While these tips apply broadly to all Claude models, you can find prompting tips specific to extended thinking models here.

​
Antes de la ingeniería de prompts

Esta guía asume que tienes:
  1. Una definición clara de los criterios de éxito para tu caso de uso
  2. Algunas formas de probar empíricamente contra esos criterios
  3. Un primer borrador de prompt que quieres mejorar
Si no es así, te sugerimos encarecidamente que dediques tiempo a establecer eso primero. Consulta Define tus criterios de éxito y Crea evaluaciones empíricas sólidas para obtener consejos y orientación.

Generador de prompts

¿No tienes un primer borrador de prompt? ¡Prueba el generador de prompts en la Consola de Claude!

​
Cuándo hacer ingeniería de prompts

Esta guía se centra en criterios de éxito que son controlables a través de la ingeniería de prompts. No todos los criterios de éxito o evaluaciones fallidas se resuelven mejor con ingeniería de prompts. Por ejemplo, la latencia y el costo a veces pueden mejorarse más fácilmente seleccionando un modelo diferente.
La ingeniería de prompts es mucho más rápida que otros métodos de control del comportamiento del modelo, como el ajuste fino, y a menudo puede producir saltos en el rendimiento en mucho menos tiempo. Aquí hay algunas razones para considerar la ingeniería de prompts sobre el ajuste fino:
  • Eficiencia de recursos: El ajuste fino requiere GPUs de alta gama y gran memoria, mientras que la ingeniería de prompts solo necesita entrada de texto, haciéndola mucho más amigable con los recursos.
  • Rentabilidad: Para servicios de IA basados en la nube, el ajuste fino incurre en costos significativos. La ingeniería de prompts usa el modelo base, que típicamente es más barato.
  • Mantener actualizaciones del modelo: Cuando los proveedores actualizan modelos, las versiones ajustadas finamente podrían necesitar reentrenamiento. Los prompts usualmente funcionan a través de versiones sin cambios.
  • Ahorro de tiempo: El ajuste fino puede tomar horas o incluso días. En contraste, la ingeniería de prompts proporciona resultados casi instantáneos, permitiendo resolución rápida de problemas.
  • Necesidades mínimas de datos: El ajuste fino necesita datos etiquetados sustanciales específicos de la tarea, que pueden ser escasos o costosos. La ingeniería de prompts funciona con aprendizaje de pocos ejemplos o incluso sin ejemplos.
  • Flexibilidad e iteración rápida: Prueba rápidamente varios enfoques, ajusta prompts y ve resultados inmediatos. Esta experimentación rápida es difícil con el ajuste fino.
  • Adaptación de dominio: Adapta fácilmente modelos a nuevos dominios proporcionando contexto específico del dominio en prompts, sin reentrenamiento.
  • Mejoras de comprensión: La ingeniería de prompts es mucho más efectiva que el ajuste fino para ayudar a los modelos a entender y utilizar mejor contenido externo como documentos recuperados
  • Preserva conocimiento general: El ajuste fino arriesga el olvido catastrófico, donde el modelo pierde conocimiento general. La ingeniería de prompts mantiene las capacidades amplias del modelo.
  • Transparencia: Los prompts son legibles por humanos, mostrando exactamente qué información recibe el modelo. Esta transparencia ayuda en la comprensión y depuración.

​
Cómo hacer ingeniería de prompts

Las páginas de ingeniería de prompts en esta sección han sido organizadas desde técnicas más ampliamente efectivas hasta técnicas más especializadas. Al solucionar problemas de rendimiento, sugerimos que pruebes estas técnicas en orden, aunque el impacto real de cada técnica dependerá de tu caso de uso.
  1. Generador de prompts
  2. Sé claro y directo
  3. Usa ejemplos (multishot)
  4. Deja que Claude piense (cadena de pensamiento)
  5. Usa etiquetas XML
  6. Dale a Claude un rol (prompts del sistema)
  7. Prerellena la respuesta de Claude
  8. Encadena prompts complejos
  9. Consejos para contexto largo

​
Tutorial de ingeniería de prompts

Si eres un aprendiz interactivo, ¡puedes sumergirte en nuestros tutoriales interactivos en su lugar!

Tutorial de prompting en GitHub

Un tutorial lleno de ejemplos que cubre los conceptos de ingeniería de prompts encontrados en nuestra documentación.

Tutorial de prompting en Google Sheets

Una versión más ligera de nuestro tutorial de ingeniería de prompts a través de una hoja de cálculo interactiva.