aprendizaje no será solo conceptual; estará encarnado en un proyecto concreto —tu PromptBook Profesional— que crecerá y se sofisticará junto con tu comprensión de la Ingeniería de Prompts. [web:40]

1.7 Buenas prácticas

Antes de cerrar el capítulo, es útil establecer algunas buenas prácticas generales que te acompañarán desde el inicio de tu trabajo con prompts y con tu PromptBook. [web:31][web:68]

1. Escribir con intención

No escribas prompts al azar. Antes de formularlos, pregúntate qué quieres lograr exactamente, para quién es la respuesta y cómo vas a evaluar si la salida es útil. [web:31][web:63]

2. Documentar tus hallazgos

Cada vez que descubras que una formulación específica mejora sustancialmente los resultados, documenta ese prompt en tu PromptBook, indicando en qué contexto funciona bien y qué variantes has probado. [web:40]

3. Reutilizar y adaptar

En lugar de empezar desde cero en cada interacción, reutiliza plantillas de tu PromptBook y adáptalas al nuevo contexto. Esto te permitirá mantener consistencia y ahorrar tiempo. [web:31][web:40]

4. Separar experimentos de producción

Usa tu PromptBook para distinguir entre prompts experimentales (aquellos que estás probando) y prompts “de producción” (los que ya has validado en contextos reales). Esta separación es común en prácticas profesionales de ingeniería y ayuda a mantener calidad. [web:31][web:40]

5. Pensar en audiencia

Cuando diseñes prompts para otros (docentes, estudiantes, equipos de trabajo), ten en cuenta su nivel de conocimiento, su rol y sus necesidades específicas. La misma IA puede requerir prompts muy distintos según quién la utilice. [web:42][web:60]

| Buena práctica         | Beneficio principal                                |
|------------------------|-----------------------------------------------------|
| Escribir con intención | Respuestas alineadas con objetivos claros           |
| Documentar hallazgos   | Aprendizaje acumulativo y reutilizable              |
| Reutilizar y adaptar   | Consistencia y ahorro de tiempo                     |
| Separar experimentos   | Mejora en calidad y confiabilidad                   |
| Pensar en audiencia    | Prompts más útiles y relevantes para quienes los usan|

[Ilustración: Un cuaderno de laboratorio imaginario etiquetado como “PromptBook”, con notas ordenadas, ejemplos de prompts y comentarios al margen. La imagen refuerza la idea de que el PromptBook es un espacio de trabajo sistemático, no una colección caótica de texto.]

Buenas prácticas
Trata tus prompts como activos de conocimiento: lo que documentes hoy podrá ayudarte a ti y a otras personas mañana, en proyectos que aún no existen. [web:31][web:40]

Conclusión de la sección: adoptar buenas prácticas desde el principio te permitirá convertir tu PromptBook en un recurso vivo, confiable y útil, en lugar de una acumulación desordenada de textos difícil de mantener. [web:40]

1.8 Resumen

En este capítulo hemos dado el primer paso hacia una comprensión profesional de la Ingeniería de Prompts. Empezamos revisando el significado histórico de la palabra “prompt” y vimos cómo ha evolucionado desde una simple señal en un terminal o en un guion hasta convertirse en el diseño completo de una interacción con modelos de IA generativa. [web:63][web:68]

Después, exploramos la diferencia entre ver los prompts como “preguntas” y verlos como “diseños de comunicación”. A través de ejemplos, vimos que la manera en que describimos tareas, contexto y objetivos cambia radicalmente la utilidad de las respuestas. [web:31][web:68]

Analizamos, a nivel conceptual, cómo interpreta una IA un prompt: recibe el texto, infiere la tarea, activa patrones internos y genera una respuesta alineada con lo que entiende de nuestras instrucciones. [web:31][web:63] Comprender este flujo nos prepara para profundizar, en capítulos posteriores, en cómo los modelos representan y procesan información.

También vimos casos reales donde el mismo modelo produce resultados muy diferentes ante prompts básicos versus prompts profesionales, y extraímos la conclusión clave: mejorar el prompt puede ser tan o más importante que cambiar de modelo. [web:31][web:68]

Identificamos cuatro características esenciales de un buen prompt —claridad, contexto, objetivo y formato—, que servirán como base para patrones más avanzados que estudiaremos más adelante. [web:31][web:68] Finalmente, construimos la estructura inicial de tu PromptBook Profesional y definimos buenas prácticas para convertirlo en un laboratorio organizado de diseño de comunicación con IA. [web:40]

Nota
En el siguiente capítulo profundizaremos en cómo “piensa” una IA desde la perspectiva de los modelos de lenguaje, lo que te permitirá afinar todavía más tu capacidad para diseñar prompts efectivos.

Conclusión general del capítulo: comprender qué es realmente un prompt y comenzar a tratarlo como diseño de comunicación —respaldado por documentación y buenas prácticas— es el primer paso imprescindible para avanzar de principiante a profesional en Ingeniería de Prompts. [web:31][web:68]

Práctica guiada

En esta sección te proponemos acciones concretas para materializar lo aprendido en este capítulo dentro de tu PromptBook Profesional. No se trata aún de diseñar prompts complejos, sino de crear la infraestructura básica.

1. Crear el PromptBook

  1. Crea el repositorio Ingenieria-de-Prompts/ en tu entorno de trabajo (local o en GitHub).
  2. Dentro de él, crea la carpeta PromptBook/.
Ingenieria-de-Prompts/
  PromptBook/

2. Definir la estructura inicial

  1. Dentro de PromptBook/, crea las siguientes carpetas:
PromptBook/
  Escritura/
  Investigacion/
  Programacion/
  Imagenes/
  Productividad/

Estas categorías iniciales te ayudarán a organizar tus futuros prompts según el tipo de tarea. Podrás añadir, fusionar o renombrar carpetas conforme el proyecto crezca, pero conviene empezar con un esquema claro. [web:40]

3. Escribir tu primer README

  1. Crea un archivo README.md dentro de PromptBook/ con un contenido inicial similar a este:
# PromptBook Profesional

Este PromptBook reúne mis prompts y plantillas para trabajar con modelos de Inteligencia Artificial.

## Objetivo

Construir una biblioteca organizada, documentada y reutilizable de prompts para tareas de:

- Escritura
- Investigacion
- Programacion
- Imagenes
- Productividad

A medida que avance en mi aprendizaje de Ingeniería de Prompts, iré refinando estos recursos y añadiendo nuevas categorías.
  1. Añade una breve sección donde describas tu contexto (por ejemplo, docente, desarrollador, estudiante, emprendedor) y cómo esperas que la IA te ayude en tu trabajo o proyectos.

4. Crear tus primeras categorías “vacías” documentadas

  1. Dentro de cada carpeta (Escritura/, Investigacion/, etc.), crea un archivo inicial, por ejemplo README.md, donde indiques qué tipo de prompts planeas guardar en esa categoría:
# Categoria: Escritura

En esta carpeta iré guardando prompts relacionados con:

- redaccion de articulos;
- elaboracion de informes tecnicos;
- escritura academica;
- generacion de borradores.

Repite una estructura similar para Investigacion/, Programacion/, Imagenes/ y Productividad/, adaptando la descripción a tus necesidades.

graph TD
  PB[PromptBook] --> CatE[Escritura]
  PB --> CatI[Investigacion]
  PB --> CatP[Programacion]
  PB --> CatIM[Imagenes]
  PB --> CatPR[Productividad]
  CatE --> RE[README Escritura]
  CatI --> RI[README Investigacion]
  CatP --> RP[README Programacion]
  CatIM --> RIM[README Imagenes]
  CatPR --> RPR[README Productividad]

Este diagrama muestra cómo cada categoría incluye su propio README, que sirve como guía interna para el tipo de prompts que contendrá. [web:40]

Buenas prácticas
Documentar tus categorías desde el principio te ayuda a pensar en términos de sistemas, no de interacciones aisladas. Esto es clave para construir un PromptBook que otras personas puedan entender y utilizar. [web:40]

Con estas acciones, habrás creado la base de tu PromptBook Profesional y habrás comenzado a tratar tus prompts como elementos de un sistema organizado. En los siguientes capítulos, iremos poblando esta estructura con prompts cada vez más sofisticados y bien documentados.

Bibliografía

  • OpenAI. “Prompting – Learn how to create, optimize, and maintain prompts with OpenAI models.” Documentación oficial del OpenAI API. https://developers.openai.com/api/docs/guides/prompting [web:63]
  • OpenAI. “Prompt engineering – strategies and tactics for better results using large language models.” Documentación oficial del OpenAI API. https://developers.openai.com/api/docs/guides/prompt-engineering [web:31]
  • OpenAI Academy. “Prompting – Resource.” Recurso educativo sobre fundamentos de prompting. https://academy.openai.com/public/clubs/work-users-ynjqu/resources/prompting [web:61]
  • Anthropic. “Prompt engineering overview – Claude models.” Guía de prácticas recomendadas para prompts en Claude. https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview [web:66]
  • AWS Documentation. “Anthropic Claude models – Prompt field and XML tags.” Guía sobre el uso del campo prompt en Amazon Bedrock. https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-claude.html [web:69]
  • Google Cloud. “Introduction to prompting – Generative AI on Vertex AI.” Documentación sobre diseño de prompts en Vertex AI. https://cloud.google.com/vertex-ai/generative-ai/docs/learn/prompts/introduction-prompt-design [web:68]
  • Microsoft Azure. “Prompt engineering concepts – Azure OpenAI Service.” Guía sobre ingeniería de prompts y mejores prácticas. https://learn.microsoft.com/azure/ai-services/openai/concepts/prompt-engineering [web:65]
  • Dair.ai. “Prompt Engineering Guide.” Repositorio educativo con recursos sobre prompts y sistemas de IA generativa. https://github.com/dair-ai/Prompt-Engineering-Guide [web:40]