Módulo 2: Principios Fundamentales y Componentes de Prompts Efectivos :
Una vez que ya hemos entendido por qué es necesario el prompting (Módulo 1), vamos a entrar a conocer los elementos clave que componen un buen prompt y los principios fundamentales que debemos seguir para guiar a los modelos de lenguaje y obtener las respuestas deseadas.
Objetivos del Módulo:
- Identificar los principios básicos para escribir instrucciones claras y específicas para modelos de IA.
- Comprender la importancia de proporcionar contexto relevante en un prompt.
- Reconocer los componentes principales que conforman un prompt efectivo.
- Familiarizarse con algunas técnicas fundamentales de prompting como la asignación de rol, el uso de ejemplos (Few-shot) y la cadena de pensamiento (Chain of Thought).
Contenido del Módulo:
1. Principios Fundamentales para Prompts Efectivos:
Estos principios son la base para construir cualquier prompt de calidad.
Claridad y Especificidad:
- Este es el principio número uno para la creación de prompts efectivos.
- Debes asegurarte de que el prompt sea directo y sin ambigüedades.
- Cuanto más específico seas, más probable es que recibas una respuesta relevante y precisa. La ambigüedad puede llevar a interpretaciones erróneas o a respuestas variadas que se desvían del resultado previsto.
- La precisión de la respuesta de la IA será tan ajustada a tus necesidades como lo específico que seas en el mensaje.
Ejemplo:
❌ Prompt Genérico/Vago: "Háblame de historia". (Esto es demasiado amplio, puede dar cualquier información sobre historia).
✅ Prompt Claro y Específico: "Resume las causas y consecuencias de la Revolución Francesa en menos de 100 palabras". (Especifica el tema, la tarea y la extensión).
✅ Otro Ejemplo: "Explica en 2-3 oraciones el concepto de ingeniería de prompt a un estudiante de secundaria". (Define la tarea, extensión, tema y audiencia/nivel de complejidad).
Contexto:
- Proporcionar contexto es crucial para ayudar al modelo a comprender el panorama general. Es crucial para que el modelo genere respuestas más relevantes y coherentes.
- Le explicas al modelo "en dónde se encuentra realizando esta acción" o "Para qué fin Está realizando esta acción".
- El contexto puede incluir detalles sobre el tono deseado, información sobre la audiencia objetivo, detalles sobre tu negocio, productos, servicios, clientes, valores de la compañía, o el sistema del que forma parte la tarea. También la importancia de la tarea y su impacto en el negocio.
- Al proporcionar un contexto claro, se establece una narrativa que facilita al modelo comprender el propósito y la relevancia de la tarea, lo cual puede aumentar la calidad y efectividad de sus respuestas.
Ejemplo:
❌ Prompt sin Contexto: "Explica la fotosíntesis". (La respuesta será general).
✅ Prompt con Contexto: "Actúa como un profesor de biología para estudiantes de secundaria. Explica el proceso de la fotosíntesis utilizando ejemplos concretos con plantas y luz solar. La explicación debe ser sencilla y fácil de entender" . (Define el rol, audiencia, incluye detalles sobre el tema y el estilo).
Concisión:
- Mantener la instrucción lo más breve y directo posible es crucial, especialmente para tareas de gran volumen.
- Un prompt más corto resulta en un sistema más económico en términos de costos por tokens.
- Evita frases innecesarias como "me preguntaba si...", "si podrías...", "si es posible...".
- Utiliza un lenguaje preciso y relevante, evitando jerga poco clara o frases confusas. Sé directo.
Ejemplo:
❌ Prompt Redundante: "Me preguntaba si podrías, por favor, darme una lista de todos los presidentes de los Estados Unidos...".
✅ Prompt Conciso: "Enumera los presidentes de los Estados Unidos, incluyendo sus fechas de nacimiento y muerte".
2. Componentes Clave de un Prompt Efectivo:
Un prompt bien estructurado a menudo incluye varios de estos componentes para guiar al modelo de manera efectiva:
- Instrucción: La tarea específica o la acción que deseas que el modelo realice. Es el objetivo de la acción.
Ejemplo: "Resumir el contenido de este artículo". "Analiza el feedback...". "Por favor, determina tres estrategias...".
- Contexto: Información externa o adicional que ayuda al modelo a comprender el propósito y la relevancia de la tarea, y a guiar sus respuestas. Ya lo vimos en el punto anterior.
Ejemplo: "Eres un Coach de Talento preparando un curso en línea sobre gestión del talento...". "Tienes una empresa de comunicación y tu principal cliente te ha pedido que redactes artículos...".
- Entrada de Datos (Input): El texto, los datos o la información específica que le proporcionas al modelo para que procese. A menudo se recomienda usar delimitadores para separarlo de las instrucciones.
Ejemplo: "Resume el siguiente texto delimitado por comillas triples: """[texto aquí]""" "
- Indicador de Salida / Especificaciones / Restricciones (Output): Define el formato, estilo, longitud, tono u otras características deseadas para la respuesta. Son instrucciones sobre cómo llevar a cabo la tarea principal. Es clave para especificar las instrucciones más importantes.
Ejemplo: "Proporciona esta lista en una tabla con las siguientes columnas...". "Resume en menos de 50 palabras". "Mantener un tono amable y profesional". "Presenta la información en formato de lista con viñetas". "Escribe el [ensayo/texto/párrafo] utilizando un inglés simple como si estuvieras explicándole algo a un niño de 5 años".
3. Técnicas Fundamentales de Prompting (Introducción):
Estas técnicas combinan los principios y componentes para obtener resultados más avanzados y controlados.
- Role Prompting (Asignación de Rol): Consiste en designar un papel específico al modelo durante la interacción. Esto permite que el modelo se enfoque en ese rol, lo que puede mejorar su desempeño y aumentar la relevancia de los resultados.
Puedes usar adjetivos para resaltar qué tan bueno es el modelo haciendo la tarea en ese rol.
Ejemplo : "Actúa como un asistente muy útil y un vendedor muy profesional...". "Eres un consultor de marketing experimentado, elabora una campaña digital". "Actúa como un tutor de biología...".
- Few-shot Prompting / One-shot Prompting (Uso de Ejemplos): Consiste en proporcionar al modelo uno (One-shot) o pocos (Few-shot, normalmente de 2 a 5) ejemplos de entradas y salidas esperadas. Esto le ayuda a entender el tipo de respuesta que deseas, guiándolo a seguir un patrón preestablecido en formato, tono o estructura.
- La investigación sugiere que el modelo se fija más en el formato y la estructura de los ejemplos que en el contenido en sí.
- Es muy útil cuando necesitas un formato o estilo específico que el modelo quizás no generaría por defecto.
Ejemplo: Mostrar pares de (Pregunta, Respuesta Correcta/Deseada) para que el modelo aprenda el formato.
- Prompt (parcial, incluyendo ejemplos): "... algunos ejemplos para nuestro prom:
Ejemplo 1: Entrada: 'Pido información sobre sus soluciones de inteligencia artificial...' Salida: 'Categorización de oportunidad...'
Ejemplo 2: Entrada: 'Tenemos un problema con la factura X...' Salida: 'Categorización: Atención...'
Luego, se le daría una nueva entrada al modelo, esperando que use el formato de los ejemplos).
- Chain of Thought (Cadena de Pensamiento) / Step-by-Step (Paso a Paso): Esta técnica implica guiar al modelo para que piense paso a paso mientras sigue tus instrucciones. A veces, se le pide explícitamente que muestre su razonamiento paso a paso.
Es muy útil para tareas complejas que requieren razonamiento o múltiples pasos, ya que ayuda a estructurar el proceso y mejorar la precisión.
Es similar a "darle tiempo al modelo para pensar".
Ejemplo:
Prompt: "Ejecuta los siguientes pasos: 1. Resumir el texto delimitado por comillas en una oración. 2. Traducirlo al español. 3. Enlistar los nombres que aparecen en el resumen en español. 4. Utilizar el siguiente formato: Resumen en inglés, Resumen en español, Personajes. Texto: """[texto aquí]""" " .
Otro Ejemplo: "Vamos a crear un plan de estudio personalizado. Primero pregúntame sobre mis horarios disponibles. Luego, según mis respuestas, propone un calendario semanal equilibrado".
- Ejemplo Matemático: "Resuelve x en la ecuación 2x + 3 = 11. Primero, enumera los subproblemas. Luego, resuélvelos en secuencia para obtener la respuesta final."
- Emotional Prompting (Prompts Emocionales): Incorporar estímulos emocionales en los detalles del prompt, como subrayar la importancia de la tarea.
Esto puede motivar al modelo a procesar la información de manera más cuidadosa y detallada, especialmente en tareas que requieren pensamiento crítico.
Ejemplo: "Esta tarea es muy importante para mi carrera". "Esta tarea es vital para mi negocio y valoro mucho su análisis exhaustivo".
4. Consejos Adicionales para la Escritura de Prompts:
- Usa Verbos de Acción: Sé directo usando verbos que indiquen la tarea como "crea", "redacta", "sugiere", "resume", "diseña", "analiza", "enumera", "explica".
- Coloca las Instrucciones al Principio: Es recomendable comenzar con las instrucciones claras para que el modelo entienda rápidamente lo que debe hacer.
- Usa Delimitadores: Utiliza símbolos como comillas triples (""" """), hashtags (###) o corchetes (<>) para separar claramente las instrucciones del texto de entrada o de otras secciones del prompt. Claude reconoce etiquetas como <>.
- Emplea Directivas Afirmativas: Usa "haz", "realiza", "enumera", evitando lenguaje negativo como "no hagas" o "no incluyas". El uso de directivas afirmativas tiende a precisar una respuesta más clara.
Ejemplo: En lugar de "crea una ecuación que no utilice números imaginarios ni raíces cuadradas", mejor decir "crea una ecuación que utilice matemáticas de educación media superior".
- Especifica Formato, Estilo y Extensión: Indica explícitamente cómo quieres la respuesta (lista, tabla, párrafo, etc.), el tono (formal, técnico, conversacional) y la longitud (número de palabras, frases o párrafos).
Ejemplo: "Proporciona una lista con viñetas". "Resume en menos de 50 palabras". "Mantén un tono profesional".
- Itera y Refina: Si la primera respuesta no es la esperada, ajusta tu instrucción o prompt y vuelve a intentarlo. La ingeniería de prompts es un proceso iterativo.
- Usa Formato Markdown: Utiliza hashtags (#, ##) para estructurar el prompt en secciones principales (h1 con un #) y subsecciones (h2, h3 con ##, ###). Esto ayuda a organizar el prompt y facilita que el modelo siga las referencias, aunque no afecta la precisión de la respuesta. También puedes usar asteriscos para negritas (aunque su impacto en la precisión aún se investiga).
Este módulo te proporciona las herramientas esenciales para empezar a construir prompts de manera estructurada y efectiva, entendiendo que la calidad de tu comunicación determina la calidad del resultado. Realice la evaluación correspondiente para pasar al modulo 3.
MATERIAL DE APOYO:
VIDEOS