Saltar a contenido

Capítulo 4

Los principios de la Ingeniería de Prompts

4.0 Objetivo del capítulo

Al finalizar este capítulo serás capaz de:

  • Comprender los principios fundamentales que hacen eficaz un prompt.
  • Aplicar estos principios a cualquier modelo de IA generativa, independientemente del proveedor. [web:31][web:68]
  • Diseñar prompts más claros, precisos y reproducibles. [web:33][web:102]
  • Identificar debilidades en un prompt antes de ejecutarlo.
  • Mejorar iterativamente tus instrucciones. [web:33][web:116]
  • Incorporar estos principios como metodología permanente de trabajo dentro de tu PromptBook.

Nos centraremos en principios, no en patrones concretos asociados a nombres específicos (Zero-shot, Few-shot, Chain-of-Thought, etc.). Esos patrones se estudiarán en el siguiente capítulo. Aquí queremos que construyas una base sólida que siga siendo útil aunque cambien los modelos y las herramientas. [web:31][web:68]

Nota
Los principios que aprendas en este capítulo son como las buenas prácticas de escritura técnica: funcionan con cualquier editor, cualquier lenguaje y cualquier público.

4.1 ¿Qué hace realmente bueno a un prompt?

No existe el “prompt perfecto” válido para todas las tareas, modelos y contextos. OpenAI y Google insisten en que la Ingeniería de Prompts es, esencialmente, un proceso de diseño iterativo donde mejoras tus instrucciones en función de los resultados que observas. [web:33][web:116] Lo que sí existe son principios que aumentan la probabilidad de obtener respuestas útiles: claridad, contexto relevante, precisión, iteración sistemática, validación y reutilización con organización. [web:31][web:41][web:113]

OpenAI resume varias de estas ideas en sus guías: ser claro y específico, proporcionar suficiente contexto, refinar de manera iterativa y definir el formato de salida. [web:33][web:102] Anthropic, por su parte, destaca la importancia de contar con criterios de éxito, evaluaciones empíricas y ejemplos representativos para orientar el comportamiento de Claude. [web:43] Google, en sus guías para Gemini, habla de un “workflow de prompting” que involucra diseño, prueba, análisis y refinamiento continuo. [web:113][web:116]

Veamos un ejemplo comparativo que ilustra estos principios, aplicado a un caso de educación.

| Versión        | Prompt                                                | Observaciones                                  |
|----------------|--------------------------------------------------------|-----------------------------------------------|
| V0 (improvisado)| "Explica IA para mis estudiantes."                  | Objetivo vago, sin audiencia ni formato        |
| V1 (mejorado)  | "Explica IA generativa para estudiantes de bachillerato en 3 parrafos, usando ejemplos cotidianos." | Añade claridad, contexto y formato            |
| V2 (profesional)| "Actua como docente de tecnologia. Explica IA generativa para estudiantes de bachillerato en 3 parrafos, destacando: 2 oportunidades y 2 riesgos en el aula, usando ejemplos cotidianos. Usa un tono claro y motivador." | Integra rol, objetivos específicos y criterios de contenido |

En V0, el modelo puede producir cualquier cosa: un ensayo académico, una definición técnica, un texto demasiado complejo. En V1 y V2, el prompt está cada vez más alineado con un propósito concreto; aumenta la probabilidad de obtener una respuesta útil, aunque siempre exista margen para seguir mejorando. [web:33][web:102]

[Ilustración: Tres versiones de un mismo prompt representadas como tres tarjetas; la primera es breve y vaga, la segunda añade algunos detalles y la tercera incluye objetivo, contexto, formato y criterios. Una flecha creciente indica “probabilidad de obtener una respuesta útil”.]

Curiosidad
Las guías de Vertex AI describen el prompting como “un ciclo de diseño y experimentación”, similar al proceso de diseño de producto: se parte de una idea, se prueba, se analiza y se itera. [web:113][web:116]

Conclusión de la sección: un prompt bueno no se define por su extensión, sino por su alineación con principios de claridad, contexto, precisión, iteración, validación y reutilización. No es estático; evoluciona mientras aprendes del modelo y de tus propias necesidades. [web:31][web:33]

4.2 Claridad

La claridad es, probablemente, el principio más mencionado en todas las guías de Ingeniería de Prompts. OpenAI abre su lista de buenas prácticas con “Sé claro y específico”, y Microsoft insiste en “formular instrucciones directas” para evitar malas interpretaciones. [web:33][web:41]

Elementos de la claridad

  • Lenguaje directo, sin ambigüedades innecesarias.
  • Frases que describan la tarea de manera explícita.
  • Evitar términos vagos como “algo interesante”, “hazlo mejor” o “impresionante”. [web:33][web:102]

Ejemplos de prompts poco claros y mejorados

Poco claro:

Haz un resumen.

Claro y específico:

Resume el siguiente texto en 4 parrafos, destacando:
- las ideas principales;
- las conclusiones;
- cualquier recomendacion practica.
Usa un lenguaje claro para estudiantes universitarios.

Texto:
[pegar aqui el texto]

| Prompt               | Problema o mejora                          |
|----------------------|--------------------------------------------|
| "Haz un resumen."   | Modelo no sabe longitud, enfoque ni audiencia |
| Prompt claro         | Especifica longitud, foco y publico objetivo|

[Ilustración: Un bloque de texto etiquetado “Instrucción ambigua” y otro etiquetado “Instrucción clara”, con subrayados en las partes que definen objetivo, longitud y audiencia.]

Error común
Suponer que el modelo “completa” lo que no escribimos. En realidad, completa basándose en probabilidades, no en tu intención no explícita. [web:33][web:102]

Conclusión de la sección: la claridad reduce el espacio para interpretaciones erróneas por parte del modelo. Si tú mismo no puedes explicar fácilmente qué estás pidiendo, el prompt necesita una revisión antes de ejecutarlo. [web:33][web:41]

4.3 Contexto

El contexto es el conjunto de información que proporcionas al modelo para que pueda interpretar correctamente la tarea. Todas las guías oficiales coinciden en que “dar suficiente contexto” es clave para obtener respuestas útiles. [web:31][web:33][web:68]

OpenAI recomienda incluir información sobre la audiencia, el objetivo, el entorno y cualquier dato relevante que el modelo deba considerar. [web:33][web:102] Google, en sus guías de Gemini, señala que el contexto puede incluir documentos, fragmentos de código, políticas internas o ejemplos previos que el modelo debe usar como referencia. [web:68][web:113]

Contexto suficiente vs insuficiente

Insuficiente:

Genera ideas de proyectos.

Suficiente:

Genera 5 ideas de proyectos finales de curso para estudiantes de Ingenieria de Software, centrados en el uso responsable de IA en educación. Cada idea debe describir:
- el objetivo principal;
- las tecnologias implicadas;
- el tipo de evidencia de aprendizaje que se generara.

| Tipo de contexto   | Caracteristicas                                 | Resultado probable                         |
|--------------------|-------------------------------------------------|--------------------------------------------|
| Insuficiente       | No especifica area, nivel ni enfoque            | Ideas genericas, poco aplicables           |
| Adecuado           | Define disciplina, objetivo y estructura         | Ideas relevantes y accionables             |

¿Cuánto contexto es suficiente?

Las guías señalan que:

  • Es mejor incluir el contexto mínimo necesario para que la tarea se entienda, que enviar información irrelevante. [web:31][web:68]
  • Demasiado contexto sin organización puede confundir al modelo o diluir la importancia de los datos clave. [web:68][web:113]

Un enfoque práctico es preguntarte: “¿Qué necesita realmente saber el modelo para hacer bien esta tarea?” y limitarte a esa información, organizada y, cuando sea posible, resumida. [web:31][web:68]

[Ilustración: Una balanza conceptual donde en un lado se muestra “poco contexto” y en el otro “contexto excesivo”; en el centro, un punto marcado como “contexto suficiente y relevante”.]

Consejo
No se trata de “enviar todo” al modelo, sino de seleccionar, resumir y estructurar el contexto que realmente aporta valor a la tarea. [web:68][web:113]

Conclusión de la sección: el contexto transforma una petición abstracta en una tarea concreta y alineada con tu realidad. La calidad del contexto es tan importante como la claridad de la instrucción. [web:31][web:33]

4.4 Precisión

La precisión consiste en definir con detalle aspectos como el objetivo, el alcance, las restricciones, la audiencia, el nivel de profundidad, el idioma y el formato. OpenAI aconseja “ser específico sobre los requisitos” y Microsoft habla de “especificar claramente el tipo de salida deseada”. [web:31][web:41][web:102]

Aspectos clave de la precisión

  • Objetivo: qué quieres obtener (resumen, plan, código, análisis, lista de ideas). [web:31]
  • Alcance: qué partes del problema se deben abordar y cuáles no.
  • Restricciones: límites de longitud, tono, estilo, uso de ejemplos, idiomas. [web:33]
  • Audiencia: quién leerá la salida (estudiantes, directivos, desarrolladores, público general).
  • Profundidad: nivel de detalle esperado (introducción, intermedio, avanzado). [web:68]
  • Formato: estructura de salida (lista, tabla, informe, JSON, código). [web:31][web:41]

Ejemplo de precisión aplicada

Actua como editor tecnico.

Objetivo:
Crear un resumen ejecutivo de 2 paginas sobre el estado actual de la IA generativa en educación superior.

Alcance:
Centra el analisis en:
- usos en evaluacion;
- generacion de materiales;
- tutoria automatizada.

Restricciones:
Evita hablar de IA en investigacion basica. Usa ejemplos de universidades reconocidas.

Audiencia:
Responsables academicos y directivos de universidades.

Profundidad:
Nivel intermedio, asumiendo conocimientos generales de tecnologia pero no de IA avanzada.

Formato:
Presenta el documento con secciones: introduccion, estado actual, riesgos, oportunidades y recomendaciones.

| Elemento      | Estado                                   |
|--------------|-------------------------------------------|
| Objetivo      | Claramente definido                      |
| Alcance       | Delimitado (solo ciertos usos)           |
| Restricciones | Explicitas (temas a evitar, ejemplos requeridos) |
| Audiencia     | Especifica (directivos universitarios)   |
| Profundidad   | Indicada (nivel intermedio)              |
| Formato       | Estructura de secciones definida         |

[Ilustración: Un diagrama tipo “tarjeta de especificación” donde cada campo (Objetivo, Alcance, Restricciones, Audiencia, Profundidad, Formato) está relleno, mostrando cómo la precisión estructura el pensamiento antes de interactuar con la IA.]

Dato relevante
Las guías de OpenAI y Microsoft muestran que cuanto más específicos son los requisitos, más fácil es para el modelo producir salidas que puedan usarse directamente, sin correcciones extensivas. [web:31][web:41]

Conclusión de la sección: la precisión convierte un deseo general (“quiero algo sobre IA”) en un encargo profesional bien definido. Cuanto más claros sean estos parámetros, más sencillo será evaluar y mejorar tus prompts. [web:31][web:102]

4.5 Iteración

La iteración es el reconocimiento explícito de que un prompt profesional rara vez nace perfecto. OpenAI habla de “refinamiento iterativo” como parte esencial de la Ingeniería de Prompts, y Google describe un “workflow iterativo de prompting” donde cada ciclo mejora la siguiente versión del prompt. [web:33][web:113][web:116]

Proceso iterativo de mejora

Un ciclo básico de iteración podría ser:

  1. Diseñar un primer prompt basado en los principios de claridad, contexto y precisión. [web:31]
  2. Ejecutarlo y observar la respuesta del modelo.
  3. Identificar qué funcionó bien y qué no (por ejemplo, falta de detalle, exceso de generalidad, formato incorrecto). [web:33]
  4. Modificar el prompt, añadiendo contexto, aclarando objetivos o ajustando formato.
  5. Repetir el proceso hasta que la respuesta se acerque a tus criterios de éxito. [web:43][web:116]
graph LR
  I1[Diseñar prompt inicial] --> E1[Ejecutar]
  E1 --> A1[Analizar respuesta]
  A1 --> M1[Mejorar prompt]
  M1 --> I1

Este diagrama representa el ciclo de mejora continua: cada iteración alimenta la siguiente versión del prompt. [web:33][web:113]

Ejemplo de evolución de un prompt

Versión 1:

Explica la ventana de contexto.

Versión 2:

Explica la ventana de contexto en modelos de lenguaje de manera general, sin entrar en detalles de un proveedor especifico. Usa un lenguaje claro para estudiantes de ingenieria de software.

Versión 3:

Explica la ventana de contexto en modelos de lenguaje (LLM) de manera general, sin entrar en detalles de un proveedor especifico.

Incluye:
- una definicion sencilla;
- un ejemplo intuitivo;
- una breve explicacion de por que es importante en el diseño de prompts.
Usa un lenguaje claro para estudiantes de ingenieria de software y estructura la respuesta en 3 secciones con encabezados.

En cada versión se incorporan mejoras basadas en la observación de lo que la respuesta anterior no cubría suficientemente. [web:33][web:68]

[Ilustración: Tres bloques de texto con flechas que muestran cómo se añaden elementos (audiencia, estructura, enfoque) a medida que el prompt evoluciona.]

Buenas prácticas
Documenta tus iteraciones más importantes. Guardar versiones antes y después en tu PromptBook te permitirá reutilizar aprendizaje y mostrar casos reales de mejora a otras personas. [web:40]

Conclusión de la sección: iterar no es “fallar”; es parte natural del diseño de prompts. Un enfoque profesional asume que el primer intento es un borrador y convierte el ajuste del prompt en un proceso sistemático. [web:33][web:113]

4.6 Validación

La validación responde a la pregunta: “¿Cómo sé que la respuesta de la IA es suficientemente buena para mi propósito?”. Anthropic subraya que es esencial definir criterios de éxito y tener formas empíricas de evaluar las respuestas. [web:43] OpenAI y Microsoft recomiendan revisar si la salida cumple el objetivo, si es correcta y si se ajusta al formato deseado. [web:31][web:41]

Preguntas clave de validación

  • ¿Respondió al objetivo principal del prompt?
  • ¿Faltó información importante o se centró en aspectos secundarios?
  • ¿Hay errores factuales o afirmaciones dudosas?
  • ¿La respuesta mantiene el tono y el formato solicitados?
  • ¿Necesita más contexto o precisión en el prompt?

Checklist de validación reutilizable

Puedes construir una lista de verificación como esta:

# Checklist de validacion de respuestas

- [ ] La respuesta aborda el objetivo principal del prompt.
- [ ] Cubre todos los puntos solicitados (listas, secciones, etc.).
- [ ] No contiene errores factuales evidentes (segun fuentes confiables).
- [ ] Usa el tono y el nivel de profundidad adecuados para la audiencia.
- [ ] Respeta el formato solicitado (lista, tabla, informe, etc.).
- [ ] Indica limites o incertidumbres cuando corresponde.

| Pregunta de validacion             | Proposito                                     |
|-----------------------------------|-----------------------------------------------|
| ¿Respondio al objetivo?           | Verificar alineacion con la tarea principal   |
| ¿Falto informacion?               | Detectar vacios o puntos no cubiertos         |
| ¿Hay errores?                     | Identificar datos incorrectos o alucinaciones |
| ¿Se respeto el formato?           | Asegurar compatibilidad con usos posteriores  |
| ¿Necesita mas contexto?           | Decidir si el prompt debe ampliarse           |

[Ilustración: Una respuesta de IA con marcas de revisión (ticks y cruces) junto a cada criterio de la checklist, mostrando cómo se valida sistemáticamente antes de aceptar el resultado.]

Error común
Aceptar la primera respuesta sin cuestionarla, especialmente en tareas técnicas o de investigación. La validación es un paso indispensable en la práctica profesional. [web:31][web:43]

Conclusión de la sección: la validación convierte la revisión de respuestas en un proceso consciente y estructurado. Sin ella, la mejora de prompts se basa en impresiones; con ella, se basa en criterios claros y repetibles. [web:43][web:113]

4.7 Reutilización

La reutilización consiste en convertir los prompts que han demostrado ser eficaces en activos que puedas volver a usar, adaptar y compartir. OpenAI y GitHub destacan la importancia de plantillas, modularidad y parametrización para escalar el uso de IA en proyectos reales. [web:31][web:116]

Elementos de la reutilización

  • Plantillas: estructuras de prompt que se pueden rellenar con distintos contenidos manteniendo la misma lógica. [web:31]
  • Modularidad: dividir el prompt en partes (objetivo, contexto, formato, evaluación) que puedas combinar según la tarea. [web:113]
  • Parametrización: usar variables (por ejemplo, <AUDIENCIA>, <LONGITUD>, <FORMATO>) que se sustituyen según el caso. [web:31]
  • Organización: guardar las plantillas y ejemplos en tu PromptBook, categorizados por tipo de tarea y uso. [web:40]
| Concepto        | Aplicacion en el PromptBook                     |
|-----------------|--------------------------------------------------|
| Plantilla       | Archivo con estructura OCRFE para escribir informes |
| Modularidad     | Secciones reutilizables para objetivos y formatos |
| Parametrizacion | Variables que adaptan prompts a distintas audiencias |
| Organizacion    | Carpetas por dominio (educacion, codigo, etc.)   |

Ejemplo de plantilla parametrizada:

Objetivo:
Generar un(a) <TIPO_DE_SALIDA> sobre <TEMA> para <AUDIENCIA>.

Contexto:
El contenido se utilizara en <ENTORNO> y debe considerar <RESTRICCIONES>.

Rol:
Actua como <ROL_PROFESIONAL>.

Formato:
Presenta la salida en formato <FORMATO>.

Evaluacion:
La salida debe cumplir con <CRITERIOS_DE_EXITO>.

[Ilustración: Una plantilla visual con campos en blanco etiquetados como “TEMA”, “AUDIENCIA”, “FORMATO”, que se rellenan para generar distintas versiones de prompts sin reescribir la estructura desde cero.]

Buenas prácticas
Cada vez que un prompt funcione especialmente bien, conviértelo en plantilla. No confíes en tu memoria; conviértelo en un activo explícito dentro de tu PromptBook. [web:31][web:40]

Conclusión de la sección: la reutilización permite que tu experiencia con la IA se acumule y se escale. En lugar de partir de cero cada vez, construyes una biblioteca de prompts y plantillas que reflejan tu forma de pensar y tu dominio profesional. [web:31][web:116]

4.8 Construyendo un estándar de calidad

El siguiente paso es consolidar estos principios en un estándar de calidad que puedas aplicar a cualquier prompt antes de enviarlo al modelo. Este estándar se materializará como una checklist profesional dentro de tu PromptBook. [web:40]

Checklist de calidad de prompts

Puedes crear un archivo Checklist-Calidad.md en la carpeta Principios/ con contenido similar a este:

# Checklist de calidad para prompts

## Claridad
- [ ] La instruccion principal esta formulada de manera directa.
- [ ] No hay terminos vagos ("algo interesante", "hazlo mejor").

## Contexto
- [ ] Se incluye la informacion relevante sobre audiencia y entorno.
- [ ] No se ha añadido contexto irrelevante que pueda distraer al modelo.

## Precision
- [ ] El objetivo esta claramente definido.
- [ ] El alcance y las restricciones estan especificados.
- [ ] El nivel de profundidad y el idioma estan indicados.
- [ ] El formato de salida esta descrito claramente.

## Iteracion
- [ ] Este prompt es al menos la segunda version (se ha aprendido de una ejecucion previa) o se ha reflexionado sobre posibles debilidades.

## Validacion
- [ ] Existen criterios de exito claros para evaluar la respuesta.

## Reutilizacion
- [ ] Si el prompt resulta eficaz, se guardara como plantilla en el PromptBook.

graph TD
  C1[Claridad] --> QC[Calidad del prompt]
  C2[Contexto] --> QC
  C3[Precision] --> QC
  C4[Iteracion] --> QC
  C5[Validacion] --> QC
  C6[Reutilizacion] --> QC

Este diagrama muestra cómo cada principio contribuye a la calidad global del prompt. La checklist te ayuda a verificar, de manera rápida, si has considerado todos los aspectos relevantes antes de interactuar con la IA. [web:31][web:41]

[Ilustración: Un cuadro con seis bloques etiquetados con los principios (Claridad, Contexto, Precisión, Iteración, Validación, Reutilización), conectados a un bloque central “Prompt de alta calidad”.]

Nota
Este estándar no es rígido; podrás ampliarlo con nuevos principios a medida que avances en el libro. Lo importante es que tengas un punto de partida explícito y verificable.

Conclusión de la sección: construir un estándar de calidad convierte la Ingeniería de Prompts en una disciplina con reglas claras. Dejas de depender únicamente de la intuición y pasas a trabajar con criterios que puedes revisar, enseñar y mejorar. [web:31][web:43]

Aplicación al PromptBook

En este capítulo, tu PromptBook Profesional incorporará una nueva sección dedicada a principios de calidad. [web:40]

Estructura de la carpeta Principios/

Dentro de PromptBook/, crea la carpeta Principios/ con la siguiente estructura:

PromptBook/
  Principios/
    Claridad.md
    Contexto.md
    Precision.md
    Iteracion.md
    Validacion.md
    Reutilizacion.md
    Checklist-Calidad.md

Cada archivo tendrá la función siguiente:

  • Claridad.md: definición del principio, ejemplos de prompts claros vs ambiguos y tus propias recomendaciones. [web:33]
  • Contexto.md: reflexión sobre cómo seleccionar y presentar contexto, con casos exitosos y errores comunes. [web:31][web:68]
  • Precision.md: síntesis de cómo definir objetivos, alcance, restricciones, audiencia, profundidad e idioma. [web:31][web:102]
  • Iteracion.md: descripción de tu proceso iterativo, con ejemplos de evolución de prompts. [web:33][web:113]
  • Validacion.md: criterios y checklists para evaluar respuestas. [web:43]
  • Reutilizacion.md: estrategias para convertir prompts en plantillas y organizarlos. [web:31][web:40]
  • Checklist-Calidad.md: la checklist de calidad descrita en la sección anterior, que usarás como referencia constante. [web:31][web:41]
graph TD
  PB[PromptBook] --> PR[Principios]
  PR --> CL[Claridad.md]
  PR --> CT[Contexto.md]
  PR --> PRC[Precision.md]
  PR --> IT[Iteracion.md]
  PR --> VA[Validacion.md]
  PR --> RE[Reutilizacion.md]
  PR --> CHK[Checklist-Calidad.md]

Este diagrama muestra cómo la carpeta Principios/ se convierte en el núcleo metodológico que guía el diseño de todos tus futuros prompts. [web:40]

[Ilustración: Un “manual interno” imaginario dentro del PromptBook, con secciones marcadas por pestañas (Claridad, Contexto, Precisión, etc.), indicando que los principios están documentados como parte de tu sistema profesional.]

Buenas prácticas
Revisa estos archivos periódicamente. A medida que acumules experiencia, añade ejemplos, matices y nuevas recomendaciones. Tu PromptBook debe evolucionar junto con tu práctica profesional.

Práctica guiada

Para convertir los principios en hábitos, te proponemos las siguientes actividades prácticas.

1. Analizar prompts deficientes

  1. Selecciona al menos 3 prompts que hayas utilizado en el pasado y cuya respuesta no fue satisfactoria.
  2. Copia cada uno en Claridad.md, Contexto.md o Precision.md, según la principal debilidad que identifiques.
  3. Añade comentarios sobre qué les faltaba (por ejemplo, objetivo poco claro, ausencia de contexto, formato indefinido). [web:33][web:68]

2. Mejorar los prompts con los principios

  1. Rediseña cada prompt aplicando claridad, contexto y precisión.
  2. Ejecuta las nuevas versiones y compara los resultados con los anteriores.
  3. Documenta los cambios y las mejoras observadas en Iteracion.md. [web:33][web:113]

3. Construir la checklist profesional

  1. Refina Checklist-Calidad.md con base en tus observaciones; añade ítems específicos que consideres importantes en tu dominio (por ejemplo, “usa ejemplos educativos”, “verifica referencias de papers”). [web:43]

4. Incorporar principios en casos reales

  1. Aplica la checklist a nuevos casos en educación, programación, investigación, escritura y productividad.
  2. Guarda en Reutilizacion.md aquellos prompts que cumplan bien la checklist y consideres candidatos a plantillas. [web:31][web:40]

Consejo
Convierte la checklist en parte de tu rutina: antes de lanzar un prompt importante (por ejemplo, para un curso, un informe o un sistema), pasa por los ítems clave y ajusta lo necesario.

4.9 Resumen

En este capítulo has construido el conjunto de principios que sostendrán tu práctica de Ingeniería de Prompts a largo plazo. Partimos de la idea de que no existe un prompt perfecto, pero sí principios que aumentan la probabilidad de obtener respuestas útiles: claridad, contexto, precisión, iteración, validación y reutilización. [web:31][web:33][web:113]

Exploramos la claridad como forma de eliminar ambigüedades; el contexto como puente entre tu realidad y la tarea del modelo; la precisión como especificación detallada de objetivos, alcance, restricciones y formato; la iteración como proceso natural de mejora; la validación como etapa crítica de evaluación de respuestas; y la reutilización como mecanismo para convertir buenos prompts en activos permanentes dentro de tu PromptBook. [web:31][web:33][web:41][web:43]

También diste forma tangible a estos principios creando la carpeta Principios/ en tu PromptBook y diseñando una checklist profesional de calidad de prompts. [web:40] Con ello, tu trabajo con IA deja de ser un conjunto de experimentos aislados y se convierte en una metodología documentada que puedes aplicar, enseñar y seguir perfeccionando.

Nota
En los siguientes capítulos, estos principios se combinarán con patrones de uso específicos, pero seguirán siendo el marco de referencia que te ayudará a evaluar y mejorar cualquier interacción con modelos de IA.

Conclusión general del capítulo: los principios de la Ingeniería de Prompts son independientes de los modelos concretos y de las herramientas, y justamente por eso son tan valiosos. Son la base sobre la que construirás técnicas y sistemas cada vez más sofisticados dentro de tu PromptBook Profesional. [web:31][web:68]

Bibliografía

  • OpenAI. “Prompt engineering – strategies and tactics for better results using large language models.” Documentación oficial sobre buenas prácticas y principios de diseño de prompts. https://developers.openai.com/api/docs/guides/prompt-engineering [web:31]
  • OpenAI. “Prompt engineering best practices for ChatGPT.” Guía sobre claridad, especificidad e iteración en prompts conversacionales. https://help.openai.com/en/articles/10032626-prompt-engineering-best-practices-for-chatgpt [web:33]
  • OpenAI. “Best practices for prompt engineering with the OpenAI API.” Recomendaciones sobre contexto, formato y ejemplos. https://help.openai.com/en/articles/6654000-best-practices-for-prompt-engineering-with-the-openai-api [web:102]
  • OpenAI. “Prompt guidance.” Recursos para guiar el diseño de prompts en distintos casos de uso. https://developers.openai.com/api/docs/guides/prompt-guidance [web:45]
  • Google Cloud. “Introduction to prompting – Generative AI on Vertex AI.” Introducción a principios de diseño de prompts. https://cloud.google.com/vertex-ai/generative-ai/docs/learn/prompts/introduction-prompt-design [web:68]
  • Google Cloud. “Overview of prompting strategies – Generative AI on Vertex AI.” Descripción del workflow iterativo de prompting y mejores prácticas. https://cloud.google.com/vertex-ai/generative-ai/docs/learn/prompts/prompt-design-strategies [web:113][web:114]
  • Google Cloud. “Vertex AI Prompt Booklet – Prompting Gemini on Vertex AI.” Folleto sobre workflow y mejores prácticas de prompting. https://cloud.google.com/resources/vertex-ai-prompt-booklet-campaign-page [web:116]
  • Microsoft. “Prompt engineering techniques – Azure OpenAI.” Guía sobre instrucciones claras, contexto y formato de salida en entornos empresariales. https://learn.microsoft.com/en-us/azure/foundry/openai/concepts/prompt-engineering [web:41]
  • Microsoft Learn. “Essential prompt engineering techniques.” Serie de video sobre técnicas fundamentales y consejos de calidad. https://learn.microsoft.com/en-us/shows/generative-ai-with-javascript/essential-prompt-engineering-techniques [web:115]
  • Anthropic. “Prompt Engineering Overview – Claude models.” Documento sobre criterios de éxito, evaluaciones y técnicas generales de prompting. https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview [web:43]
  • Google Cloud / Gemini. “Gemini 3 prompting guide – Vertex AI.” Guía técnica sobre principios y estrategias de prompting para Gemini. [web:111][web:112]
  • Dair.ai. “Prompt Engineering Guide.” Repositorio educativo con principios y frameworks de ingeniería de prompts. https://github.com/dair-ai/Prompt-Engineering-Guide [web:40]