0Pricing
AI Prompt Engineering · Lección

Anatomía de un prompt eficaz

Analice los componentes de un prompt bien estructurado, incluidas las instrucciones, el contexto, los datos de entrada y el formato de salida.

Anatomía de un prompt eficaz es una lección gratuita de AI Prompt Engineering en CoddyKit. Esta es la lección 2 de 3. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de AI Prompt Engineering, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de AI Prompt Engineering incluye 3 lecciones en total.

Desglose de la anatomía de un prompt

¡Le damos la bienvenida! En esta lección, aprenderá a crear prompts potentes comprendiendo sus partes esenciales. Un prompt bien estructurado guía a la IA para obtener resultados mucho mejores.

Piense en ello como dar indicaciones claras en lugar de pistas imprecisas.

Componentes principales de un prompt

Los prompts eficaces suelen tener cuatro elementos clave que ayudan a la IA a comprender exactamente qué necesita:

  • Instrucciones: Qué debe hacer.
  • Contexto: Información de contexto.
  • Datos de entrada: Los datos específicos con los que debe trabajar.
  • Formato de salida: Cómo debe ser la respuesta.

Dominar estos elementos mejora significativamente las respuestas de la IA.

Dar instrucciones claras

Las instrucciones indican al modelo de lenguaje de gran escala (LLM) exactamente qué tarea debe realizar. Son el comando principal.

Sea directo e inequívoco. ¿Qué quiere que consiga la IA? ¿Resumir? ¿Traducir? ¿Generar ideas?

Las instrucciones en acción

A continuación, se muestra una instrucción básica:

Summarize the following text.

Esto indica claramente a la IA cuál es su tarea principal. Sin esta instrucción, la IA podría no saber qué hacer con el texto que proporcione.

Proporcionar contexto

El contexto proporciona al LLM información de fondo y establece el marco de su tarea. Ayuda a la IA a comprender la situación, el propósito o el ámbito específico.

Un buen contexto reduce la ambigüedad y ayuda a la IA a adaptar adecuadamente su respuesta.

Ejemplo: añadir contexto

Añadamos contexto a nuestra instrucción para resumir:

You are a book reviewer. Summarize the following text for a young adult audience.

Ahora la IA sabe quién es (un crítico de libros) y quién es su audiencia, lo que influye en el estilo y el tono del resumen.

Proporcionar datos de entrada

Los datos de entrada son la información real con la que debe trabajar el LLM. Pueden ser textos, código, números o hechos.

Son el «qué» de su prompt: el contenido específico al que se aplican las instrucciones y el contexto.

Ejemplo: incluir datos de entrada

Combinemos las instrucciones, el contexto y los datos de entrada:

You are a book reviewer. Summarize the following text for a young adult audience:

The old wizard, Gandalf, arrived in the Shire, bringing news that would forever change the life of young Frodo Baggins. A great adventure awaited, involving a perilous journey to destroy a powerful ring.

El fragmento de la historia sobre Gandalf y Frodo son nuestros datos de entrada.

Especificar el formato de salida

El formato de salida indica al LLM cómo quiere que se estructure su respuesta. Puede ser una lista, JSON, una longitud específica o un estilo de escritura determinado.

Definir el formato facilita el uso de la respuesta de la IA y garantiza la coherencia.

Ejemplo: formato deseado

Perfeccionemos nuestro prompt con un formato de salida específico:

You are a book reviewer. Summarize the following text for a young adult audience in three bullet points:

The old wizard, Gandalf, arrived in the Shire, bringing news that would forever change the life of young Frodo Baggins. A great adventure awaited, involving a perilous journey to destroy a powerful ring.

Hemos añadido «in three bullet points» para controlar la estructura de la respuesta.

Comprobación de la estructura del prompt

Considere el siguiente prompt. ¿Qué componente aparece resaltado en negrita?

Explain quantum physics. Focus on analogies. Keep it under 100 words.

Recapitulación: crear prompts

Ha aprendido los cuatro componentes principales de un prompt eficaz:

  • Instrucciones: Lo que quiere que haga la IA.
  • Contexto: Información de fondo para la IA.
  • Datos de entrada: El contenido específico que procesa la IA.
  • Formato de salida: Cómo debe estructurarse la respuesta de la IA.

Al dominar estos elementos, podrá crear prompts más claros y obtener resultados mejores y más predecibles de los LLM. A continuación, exploraremos técnicas básicas para crear prompts.

Preguntas frecuentes

¿La lección «Anatomía de un prompt eficaz» es gratis?

Sí — el texto completo de «Anatomía de un prompt eficaz» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de AI Prompt Engineering, actualiza a CoddyKit PRO. El curso de AI Prompt Engineering incluye 3 lecciones en total.

¿Qué aprenderé en «Anatomía de un prompt eficaz»?

Analice los componentes de un prompt bien estructurado, incluidas las instrucciones, el contexto, los datos de entrada y el formato de salida. Practicas AI Prompt Engineering con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.

¿Necesito experiencia previa para empezar AI Prompt Engineering?

No se requiere experiencia previa. AI Prompt Engineering en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 2 de 3.

¿Cuánto tiempo toma la lección «Anatomía de un prompt eficaz»?

La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.

¿Puedo escribir y ejecutar código en esta lección de AI Prompt Engineering?

Sí. Cada lección de AI Prompt Engineering incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.

Todas las lecciones de este curso

  1. ¿Qué es la ingeniería de prompts?
  2. Anatomía de un prompt eficaz
  3. Técnicas básicas de prompting
← Volver a AI Prompt Engineering