Un prompt es la instrucción que le das a una IA. La diferencia entre una respuesta mediocre y una brillante casi siempre está en cómo formulas tu pregunta — no en el modelo que usas.
Esta guía te enseña a construir prompts efectivos, desde lo más simple hasta técnicas avanzadas que usan los ingenieros de IA. Cada ejemplo muestra las partes del prompt con colores para que entiendas la estructura.
Funciona con cualquier modelo: ChatGPT, Claude, Gemini, Llama, Mistral y más.
// Los 4 componentes de un buen prompt
🟣Persona
Define quién es la IA. Le da un rol, experiencia o perspectiva específica.
🔵Tarea
Qué quieres que haga. La instrucción principal — el verbo del prompt.
🟡Contexto
Información de fondo, restricciones, datos relevantes que la IA necesita.
🟢Formato
Cómo quieres la respuesta: tabla, lista, longitud, estructura, tono.
Nivel 1
Básico — Zero-shot
Prompt de 1 parte: solo la tarea. Sin estructura ni contexto adicional. Funciona para preguntas simples y directas.
Ejemplos generales
Resumen
Resume este texto: [texto]
Tarea
Traducción
Traduce al inglés: [texto]
Tarea
Explicación
Explica qué es el machine learning
Tarea
Ingeniería / Técnico
Debug rápido
¿Por qué este código da error? [código]
Tarea
Concepto
Explica qué es una API REST
Tarea
Nivel 2
Intermedio — Tarea + Contexto
2-3 partes. Agregar contexto o formato mejora dramáticamente los resultados. La IA entiende mejor qué necesitas.
Ejemplos generales
Tarea + Contexto
Escribe un email de seguimientopara un cliente que pidió una demo hace 3 días y no respondió
TareaContexto
Tarea + Formato
Lista los 5 principales beneficios de la meditaciónen formato de bullets con máximo 10 palabras cada uno
TareaFormato
Ingeniería / Técnico
Code review
Revisa este código Pythony explica qué hace cada función: [código]
TareaFormato
Regex
Genera un regexque valide emails con dominios .com y .co
TareaContexto
Nivel 3
Avanzado — Los 4 componentes
Persona + Tarea + Contexto + Formato. El prompt completo. Maximiza la calidad de la respuesta dándole a la IA toda la información necesaria.
Ejemplos generales
Marketing digital
Eres un experto en marketing digital.Crea una estrategia de contenido para redes socialespara una startup de fintech en Colombia con presupuesto limitado.Presenta el plan en una tabla con columnas: Canal, Frecuencia, Tipo de contenido, KPI.
PersonaTareaContextoFormato
Análisis FODA
Actúa como un consultor de negocios senior.Analiza las fortalezas y debilidadesde este modelo de negocio: marketplace de servicios B2B.Usa el framework FODA y limita a 3 puntos por cuadrante.
PersonaTareaContextoFormato
Ingeniería / Técnico
Arquitectura de sistema
Eres un senior engineer con experiencia en sistemas distribuidos.Diseña la arquitecturapara un sistema de notificaciones en tiempo real que soporte 100k usuarios concurrentes.Presenta las opciones con pros/contras en una tabla, incluye diagrama ASCII.
PersonaTareaContextoFormato
Auditoría de seguridad
Actúa como un revisor de código experto en seguridad.Audita el siguiente endpoint RESTbuscando vulnerabilidades OWASP top 10.Lista cada hallazgo con severidad (Alta/Media/Baja) y el fix recomendado.
PersonaTareaContextoFormato
Nivel 4
Expert — Técnicas avanzadas
Chain of Thought, Few-shot, Self-consistency y Prompt chaining. Técnicas que desbloquean el máximo potencial de la IA para tareas complejas.
Ejemplos generales
Chain of Thought
Piensa paso a paso:Si una tienda vende 150 productos al día con un margen promedio de $8, pero los costos fijos son $25,000/mes, ¿cuántos días necesita operar para cubrir costos?
TareaContexto
Few-shot
Clasifica el sentimiento de estos textos.
"El servicio fue excelente" → Positivo
"Tardaron 2 horas" → Negativo
"El producto es normal" → NeutroAhora clasifica: "Me encantó el empaque pero la calidad es regular"
ContextoTarea
Ingeniería / Técnico
Chain of Thought técnico
Piensa paso a paso:¿Cuántos servidores necesito para soportar 1M de requests por hora si cada request toma 50ms y cada servidor tiene 8 cores?Muestra cada cálculo intermedio.
TareaContextoFormato
Prompt chaining
Eres un tech lead.Vamos a diseñar un sistema paso a paso.Paso 1: Define los requisitos funcionales para un sistema de pagos. Cuando termines, te daré el paso 2.Responde solo el paso actual en bullets concisos.
PersonaTareaContextoFormato
// Técnicas avanzadas en detalle
Chain of Thought (CoT)
Pide a la IA que "piense paso a paso". Mejora drásticamente el razonamiento en matemáticas, lógica y problemas complejos.
Cuándo usarlo: Problemas matemáticos, lógica, decisiones con múltiples variables.
Few-shot prompting
Proporciona 2-3 ejemplos del input y output esperado antes de tu pregunta real. La IA aprende el patrón.
Cuándo usarlo: Clasificación, formateo consistente, tareas repetitivas con formato específico.
Self-consistency
Pide múltiples razonamientos para el mismo problema y compara resultados. Ideal para preguntas donde la IA puede ser inconsistente.
Cuándo usarlo: Cálculos importantes, decisiones críticas, validación de análisis.
Prompt chaining
Divide una tarea compleja en una secuencia de prompts conectados. La salida de uno alimenta al siguiente.
Cuándo usarlo: Proyectos grandes, documentos largos, flujos de trabajo multi-etapa.
Nueva era
Prompting para Agentes de IA
El prompting clásico asume que hablas con un modelo. En la era de los agentes, coordinas sistemas de múltiples modelos que se delegan tareas entre sí. Las reglas cambian: ahora diseñas comportamientos, no solo instrucciones.
🎯Orquestación de Agentes
En la era de los agentes, ya no solo le das instrucciones a un modelo — coordinas múltiples agentes especializados. Un agente orquestador recibe la tarea, la divide y delega a sub-agentes.
🤖Sub-agentes Especializados
Cada agente tiene un rol específico: uno busca información, otro escribe código, otro revisa, otro ejecuta. El prompting cambia porque debes diseñar el sistema completo, no solo una instrucción.
🪆Prompts Anidados
Un agente puede generar prompts para otros agentes. El prompt de nivel superior define el objetivo global; los prompts anidados definen las subtareas con su propio Persona/Tarea/Contexto/Formato.
⚙️System Prompts vs User Prompts
Los agentes tienen dos capas: el system prompt (instrucciones permanentes del desarrollador) y el user prompt (input del usuario). Saber cuándo poner algo en cada capa es crítico para el comportamiento del agente.
🔗Pasaje de Contexto entre Agentes
Cuando un agente pasa el resultado a otro, el prompt de transición es crítico. Debes definir exactamente qué información se transfiere, en qué formato, y qué contexto mantiene el agente receptor.
🔧Prompts para Uso de Herramientas
Los agentes modernos pueden ejecutar código, buscar en la web, llamar APIs. El prompting debe especificar cuándo usar cada herramienta, cómo interpretar el resultado y cómo incorporarlo a la respuesta.
// Ejemplos de prompts para agentes
Agente de investigación con sub-agentes
Prompt para un agente orquestador que coordina búsqueda + síntesis
Orquestación
Eres un agente orquestador de investigación. Tu tarea es investigar a fondo el tema: [TEMA]. Tienes acceso a dos sub-agentes: (1) SearchAgent — busca fuentes recientes, (2) SynthesisAgent — sintetiza y redacta. Primero lanza SearchAgent con la query relevante, luego pasa sus resultados a SynthesisAgent. El output final debe ser un informe estructurado con: Resumen ejecutivo (3 bullets), Hallazgos principales (max 5), Fuentes citadas, Gaps de información identificados.
PersonaTareaContextoFormato
Pipeline de revisión de código
Prompt anidado: agente principal delega a agente de seguridad y agente de calidad
Prompts Anidados
Eres el CodeReviewOrchestrator. Revisa el siguiente PR: [DIFF]. Debes lanzar dos sub-agentes en paralelo: SecurityAgent (busca vulnerabilidades OWASP) y QualityAgent (verifica clean code, complejidad, tests). Espera ambos resultados antes de generar el reporte final. Reporte final: sección de Seguridad + sección de Calidad + Veredicto (APPROVE / REQUEST_CHANGES) + lista priorizada de cambios requeridos.
PersonaTareaContextoFormato
System prompt de un agente de soporte
Diferencia entre instrucciones del sistema (permanentes) vs input del usuario
System vs User Prompt
SYSTEM: Eres un agente de soporte para [Empresa]. Tienes acceso a la base de conocimiento interna (tool: search_kb) y al historial del cliente (tool: get_customer_history). Nunca reveles información de otros clientes. Responde siempre en el idioma del usuario. Si no sabes la respuesta, escala al humano con: ESCALATE:[motivo].
USER: Mi factura del mes pasado tiene un cobro que no reconozco de $45.000.
PersonaContextoFormatoTarea
Pasaje de contexto entre agentes
Cómo estructurar el handoff de un agente a otro
Pasaje de Contexto
Eres el WriterAgent. Recibe el output del ResearchAgent y escribe un artículo de blog. INPUT DEL RESEARCH AGENT: {research_output}. Audiencia objetivo: profesionales de tecnología en LATAM. Tono: técnico pero accesible. No repitas información ya cubierta en artículos previos: {previous_articles_list}. Output: Título SEO + meta description + artículo (800-1200 palabras) con H2s y H3s + 3 call-to-actions sugeridos.
PersonaTareaContextoFormato
// Tips rápidos
🎯Sé específico
En lugar de "escribe algo sobre marketing", di "escribe 3 subject lines para un email de Black Friday dirigido a mujeres de 25-35 años".
🔄Itera
Tu primer prompt rara vez es perfecto. Refina basándote en la respuesta: pide más detalle, cambia el tono, agrega restricciones.
📐Define restricciones
"Máximo 200 palabras", "en formato tabla", "sin usar jerga técnica". Las restricciones evitan respuestas genéricas.
🧪Usa ejemplos
Si puedes, incluye un ejemplo del resultado que esperas. La IA replica patrones mejor que interpreta descripciones abstractas.
🪜Divide tareas complejas
En lugar de pedir todo de una vez, divide en pasos. Primero investiga, luego analiza, luego genera. Mejores resultados.
🌡️Controla la creatividad
Para datos/análisis, pide ser "preciso y factual". Para contenido creativo, pide ser "creativo y original". El tono importa.
¿Listo para probar tus prompts?
Explora las mejores herramientas de IA y ponlos en práctica.