Saltar a contenido

Capítulo 3

Anatomía de un Prompt Profesional

3.0 Objetivo del capítulo

Al finalizar este capítulo serás capaz de:

  • Comprender los elementos que componen un prompt profesional.
  • Diferenciar un prompt improvisado de un prompt diseñado metodológicamente. [web:31][web:33]
  • Construir prompts reutilizables y escalables.
  • Utilizar una estructura clara para cualquier tipo de tarea. [web:31][web:41]
  • Comprender por qué una buena arquitectura del prompt mejora la calidad de las respuestas. [web:102]
  • Incorporar una metodología propia dentro de tu PromptBook.

Este capítulo no aborda aún patrones avanzados específicos (Zero-shot, Few-shot, Chain-of-Thought, etc.); esos temas se desarrollarán en el siguiente capítulo. Aquí nos concentraremos en la anatomía básica de un prompt profesional y en un framework que puedas reutilizar en múltiples contextos. [web:31][web:33]

Nota
Piensa este capítulo como el equivalente a aprender la estructura de un buen documento técnico: antes de dominar estilos avanzados, necesitas saber qué secciones no pueden faltar.

3.1 ¿Por qué algunos prompts funcionan mejor que otros?

Si has utilizado modelos de IA durante algún tiempo, probablemente has experimentado algo como esto: escribes una instrucción rápida, obtienes una respuesta mediocre; luego dedicas unos minutos a aclarar lo que quieres, añadir contexto y especificar el formato, y la calidad mejora de forma notable sin cambiar de modelo. [web:31][web:33]

OpenAI, Anthropic y Microsoft coinciden en que la diferencia entre un prompt improvisado y uno profesional no suele estar en “la magia del modelo”, sino en cómo se diseñan las instrucciones. Un buen prompt describe claramente la tarea, el contexto, el formato y los criterios de éxito; un prompt improvisado suele ser vago, incompleto o contradictorio. [web:31][web:41][web:43]

Veamos un ejemplo simplificado inspirado en las guías oficiales de OpenAI. [web:31][web:102]

| Tipo de prompt        | Ejemplo                                               | Resultado típico                               |
|-----------------------|-------------------------------------------------------|------------------------------------------------|
| Prompt improvisado    | "Explícame este tema."                               | Respuesta genérica, poco adaptada              |
| Prompt profesional    | "Actúa como docente de secundaria. Explica este tema en 3 párrafos, usando ejemplos cotidianos y evitando jerga técnica." | Respuesta más clara, estructurada y relevante  |

En el segundo caso, el prompt define un rol (docente de secundaria), un formato (3 párrafos), un estilo (ejemplos cotidianos, sin jerga) y un objetivo (explicar el tema a cierto nivel). Esta estructura alineada con buenas prácticas hace que el modelo tenga más “pistas” para producir una respuesta útil. [web:31][web:102]

[Ilustración: Dos globos de texto. En el primero, un prompt corto e impreciso; en el segundo, el mismo objetivo expresado con claridad, contexto, rol y formato. La respuesta asociada al segundo globo se muestra más organizada y útil.]

Error común
Culpar al modelo por una respuesta pobre sin revisar primero la calidad del prompt. Las guías oficiales insisten en que muchas mejoras se obtienen refinando las instrucciones, no cambiando de modelo. [web:31][web:33]

Conclusión de la sección: algunos prompts funcionan mejor porque están diseñados; otros fallan porque se escriben “al vuelo”. La Ingeniería de Prompts profesional comienza cuando dejamos de improvisar y empezamos a pensar en el prompt como un artefacto que merece arquitectura y revisión. [web:31][web:41]

3.2 Anatomía de un Prompt Profesional: Framework OCRFE

Para hacer el diseño de prompts más sistemático, vamos a trabajar con un framework sencillo y potente que usaremos en todo el libro: OCRFE.

O – Objetivo
C – Contexto
R – Rol
F – Formato
E – Evaluación (criterios de éxito)

Este framework recoge recomendaciones presentes en las guías de OpenAI, Anthropic, Google y Microsoft: definir claramente la tarea, proporcionar contexto, usar roles cuando aportan valor, especificar el formato de salida y pensar en criterios de éxito que permitan evaluar la respuesta. [web:31][web:33][web:41][web:43][web:102]

Visión general del framework

graph TD
  O[Objetivo] --> P[Prompt Profesional]
  C[Contexto] --> P
  R[Rol] --> P
  F[Formato] --> P
  E[Evaluacion] --> P
  P --> Rsp[Respuesta de la IA]

En el diagrama, cada componente de OCRFE alimenta el diseño del prompt. El resultado es una respuesta de la IA que, en teoría, está mejor alineada con lo que necesitas porque el modelo ha recibido instrucciones completas y estructuradas. [web:31][web:41]

[Ilustración: Un bloque central etiquetado “Prompt Profesional” dividido en cinco secciones (O, C, R, F, E), con flechas que muestran cómo cada componente influye en la respuesta generada.]

Antes y después con OCRFE

Considera este caso de uso en educación: diseñar una actividad de clase sobre IA.

Prompt improvisado:

Diseña una actividad sobre Inteligencia Artificial para mis alumnos.

Prompt con OCRFE aplicado:

Objetivo: Diseñar una actividad de 45 minutos sobre Inteligencia Artificial para estudiantes de bachillerato, centrada en el uso responsable de modelos de lenguaje.

Contexto: El grupo ya ha recibido una introduccion general a la IA, pero es la primera vez que trabajaran especificamente con modelos de lenguaje. La clase se imparte en un laboratorio de computo con acceso a Internet.

Rol: Actua como diseñador instruccional especializado en educacion tecnologica.

Formato: Propone:
- un breve contexto inicial (5 minutos);
- una actividad principal en equipos (30 minutos);
- una puesta en comun final (10 minutos).
Presenta la propuesta en formato de lista con tiempos estimados y recursos necesarios.

Evaluacion: La actividad debe permitir que al menos el 80% de los estudiantes comprendan tres riesgos principales de usar IA sin criterios criticos (alucinaciones, sesgos y dependencia excesiva) y los discutan al final de la clase.

El segundo prompt integra los cinco componentes de OCRFE. La diferencia no es solo de longitud; es de calidad de instrucciones: el modelo sabe qué hacer, para quién, con qué enfoque, en qué formato y con qué criterios de éxito. [web:31][web:41][web:102]

Dato relevante
Anthropic recomienda, antes de hacer ingeniería de prompts, definir criterios claros de éxito para cada caso de uso y tener formas de evaluar los resultados empíricamente. El componente “E” de OCRFE está inspirado directamente en esa recomendación. [web:43]

Conclusión de la sección: el framework OCRFE convierte el diseño de prompts en un proceso estructurado. En lugar de “escribir algo y ver qué pasa”, te ofrece un mapa de elementos que debes considerar antes de enviar la instrucción al modelo. [web:31][web:41]

3.3 Objetivo

El Objetivo es la respuesta a la pregunta: “¿Qué quiero obtener exactamente de la IA?”. OpenAI insiste en que los prompts deben ser claros y específicos respecto al resultado deseado: tipo de tarea, alcance, profundidad y audiencia. [web:31][web:33][web:102]

Objetivos mal redactados

  • "Explícame este tema".
  • "Hazlo mejor".
  • "Dame algo interesante".

Este tipo de objetivos son vagos: no indican para quién es la explicación, qué nivel de detalle se espera, ni qué aspecto del tema interesa. [web:33]

Objetivos bien definidos

  • "Explica el concepto de ventana de contexto para estudiantes de licenciatura en ingeniería de software, en un texto de aproximadamente 500 palabras, usando ejemplos relacionados con proyectos de clase." [web:31][web:68]
  • "Genera una lista de 10 ideas de proyectos finales de curso relacionados con IA aplicada a educación, cada una descrita en 3–4 frases." [web:31]
| Tipo de objetivo    | Ejemplo                                       | Problema o ventaja                          |
|---------------------|-----------------------------------------------|---------------------------------------------|
| Vago                | "Explícame IA generativa."                   | Modelo no sabe nivel ni enfoque             |
| Específico          | "Explica IA generativa en 3 párrafos para docentes de secundaria, destacando 2 riesgos y 2 oportunidades." | Mayor alineación con necesidades reales     |

Definir bien el objetivo tiene dos efectos:

  1. Te obliga a pensar qué necesitas en términos concretos.
  2. Le permite al modelo orientar la respuesta hacia ese resultado, reduciendo ambigüedad. [web:31][web:33]

[Ilustración: Un panel donde se muestra un objetivo inicial vago y, junto a él, una versión revisada que incluye audiencia, longitud y enfoque. Una flecha indica el proceso de “refinamiento del objetivo”.]

Consejo
Escribe primero el objetivo como si se lo explicaras a una persona de tu equipo. Luego conviértelo en texto para el modelo. Si tu colega no lo entendería, la IA tampoco. [web:31][web:33]

Conclusión de la sección: un buen prompt comienza con un objetivo bien formulado. Sin esa base, el resto de componentes de OCRFE se apoyan en terreno ambiguo. [web:31][web:33]

3.4 Contexto

El Contexto es toda la información relevante que ayuda al modelo a entender mejor la tarea: quién eres, quién es la audiencia, qué has hecho antes, qué restricciones existen y qué datos debe considerar. [web:31][web:68]

OpenAI y Google subrayan que ser “específico, descriptivo y detallado” respecto al contexto mejora significativamente la utilidad de las respuestas. [web:102][web:68] Anthropic añade que el contexto debe ser claro y directo, evitando adornos innecesarios que dificulten la interpretación. [web:43]

Ejemplos de poco contexto vs mucho contexto

Poco contexto:

Redacta un correo para mis estudiantes.

Contexto adecuado:

Redacta un correo para mis estudiantes de 4° semestre de Ingenieria de Software, informando:
- que el proyecto final sera un PromptBook Profesional;
- que trabajaran en equipos de 3 personas;
- que deben tener el repositorio en GitHub listo en 4 semanas.
Utiliza un tono profesional pero cercano.

| Tipo de contexto    | Características                               | Resultado típico                             |
|---------------------|-----------------------------------------------|----------------------------------------------|
| Mínimo              | No describe audiencia ni detalles específicos | Correo genérico, poco alineado con la clase  |
| Adecuado            | Incluye curso, nivel, proyecto y fechas       | Correo útil, accionable y coherente          |

[Ilustración: Un esquema con dos bloques de texto etiquetados “Prompt sin contexto” y “Prompt con contexto”. El segundo bloque muestra detalles sobre audiencia, proyecto y plazos, reforzando visualmente la diferencia.]

Error común
Esperar que la IA “adivine” el contexto dando instrucciones mínimas. Los modelos no pueden leer tu mente; solo pueden leer el texto que les proporcionas. [web:31][web:68]

Conclusión de la sección: el contexto es la capa que conecta el objetivo con la realidad. Sin contexto, el modelo trabaja en abstracto; con contexto, puede adaptarse a tu entorno, tu audiencia y tus restricciones. [web:31][web:68]

3.5 Rol

El Rol indica desde qué perspectiva o función quieres que el modelo responda: docente, desarrollador senior, diseñador instruccional, analista de datos, etc. Microsoft y OpenAI muestran que definir un rol puede mejorar la relevancia y el tono de las respuestas, especialmente en tareas complejas o especializadas. [web:41][web:33]

Sin embargo, las guías también advierten que no basta con “asignar cualquier rol exagerado”; el rol debe tener sentido respecto a la tarea y al contexto. [web:31][web:41]

Cuándo aporta valor el rol

  • Cuando la tarea requiere un enfoque profesional específico (por ejemplo, revisión técnica, análisis pedagógico, auditoría de seguridad).
  • Cuando necesitas que la respuesta adopte un tono o estilo consistente con un perfil determinado (por ejemplo, manual de usuario, informe ejecutivo, diálogo educativo). [web:31][web:41]

Cuándo es menos útil

  • Cuando el rol no aporta información adicional (“actúa como un genio superinteligente”) y solo añade ruido.
  • Cuando el resto del prompt ya especifica claramente la tarea y el formato; en algunos casos el rol puede ser redundante. [web:31][web:43]
| Uso del rol           | Ejemplo                                      | Comentario                                    |
|-----------------------|----------------------------------------------|-----------------------------------------------|
| Rol útil              | "Actua como desarrollador senior de Node.js y revisa este codigo indicando riesgos de seguridad." | Aporta foco y expectativas claras             |
| Rol redundante        | "Actua como supergenio de programacion y hazlo perfecto."   | No añade información accionable               |

[Ilustración: Una figura que representa un “avatar profesional” (por ejemplo, un docente, un desarrollador) junto a un bloque de texto, indicando que el rol ayuda a contextualizar la respuesta. Al lado, una figura caricaturesca con un rótulo exagerado que se descarta.]

Consejo
Usa roles que puedas describir en términos de responsabilidades reales: “docente”, “editor técnico”, “arquitecto de software”, “investigador”. Evita títulos grandilocuentes que no cambian la naturaleza de la tarea. [web:31][web:41]

Conclusión de la sección: el rol es útil cuando clarifica el tipo de respuesta que esperas en términos de enfoque profesional y estilo, pero debe usarse con criterio. No es un sustituto de buenos objetivos y buen contexto. [web:31][web:41]

3.6 Formato de salida

El Formato define cómo quieres que se presente la respuesta: lista, tabla, secciones, JSON, Markdown, código, informe, etc. Las guías de OpenAI y Microsoft destacan que especificar el formato facilita tanto la lectura humana como la integración automática en sistemas. [web:31][web:41][web:102]

Formatos frecuentes

  • Listas (numeradas o con viñetas) para pasos, ideas, tareas.
  • Tablas Markdown para comparaciones y estructuras bidimensionales.
  • JSON para salidas que serán consumidas por otros programas o APIs.
  • Secciones con encabezados para informes y documentos largos.
  • Bloques de código para ejemplos técnicos.
| Formato solicitado  | Ejemplo de instrucción                                     |
|---------------------|------------------------------------------------------------|
| Lista               | "Presenta la respuesta como una lista numerada de 5 pasos." |
| Tabla Markdown      | "Resume las ventajas y desventajas en una tabla Markdown con dos columnas." |
| JSON                | "Devuelve la salida en JSON con las claves 'riesgos', 'oportunidades' y 'acciones'." |
| Código              | "Muestra la solución en un bloque de codigo JavaScript bien comentado." |

OpenAI muestra ejemplos donde especificar el formato mediante descripciones claras o ejemplos aumenta la fiabilidad de las respuestas, especialmente cuando se procesan automáticamente. [web:31][web:102] Microsoft recomienda ser explícito en el tipo de estructura esperada para evitar salidas mixtas difíciles de parsear. [web:41]

[Ilustración: Una respuesta de IA mostrada en formato desordenado, junto a la misma respuesta estructurada en lista o tabla, resaltando visualmente la diferencia de claridad.]

Buenas prácticas
Siempre que vayas a reutilizar la salida (por ejemplo, en código, dashboards o documentos), especifica el formato. Esto reduce trabajo manual posterior y mejora la consistencia entre ejecuciones. [web:31][web:41]

Conclusión de la sección: controlar el formato de salida es una parte esencial de la anatomía de un prompt profesional. No solo mejora la presentación, sino que habilita automatización y reutilización. [web:31][web:41]

3.7 Evaluación

La Evaluación es el componente que te obliga a definir cómo sabrás que la respuesta del modelo es “buena” para tu caso de uso. Anthropic enfatiza que, antes de hacer ingeniería de prompts, es necesario definir criterios de éxito y mecanismos de evaluación empírica. [web:43]

Tipos de criterios de éxito

  • Cobertura: la respuesta aborda todos los puntos solicitados (por ejemplo, “menciona al menos 3 riesgos y 3 mitigaciones”).
  • Exactitud: los datos son correctos y verificables cuando corresponde.
  • Claridad: el texto es comprensible para la audiencia prevista.
  • Formato: la estructura se ajusta a lo solicitado (lista, tabla, secciones, etc.).

Una forma práctica de incorporar evaluación es añadir una lista de comprobación (checklist) al prompt o utilizarla tras recibir la respuesta para decidir si necesitas iterar. [web:31][web:43]

| Checklist de evaluacion para un informe tecnico |
|-------------------------------------------------|
| [ ] Incluye resumen ejecutivo                   |
| [ ] Describe contexto y objetivos               |
| [ ] Presenta hallazgos principales              |
| [ ] Propone recomendaciones claras              |
| [ ] Utiliza lenguaje adecuado a la audiencia    |

Puedes usar esta checklist de dos maneras:

  1. Como parte del prompt, pidiendo al modelo que verifique su propia salida frente a la lista.
  2. Como herramienta externa, revisando tú mismo la respuesta antes de aceptarla. [web:31][web:41]

[Ilustración: Un documento de IA con anotaciones al margen que marcan elementos cumplidos y pendientes según una checklist. Esto refuerza la idea de evaluación explícita.]

Consejo
No confíes únicamente en tu impresión general (“suena bien”). Define criterios concretos de éxito y utilízalos de manera sistemática para decidir si necesitas refinar el prompt. [web:31][web:43]

Conclusión de la sección: sin evaluación, la mejora de prompts se vuelve intuitiva y difícil de sistematizar. Con criterios claros y checklists, puedes convertir la iteración en un proceso reproducible y compartible. [web:31][web:43]

3.8 Construyendo nuestra primera plantilla profesional

Ahora que conoces los componentes de OCRFE, vamos a integrarlos en una plantilla reutilizable que podrás guardar en tu PromptBook y adaptar a distintos casos. [web:40]

Plantilla base OCRFE

# Plantilla OCRFE para prompts profesionales

Objetivo:
Describe claramente que esperas obtener del modelo.

Contexto:
Proporciona informacion relevante sobre:
- audiencia;
- entorno de uso;
- restricciones;
- datos o documentos clave.

Rol:
Indica que rol debe asumir el modelo (docente, desarrollador, editor, etc.), solo si aporta valor.

Formato:
Especifica como quieres la salida:
- lista;
- tabla Markdown;
- secciones con encabezados;
- JSON;
- codigo;
- otro.

Evaluacion:
Define criterios de exito y, opcionalmente, una checklist para validar la respuesta.

Puedes convertir esta plantilla en un archivo PlantillaBase.md dentro de la carpeta Frameworks/ de tu PromptBook. [web:40]

Ejemplo aplicado: programación

Supongamos que quieres que la IA te ayude a refactorizar una función en JavaScript.

Objetivo:
Refactorizar una funcion JavaScript para mejorar legibilidad y detectar posibles errores.

Contexto:
La funcion se usa en un sistema de gestion escolar y procesa datos de evaluaciones. El codigo actual es dificil de mantener y carece de comentarios. Los estudiantes de programacion intermedia utilizaran esta version como ejemplo en clase.

Rol:
Actua como desarrollador senior de JavaScript especializado en aplicaciones educativas.

Formato:
Devuelve:
1. Una version refactorizada de la funcion en un bloque de codigo;
2. Una lista numerada explicando los cambios principales;
3. Cualquier recomendacion adicional de buenas practicas.

Evaluacion:
La nueva version debe:
- conservar la logica original;
- mejorar la legibilidad;
- incluir comentarios claros;
- evitar efectos secundarios innecesarios.

[Ilustración: Un esquema donde se muestra la plantilla OCRFE a la izquierda y, a la derecha, un ejemplo completado para programación, indicando cómo cada sección se adapta al caso de uso.]

Buenas prácticas
Guarda ejemplos exitosos junto con la plantilla. De este modo, otras personas que usen tu PromptBook podrán ver no solo la estructura, sino también casos reales de aplicación. [web:40]

Conclusión de la sección: al transformar OCRFE en una plantilla y llenarla con ejemplos, conviertes la teoría en herramienta concreta. Tu PromptBook empieza a incorporar metodología, no solo prompts aislados. [web:40]

Aplicación al PromptBook

En este capítulo vamos a crear una nueva sección Frameworks/ dentro de tu PromptBook Profesional, dedicada a documentar el framework OCRFE y las plantillas asociadas. [web:40]

Estructura recomendada

Dentro de PromptBook/, crea la carpeta Frameworks/:

PromptBook/
  Frameworks/
    OCRFE.md
    PlantillaBase.md
    Checklist.md
    Ejemplos.md
  • OCRFE.md: explicación detallada del framework, con la definición de cada componente y ejemplos generales. [web:31][web:41]
  • PlantillaBase.md: la plantilla para prompts profesionales basada en OCRFE, lista para copiar y adaptar. [web:40]
  • Checklist.md: listas de comprobación genéricas que puedas reutilizar para evaluar respuestas (por ejemplo, informes, código, actividades educativas). [web:43]
  • Ejemplos.md: colección de casos reales donde hayas usado OCRFE con buenos resultados, organizados por categoría (educación, programación, investigación, escritura, productividad). [web:40]
graph TD
  PB[PromptBook] --> FW[Frameworks]
  FW --> O[OCRFE.md]
  FW --> PL[PlantillaBase.md]
  FW --> CH[Checklist.md]
  FW --> EJ[Ejemplos.md]

Este diagrama muestra cómo la sección Frameworks/ actúa como núcleo metodológico del PromptBook: aquí resides la “forma de pensar” que aplicarás al crear nuevos prompts. [web:40]

[Ilustración: Una carpeta digital etiquetada “Frameworks” conectada a varias hojas: una con el acrónimo OCRFE, otra con una plantilla estructurada, otra con checklists y otra con ejemplos reales. La imagen refuerza la idea de que el PromptBook contiene tanto contenido como metodología.]

Nota
A medida que avances en el libro y descubras nuevos patrones, podrás ampliar esta carpeta con otras metodologías. OCRFE será tu punto de partida.

Práctica guiada

Para convertir este capítulo en experiencia práctica, te proponemos las siguientes actividades dentro de tu PromptBook.

1. Documentar el framework OCRFE

  1. En OCRFE.md, escribe una descripción en tus propias palabras de cada componente (Objetivo, Contexto, Rol, Formato, Evaluación), incluyendo al menos un ejemplo por componente. [web:31][web:41]

2. Crear la plantilla base

  1. Copia la plantilla OCRFE mostrada en la sección 3.8 en PlantillaBase.md y adapta el lenguaje a tu estilo personal.
  2. Añade notas sobre cómo piensas utilizarla en tus proyectos (por ejemplo, desarrollo de cursos, sistemas de IA internos, investigación). [web:40]

3. Diseñar varios prompts con OCRFE

  1. Elige al menos tres tareas reales de tu trabajo o estudio (una relacionada con educación, otra con programación y otra con productividad).
  2. Para cada tarea, completa la plantilla OCRFE y ejecuta el prompt en el modelo que utilices habitualmente.
  3. Guarda en Ejemplos.md el texto del prompt y una síntesis de los resultados obtenidos. [web:31][web:40]

4. Comparar resultados antes y después

  1. Para cada caso, ejecuta también una versión “improvisada” del prompt (sin OCRFE) y compara las respuestas.
  2. Documenta en Checklist.md qué mejoras observaste al usar la estructura (mayor claridad, mejor formato, menos alucinaciones, etc.). [web:31][web:43]

5. Refinar tu checklist

  1. A partir de tus observaciones, construye una checklist general para evaluar prompts diseñados con OCRFE. Por ejemplo:
# Checklist general para prompts OCRFE

- [ ] El objetivo esta claramente definido.
- [ ] El contexto incluye audiencia y restricciones.
- [ ] El rol es pertinente y aporta valor.
- [ ] El formato de salida esta especificado.
- [ ] La evaluacion incluye criterios concretos.

Buenas prácticas
Revisa y mejora tus checklists con el tiempo. A medida que descubras nuevos errores o necesidades, incorpóralos en estas listas; así tu PromptBook reflejará tu experiencia acumulada. [web:43][web:40]

3.9 Resumen

En este capítulo has descubierto que un prompt profesional no es simplemente “un texto más largo”, sino un diseño deliberado compuesto por elementos que trabajan juntos: objetivo, contexto, rol, formato y evaluación. [web:31][web:41][web:102]

Partimos de la observación de que algunos prompts funcionan mejor que otros porque están metodológicamente diseñados, y luego introdujimos el framework OCRFE como herramienta para sistematizar ese diseño. Cada componente tiene una función específica: el objetivo define el destino, el contexto describe el entorno, el rol aporta enfoque profesional, el formato facilita la utilización de la salida y la evaluación permite iterar de forma consistente. [web:31][web:41][web:43]

A través de ejemplos en educación, programación y comunicación, vimos cómo el mismo modelo puede responder de manera mucho más útil cuando recibe un prompt estructurado con OCRFE en lugar de una instrucción improvisada. [web:31][web:102] También construimos una primera plantilla profesional y la integramos en tu PromptBook mediante la carpeta Frameworks/, convirtiendo la metodología en un recurso tangible que podrás reutilizar y compartir. [web:40]

Nota
En el próximo capítulo veremos cómo combinar esta anatomía básica con patrones de uso (Zero-shot, Few-shot, Chain-of-Thought, etc.) para hacer que tus conversaciones con la IA sean todavía más potentes.

Conclusión general del capítulo: comprender la anatomía de un prompt profesional y adoptarla como framework de trabajo (OCRFE) es un paso clave para dejar atrás el uso casual de la IA y avanzar hacia una práctica de Ingeniería de Prompts sólida, escalable y documentada dentro de tu PromptBook. [web:31][web:41]

Bibliografía

  • OpenAI. “Prompt engineering – strategies and tactics for better results using large language models.” Documentación oficial sobre diseño de prompts. https://developers.openai.com/api/docs/guides/prompt-engineering [web:31]
  • OpenAI. “Best practices for prompt engineering with the OpenAI API.” Guía de buenas prácticas para instrucciones claras, contexto, formato y ejemplos. https://help.openai.com/en/articles/6654000-best-practices-for-prompt-engineering-with-the-openai-api [web:102]
  • OpenAI. “Prompt engineering best practices for ChatGPT.” Recomendaciones sobre claridad, especificidad e iteración. https://help.openai.com/en/articles/10032626-prompt-engineering-best-practices-for-chatgpt [web:33]
  • OpenAI Platform. “Prompt design best practices.” Recursos y ejemplos para diseñar prompts de alta calidad. https://platform.openai.com/docs/guides/completion/best-practices-prompt-design [web:108]
  • Microsoft. “Prompt engineering techniques – Azure OpenAI.” Guía sobre roles, formato y evaluación en prompts empresariales. https://learn.microsoft.com/en-us/azure/foundry/openai/concepts/prompt-engineering [web:41]
  • Anthropic. “Prompt Engineering Overview – Claude models.” Documento sobre claridad, éxito y ejemplos para prompts en Claude. https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview [web:43]
  • Anthropic. “Prompt engineering for Claude’s long context window.” Artículo sobre organización de instrucciones y contexto extendido. https://www.anthropic.com/news/prompting-long-context [web:76]
  • AI with Grant. “The Complete Prompt Engineering Guide — Anthropic.” Síntesis de técnicas oficiales, incluyendo definición de roles y estructura de prompts. https://www.aiwithgrant.com/guides/anthropic-prompt-engineering-overview [web:38]
  • ThamJiaHe. “Claude Prompt Engineering Guide.” Repositorio con mejores prácticas para prompts en Claude y ejemplos estructurados. https://github.com/ThamJiaHe/claude-prompt-engineering-guide [web:107]
  • Dair.ai. “Prompt Engineering Guide.” Repositorio educativo con frameworks, ejemplos y recursos sobre diseño de prompts. https://github.com/dair-ai/Prompt-Engineering-Guide [web:40]