Instrucciones: estructura y formatos

Ejercicio: reescribir con carga conceptual

Copia el prompt original y reescríbelo con más carga conceptual, para que el modelo evalúe la política con mayor precisión.

Prompt original

"Te voy a entregar el borrador de una política pública. Analiza si esta política es buena según el impacto que tendrá sobre la riqueza de cada persona en la sociedad y según qué tan bien usa los recursos disponibles. Dime si vale la pena implementarla y qué problemas podría traer."

Tres pistas para la reescritura:

• Marco: activa un concepto que organice el análisis.
• Contraste: haz explícita la tensión que importa en esta política.
• Operación: elige un verbo preciso y define brevemente cualquier término ambiguo.

Compactar no basta. Un párrafo denso todavía puede mezclar contexto, pedido y límites en una sola masa difícil de revisar. Ahora hay que estructurar.

Markdown

Markdown es una herramienta para dar formato y organizar las instrucciones. Es una forma sencilla de ordenar texto usando algunos signos del teclado. Permite marcar títulos, listas, palabras importantes, enlaces y ejemplos sin depender de un programa específico.

Los modelos procesan mejor un prompt cuando las partes se ven. Un título nombra la tarea. Un subtítulo separa el objetivo de las instrucciones. Una lista deja cada criterio en su propia línea. Markdown no inventa contenido nuevo: hace visible la estructura que ya querías pedir.

Plan de viaje

Este texto usa Markdown para pedir un itinerario. Léelo primero como archivo, con los signos a la vista.

Prompt en Markdown

# Plan de viaje

## Objetivo
Organiza un viaje de tres días a Valdivia.

## Instrucciones
- Propón una actividad por mañana y una por tarde.
- Incluye opciones para días de lluvia.
- Mantén el presupuesto bajo $150.000.

## Formato de respuesta
Entrega una tabla con los días, horarios y actividades.

Cuando una aplicación interpreta Markdown, esos signos se vuelven títulos, viñetas y jerarquía. El contenido es el mismo. Cambia lo fácil que resulta ver dónde empieza cada parte. Parece un hechizo de teclado hasta que alguien lo interpreta y, de golpe, es un fin de semana en Valdivia.

Marcas básicas

Jerarquía. # texto crea un título principal. ## texto crea una sección.

Ejemplo de Markdown

# Plan de viaje
## Presupuesto

Listas. - texto crea una lista con viñetas. 1. texto crea una lista numerada. Las viñetas sirven cuando cada instrucción puede leerse por separado. La lista numerada sirve cuando el orden de los pasos importa.

Ejemplo de Markdown

- Reservar alojamiento
- Llevar paraguas

1. Elegir fechas
2. Comparar precios

Énfasis y enlaces. **texto** destaca una palabra o frase. _texto_ enfatiza una palabra en itálicas. [texto](enlace) crea un enlace.

Ejemplo de Markdown

Presupuesto: **$150.000**
Revisa la _fecha límite_.
[Descargar Obsidian](https://obsidian.md/download)

Destaca solo lo imprescindible. Si todo está en negrita, nada destaca. Los agentes procesan mejor las respuestas que llegan con un formato claro, y eso incluye Markdown.

No es necesario usar todas estas marcas en cada instrucción. Para una petición corta, una frase clara puede ser suficiente. Markdown es útil cuando la tarea tiene varias partes y necesitamos ver su estructura.

Instalar Obsidian

Obsidian es una aplicación para escribir y organizar notas conectadas. Aunque es muy potente, aquí la usamos simplemente como un editor de archivos Markdown.

1. Abre obsidian.md/download y descarga la versión para macOS, Windows o Linux.
2. Abre el instalador descargado e instala Obsidian con las opciones predeterminadas.
3. Al abrirlo por primera vez, selecciona Open folder as vault.
4. Elige la carpeta donde ya están tus archivos Markdown o crea una carpeta nueva para guardarlos.
5. Usa la barra lateral izquierda para abrir, crear y ordenar los archivos .md de esa carpeta.
6. Edita normalmente y guarda tus cambios: Obsidian trabaja con archivos Markdown comunes, que también puedes abrir con otros editores.

Usar Markdown en una instrucción

Escribe un título breve que nombre la tarea. Separa las partes con subtítulos, por ejemplo ## Contexto, ## Objetivo, ## Instrucciones y ## Respuesta esperada. Usa viñetas cuando cada instrucción pueda leerse por separado. Usa una lista numerada cuando el orden de los pasos sea importante.

Toma este prompt sin formato y transfórmalo.

Prompt

Organiza un viaje de tres días a Valdivia. Propón una actividad por mañana y una por tarde. Incluye opciones para días de lluvia. Mantén el presupuesto bajo $150.000. Entrega una tabla con los días, horarios y actividades.

Con más precisión semántica y un mejor formato ya se pueden escribir mejores prompts. El paso siguiente es darles una estructura según la función de cada parte.

Estructuras de prompts

Los buenos prompts organizan la solicitud en bloques de instrucciones con objetivos distintos. No es obligatorio usarlos todos, pero esta estructura suele producir mejores resultados.

Contexto, rol, objetivo, instrucciones, formato de salida y restricciones son algunos ejemplos.

Cada capa responde una pregunta diferente. Agregamos una capa solo cuando aporta información que puede cambiar la respuesta.

No existen listas oficiales de estas partes. Anthropic y OpenAI recomiendan separar con claridad el contexto, el resultado esperado, las instrucciones, los límites y la forma de la respuesta. Una buena práctica es usar títulos o etiquetas consistentes para que cada parte se pueda reconocer y revisar.

Ejemplo de Markdown

# Contexto
# Rol
# Objetivo
# Instrucciones
# Formato de salida
# Restricciones

Para profundizar: Anthropic, estructura de prompts y OpenAI, estructura sugerida para prompts complejos.

Cada capa con un ejemplo

El hilo de los ejemplos es el mismo viaje a Valdivia. Viajan dos personas, tres días de invierno, sin automóvil, con $150.000. Cambia lo que cada capa le pide al modelo.

Contexto

El contexto entrega la información necesaria para comprender la situación. No indica todavía qué debe hacer el agente.

Esta capa responde qué necesita saber el agente antes de comenzar.

Incluye solo antecedentes que puedan cambiar una decisión o mejorar la pertinencia de la respuesta. Una frase como "Voy a viajar a Valdivia" deja abierto el cuándo, el con quién, el presupuesto y el medio de transporte.

Prompt

Voy a viajar a Valdivia.

Ejemplo de contexto

# Contexto

Viajarán dos personas a Valdivia durante tres días de invierno.
No tendrán automóvil y disponen de $150.000 para todo el viaje.

Para profundizar: Anthropic, agregar contexto y OpenAI, prompts orientados al resultado.

Rol

El rol define la perspectiva desde la cual el agente debe abordar la tarea. Puede orientar sus criterios, su conocimiento relevante y su manera de comunicarse.

Esta capa responde desde qué perspectiva debe trabajar.

Nombra una perspectiva que aporte criterios concretos. Un rol genérico como "experto" agrega poco si no explica en qué debe fijarse.

Prompt

Actúa como un experto en viajes.

Ejemplo de rol

# Rol

Actúa como guía turístico local de Valdivia.
Prioriza experiencias accesibles mediante transporte público y explica tus recomendaciones con un lenguaje sencillo.

Para profundizar: Anthropic, asignar un rol y OpenAI, personalidad y forma de colaboración.

Objetivo

El objetivo expresa el resultado que queremos conseguir. Describe el destino de la tarea, no necesariamente todos los pasos para llegar a él.

Esta capa responde qué resultado debe producir.

Comienza con un verbo y nombra un resultado observable. Si existen varios resultados, enuméralos.

Prompt

Ayúdame con el viaje.

Ejemplo de objetivo

# Objetivo

Diseña un itinerario de tres días para conocer Valdivia.

Con varios objetivos, una lista numerada deja cada resultado en su propia línea.

Ejemplo de objetivos

# Objetivos

1. Diseña el itinerario.
2. Estima el presupuesto total.
3. Propón alternativas para días de lluvia.

Para profundizar: OpenAI, definir el resultado y los criterios de éxito y Anthropic, escribir instrucciones claras y directas.

Instrucciones

Las instrucciones explican cómo debe realizarse la tarea o qué criterios debe aplicar el agente.

Esta capa responde cómo debe alcanzar el objetivo.

Usa viñetas para criterios independientes y una lista numerada solo cuando el orden sea importante. No impongas pasos que no cambian el resultado esperado.

Prompt

Hazlo bien, con detalle y de manera ordenada.

Ejemplo de instrucciones

# Instrucciones

- Incluye una actividad por la mañana y otra por la tarde.
- Considera los tiempos de traslado entre actividades.
- Propón una alternativa bajo techo para cada día.
- Explica brevemente por qué recomiendas cada actividad.

Para profundizar: Anthropic, instrucciones claras, directas y secuenciales y OpenAI, cuándo describir el resultado en lugar del proceso.

Formato de salida

El formato de salida define cómo queremos recibir la respuesta. Puede indicar su estructura, extensión, idioma o tipo de representación.

Esta capa responde cómo debe presentar el resultado.

Pide una estructura solo cuando facilite comprender, comparar o reutilizar la respuesta. Nombra las secciones o columnas necesarias en vez de pedir que la respuesta sea simplemente "ordenada".

Prompt

Entrega una respuesta bien organizada.

Ejemplo de formato de salida

# Formato de salida

Responde en español.
Entrega una tabla con las columnas: día, horario, actividad, traslado y costo estimado.
Después de la tabla, indica el costo total.

Para profundizar: Anthropic, controlar el formato de las respuestas y OpenAI, formato y estructura de salida.

Restricciones

Las restricciones delimitan las opciones disponibles o establecen condiciones que el agente debe respetar. También se conocen como guardrails.

Esta capa responde qué límites debe respetar.

Las siete técnicas que siguen muestran cómo escribir esos límites para que se puedan cumplir.

Siete técnicas para restricciones

1. Formular restricciones claras

Expresa el comportamiento permitido o esperado, no solo una prohibición. Reserva palabras absolutas como "siempre" o "nunca" para límites que realmente no admiten excepciones.

Prompt

No gastes demasiado, no te equivoques y no inventes cosas.

Ejemplo de restricciones

# Restricciones

- Mantén el costo total dentro del presupuesto de $150.000.
- Incluye solo actividades accesibles sin automóvil.
- Usa precios respaldados por una fuente. Si no puedes verificar un precio, márcalo como "pendiente de verificación".

Para profundizar: OpenAI, restricciones y reglas absolutas y Anthropic, indicar lo que la respuesta debe hacer.

2. Delimitar el espacio de opciones

Indica qué alternativas son admisibles en vez de dejar abiertas todas las posibilidades. Así reduces la ambigüedad sin imponer un procedimiento innecesario.

Prompt

Incluye solo actividades ubicadas dentro de Valdivia y accesibles mediante transporte público.

Para profundizar: Anthropic, escribir instrucciones claras y directas.

3. Usar reglas condicionales

Cuando el comportamiento depende de una situación, escribe una regla del tipo "si ocurre esto, haz aquello". Es más precisa que usar "siempre" o "nunca" para una decisión que admite excepciones.

Prompt

Si una actividad requiere automóvil, reemplázala por una alternativa equivalente accesible mediante transporte público.

Para profundizar: OpenAI, reglas de decisión y reglas absolutas.

4. Definir qué hacer cuando falta información

Una restricción puede incluir una salida segura para cuando no sea posible cumplirla. Esto evita que el agente complete los vacíos como si tuviera información confirmada.

Prompt

Usa precios respaldados por una fuente. Si no puedes verificar un precio, márcalo como "pendiente de verificación" y no lo presentes como un valor confirmado.

Para profundizar: OpenAI, comportamiento ante evidencia faltante.

5. Establecer prioridades entre restricciones

Dos límites pueden entrar en conflicto. Indica cuál debe prevalecer para que el agente sepa qué sacrificar cuando no sea posible cumplirlos todos al mismo tiempo.

Prompt

Prioriza respetar el presupuesto por sobre incluir una mayor cantidad de actividades.

Para profundizar: OpenAI, criterios de éxito, restricciones y reglas de decisión.

6. Incluir condiciones de término o aprobación

En tareas que pueden continuar o producir acciones, indica cuándo detenerse y cuándo solicitar una decisión antes de avanzar.

Prompt

Prepara el itinerario y calcula el costo total. No realices reservas. Antes de cualquier compra, presenta las opciones y espera mi aprobación.

Para profundizar: OpenAI, condiciones de término.

7. Mostrar cómo aplicar la restricción en casos límite

Cuando una regla puede interpretarse de distintas maneras, un ejemplo concreto muestra cómo debe aplicarse en una situación dudosa. Si el precio viene como rango, ¿cuál de los dos números entra al presupuesto? El ejemplo resuelve esa interpretación.

Prompt

Para comprobar el presupuesto, usa el valor superior cuando una fuente entregue un rango de precios.

Ejemplo: si una entrada cuesta entre $8.000 y $12.000, calcula el total usando $12.000.

Para profundizar: Anthropic, usar ejemplos eficazmente.

Un mix de capas

Las capas pueden sobreponerse. Una frase podría funcionar como instrucción y restricción al mismo tiempo. Lo importante no es clasificar cada frase perfectamente, sino comprobar que la petición sea clara y que no repita instrucciones innecesariamente.

Una petición sencilla puede resolverse con un objetivo. Una tarea compleja puede necesitar más estructura.

La versión breve junta rol, contexto, instrucciones, formato y límites en pocos párrafos. Sigue siendo el viaje a Valdivia.

Prompt

Actúa como guía turístico local de Valdivia y diseña un itinerario de tres días de invierno para dos personas, sin automóvil y con un presupuesto total de $150.000.

Incluye una actividad por la mañana y otra por la tarde, considera los tiempos de traslado y propone una alternativa bajo techo para cada día. Prioriza experiencias accesibles mediante transporte público y explica brevemente cada recomendación.

Responde en español con una tabla que indique día, horario, actividad, traslado y costo estimado. Usa precios respaldados por una fuente, marca como "pendiente de verificación" cualquier precio que no puedas comprobar e indica el costo total.

La versión estructurada dice lo mismo con títulos. Cada bloque se puede revisar, reutilizar o endurecer por separado.

Prompt

# Contexto y rol

Viajarán dos personas a Valdivia durante tres días de invierno. No tendrán automóvil y disponen de $150.000 para todo el viaje.
Actúa como guía turístico local. Prioriza experiencias accesibles mediante transporte público y explica tus recomendaciones con un lenguaje sencillo.

# Objetivo e instrucciones

Diseña un itinerario de tres días para conocer Valdivia.

- Incluye una actividad por la mañana y otra por la tarde.
- Considera los tiempos de traslado entre actividades.
- Propón una alternativa bajo techo para cada día.
- Explica brevemente por qué recomiendas cada actividad.

# Formato de salida y restricciones

Responde en español.
Entrega una tabla con las columnas: día, horario, actividad, traslado y costo estimado.
Después de la tabla, indica el costo total.
- Mantén el costo total dentro del presupuesto de $150.000.
- Incluye solo actividades accesibles sin automóvil.
- Usa precios respaldados por una fuente. Si no puedes verificar un precio, márcalo como "pendiente de verificación".

Comienza con la versión más breve que exprese lo necesario, pruébala y agrega estructura solo cuando permita corregir un problema observable.

Para profundizar: OpenAI, favorecer prompts más breves, Anthropic, usar ejemplos eficazmente y Anthropic, introducción a la ingeniería de prompts.

Estructuras publicadas

No hay una estructura oficial ni estándar. Podemos comparar algunas propuestas publicadas por organizaciones que desarrollan modelos y productos basados en LLM.

Microsoft: objetivo, contexto, fuente y expectativas

Microsoft propone cuatro componentes que pueden agregarse según lo que necesite la tarea. No todos son obligatorios: muchas peticiones solo necesitan un objetivo claro. La idea central es comenzar por el objetivo y agregar los demás componentes cuando ayuden a obtener un mejor resultado.

La fuente aparece como parte independiente.

Prompt

# Objetivo

Diseña un itinerario de tres días de invierno para dos personas
que quieren conocer Valdivia.

# Contexto

Viajarán sin automóvil y disponen de $150.000 para todo el viaje.
Prefieren actividades culturales, caminatas breves y opciones bajo techo
si llueve.

# Fuente

Usa horarios, precios y condiciones publicados por servicios turísticos,
museos y lugares oficiales.
Distingue la información verificada de la que no puedas comprobar.

# Expectativas

Responde en español.
Entrega una tabla con día, horario, actividad, traslado, fuente
y costo estimado.
Después de la tabla, explica tus recomendaciones, indica el costo total
y marca los datos pendientes de verificación.

Para profundizar: Microsoft, cómo comenzar a escribir prompts.

OpenAI: definir el resultado y cerrar la tarea

OpenAI recomienda describir primero el resultado esperado. En tareas complejas, propone separar el objetivo de las condiciones que permiten reconocer que la tarea está completa.

Prompt

# Rol

Actúa como guía turístico local de Valdivia y planificador de viajes sin automóvil.

# Personalidad

Comunícate de manera clara, práctica y acogedora. Explica por qué cada opción es adecuada para el invierno.

# Objetivo

Diseña un itinerario de tres días para dos personas, con actividades de mañana y tarde y un presupuesto total de $150.000.

# Criterios de éxito

- Cada día incluye actividades de mañana y tarde.
- Los traslados son realizables sin automóvil y consideran tiempos realistas.
- Cada día incluye una alternativa bajo techo en caso de lluvia.
- El costo total no supera los $150.000.
- Cada precio está respaldado o marcado como pendiente.

Cerrar la tarea agrega restricciones, forma de la salida y reglas de detención.

Prompt

# Restricciones

No inventes precios ni tiempos de traslado.
Usa fuentes oficiales y señala cuándo consultaste cada dato.

# Salida

Entrega una tabla con día, horario, actividad, traslado, fuente y costo.
Después de la tabla, indica el costo total y resume por qué el plan es adecuado para el invierno.

# Reglas de detención

Si no puedes verificar un precio, márcalo como pendiente y continúa.
Si una actividad supera el presupuesto, reemplázala por una alternativa viable.
Pregunta al usuario solo si falta información indispensable.

La idea central es explicar cómo se ve un buen resultado, sin imponer innecesariamente todos los pasos para producirlo.

Para profundizar: OpenAI, estructura sugerida para prompts complejos.

Google Cloud: elegir los módulos

Google Cloud presenta una plantilla amplia cuyos componentes pueden incluirse, excluirse o reordenarse según la tarea. Se parece a las capas que ya vimos: objetivo y persona, instrucciones, restricciones, contexto, formato, ejemplo y una recapitulación. La plantilla es modular. Conserva solo los módulos útiles para la tarea.

Prompt

# Objetivo y persona

Actúa como guía local y diseña un itinerario de tres días de invierno para dos personas en Valdivia.

# Instrucciones

1. Selecciona actividades accesibles sin automóvil y confirma sus horarios.
2. Organízalas considerando tiempos de traslado realistas.
3. Propón una alternativa bajo techo para cada día.
4. Estima el costo de cada actividad e identifica su fuente.

# Restricciones

Mantén el costo total dentro de $150.000.
No presentes como verificado ningún dato que no esté respaldado por una fuente.

# Contexto

Las personas prefieren actividades culturales, caminatas breves y transporte público.

El ejemplo enseña un caso límite con una entrada y una salida. La recapitulación reúne las condiciones que no se pueden perder.

Prompt

# Formato de salida

Entrega una tabla con día, horario, actividad, traslado, fuente y costo estimado.
Después de la tabla, indica el costo total y los datos pendientes de verificación.

# Ejemplo

Entrada: entrada a un museo cuyo precio no aparece en su sitio oficial.
Salida: "Museo - costo pendiente de verificación - fuente consultada: sitio oficial".

# Recapitulación

El itinerario debe ser realizable sin automóvil, respetar el presupuesto
y distinguir los precios verificados de los pendientes.

Para profundizar: Google Cloud, componentes y plantilla de un prompt.

Anthropic: separar contexto e instrucciones

Anthropic recomienda usar etiquetas descriptivas cuando un prompt mezcla instrucciones, contexto, ejemplos y datos de entrada. Las etiquetas no cambian las capas del prompt. Ayudan a mostrar con claridad dónde comienza y termina cada tipo de información. Cumplen una función parecida a los títulos de Markdown: nombrar y delimitar. Se parecen a XML porque abren y cierran bloques. Para este curso basta con reconocer esa forma de separar.

XML

<contexto>
Viajarán dos personas a Valdivia durante tres días de invierno.
No tendrán automóvil y disponen de $150.000.
Prefieren actividades culturales, caminatas breves y alternativas bajo techo si llueve.
</contexto>

<instrucciones>
Diseña un itinerario con actividades de mañana y tarde.
Considera tiempos de traslado realistas mediante transporte público.
Incluye el costo y la fuente de cada actividad, además de una alternativa para la lluvia.
</instrucciones>

El mismo criterio sirve para restricciones, formato y datos de entrada.

XML

<restricciones>
No superes el presupuesto.
No presentes precios sin identificar su fuente.
Marca como pendiente cualquier dato que no puedas verificar.
</restricciones>

<formato_de_salida>
Entrega una tabla con día, horario, actividad, traslado, fuente y costo.
Después de la tabla, indica el costo total y los datos pendientes de verificación.
</formato_de_salida>

<input>
Preferimos actividades culturales y caminatas breves.
Queremos una alternativa bajo techo para cada día.
</input>

Para profundizar: Anthropic, estructurar prompts mediante etiquetas XML.

Formatos de entrada y salida

Debido a los datos de entrenamiento con los que se entrenan los modelos, se ha demostrado que hay tres formatos bien útiles en las conversaciones de LLMs: Markdown, JSON y XML.

Formatos de entrada

En las instrucciones que enviamos suele servir Markdown, por lo que ya vimos, y además XML.

XML es un lenguaje muy complejo. En este curso usamos solo sus partes más básicas. Se agrupa información con los símbolos mayor que y menor que (< >). El comienzo de un nodo se escribe con esos símbolos. Para cerrarlo se agrega una barra (</cierre>). Los grupos o nodos se nombran.

XML

<contexto>
Viajarán dos personas a Valdivia durante tres días de invierno.
No tendrán automóvil y disponen de $150.000.
</contexto>

<instrucciones>
Diseña un itinerario con actividades de mañana y tarde.
Considera los tiempos de traslado y alternativas para la lluvia.
</instrucciones>

Formatos de salida: JSON

Cuando queremos insertar un agente dentro de un flujo más automático, conviene que responda siempre de la misma manera y de forma estructurada. Para eso sirven JSON y CSV.

JSON tiene una sintaxis característica, muy usada en programación. Para este curso basta reconocer que los objetos se delimitan con llaves, las listas con corchetes y los nombres de sus campos se escriben entre comillas.

JSON

{
  "dias": [
    {
      "dia": 1,
      "momento": "mañana",
      "actividad": "Recorrido por la costanera",
      "traslado": "A pie",
      "costo_clp": 0,
      "estado_costo": "verificado"
    },
    {
      "dia": 1,
      "momento": "tarde",
      "actividad": "Visita a un museo",
      "traslado": "Bus",
      "costo_clp": null,
      "estado_costo": "pendiente_de_verificacion"
    }
  ],
  "costo_total_clp": null
}

Formatos de salida: CSV y tabla

CSV es el lenguaje más básico de una hoja de cálculo: valores separados por comas. Cada línea del archivo corresponde a una fila. Cada valor separado por coma es una columna.

CSV

dia,momento,actividad,traslado,costo_clp,estado_costo
1,mañana,Recorrido por la costanera,A pie,0,verificado
1,tarde,Visita a un museo,Bus,,pendiente_de_verificacion

La misma información puede representarse visualmente como una tabla:

El CSV no es una tabla visual. Es una manera de escribir sus filas y columnas como texto para que otra aplicación pueda leerlas.

No está a prueba de balas

Nunca es 100 % posible garantizar que el modelo responda de una manera estructurada. Hay técnicas que se usan con frecuencia para orientar la respuesta, especialmente en JSON.

Un objeto JSON comienza con una llave. Una técnica consiste en entregar anticipadamente esa llave como el comienzo de la respuesta del asistente. El modelo continúa desde ese punto, lo que reduce la posibilidad de que agregue una introducción antes del JSON. Es una técnica de orientación, no una garantía de que todo el resultado será válido. Si omites esa llave, el modelo suele abrir con un "¡Claro! Aquí tienes un itinerario..." y el JSON se va a pasear a la costanera.

Sin la llave, el mensaje del usuario pide JSON y el asistente todavía puede empezar con prosa.

JSON

[
  {
    "role": "user",
    "content": "Entrega el itinerario exclusivamente como un objeto JSON."
  }
]

Con la llave de apertura ya puesta en el mensaje del asistente, el modelo sigue desde {.

JSON

[
  {
    "role": "user",
    "content": "Entrega el itinerario exclusivamente como un objeto JSON."
  },
  {
    "role": "assistant",
    "content": "{"
  }
]

Para profundizar: Anthropic, prellenar la respuesta.

Tres niveles de control en Groq

Entra a https://console.groq.com/playground. Inserta el prompt de usuario que aparece abajo. Compara el resultado con tres niveles de control:

1. Un system prompt que indique responder en JSON.
2. Lo mismo, pero pedido en el user prompt.
3. JSON mode activado en las configuraciones.

Primero escribe el prompt base, todavía sin exigir JSON.

Prompt

# Objetivo y persona

Actúa como guía local y diseña un itinerario de tres días para Valdivia.

# Instrucciones

1. Selecciona actividades accesibles sin automóvil.
2. Organízalas considerando sus tiempos de traslado.
3. Estima el costo de cada actividad.

# Restricciones

Mantén el costo total dentro de $150.000.

# Contexto

El viaje será en invierno y participarán dos personas.

Después pide una salida JSON. Puedes concatenar este bloque al prompt anterior.

Prompt

# Formato de salida

Entrega una JSON con día, horario, actividad, traslado y costo.

# Ejemplo

Entrada: actividad con precio sin verificar.
Salida: costo pendiente de verificación.

# Recapitulación

El itinerario debe ser realizable sin automóvil, respetar el presupuesto
y distinguir los precios verificados de los pendientes.

Compara el resultado en los tres niveles.

Actividad final: Mejoremos al agente

Retoma el agente que construiste en la Clase 05, con un system, herramientas y un archivo de contexto.

Usa el mismo archivo de contexto de aquella actividad. Reemplaza las instrucciones originales por el prompt estructurado de abajo. Pídele de nuevo un mapa de los conceptos system, herramienta, agente y ciclo. Compara ambas respuestas. Identifica qué parte del nuevo prompt produjo la diferencia más importante.

El prompt sitúa al asistente (contexto, rol, objetivo), delimita cómo trabaja (instrucciones y restricciones) y define qué entrega (formato, ejemplo y recapitulación).

Prompt

# Contexto

Esta conversación busca ayudar a estudiantes del curso IIC103G a comprender
su material. Usa como fuente principal el archivo adjunto con las diapositivas
o notas del curso.

# Rol

Actúa como un asistente instructor que explica el material de forma detallada,
simple y conectada.

# Objetivo

Construye un mapa breve que permita entender la relación entre system,
herramienta, agente y ciclo.

# Instrucciones

1. Define cada concepto usando los términos del curso.
2. Explica cómo se relacionan los cuatro conceptos.
3. Contrasta cada afirmación con el archivo adjunto.
4. Identifica cualquier información necesaria que no aparezca en la fuente.

# Restricciones

- No inventes citas ni contenidos ausentes.
- Si una afirmación no está respaldada por el archivo, indícalo.
- No agregues conceptos que no ayuden a comprender las cuatro relaciones.
- Prefiere lenguaje simple, pero conserva los términos técnicos del curso.

# Formato de salida

Entrega:

1. Una definición de una oración para cada concepto.
2. Un mapa textual con flechas.
3. Una explicación breve de cada relación.
4. Una lista de información faltante, si corresponde.

# Ejemplo

Relación: agente -> herramienta
Explicación: el agente puede decidir solicitar una herramienta cuando necesita
información o realizar una acción en su entorno.

# Recapitulación

La respuesta debe ayudar a un estudiante de IIC103G a comprender los cuatro
conceptos, apoyarse en el material adjunto y distinguir con claridad cada
relación.

Estrategias avanzadas

Estructurar el prompt organiza la petición. A veces la tarea sigue siendo demasiado grande para resolverla de un golpe. Entonces pedimos trabajo intermedio.

Chain of Thought

Chain of Thought es una estrategia de prompting para pedir pasos intermedios de razonamiento antes de responder. Puede ayudar a abordar una tarea compleja mediante esos pasos. Los pasos intermedios anteceden a la respuesta final.

Hoy en día, los modelos realizan un proceso similar, por lo que debemos utilizar un modelo que no tenga esas habilidades, como GPT 4.1.

Prompt

Cuánto es 2x2+20^3?

Resuelve el problema por etapas: identifica los datos, elige la operación y comprueba el resultado antes de responder.

Prompt

Antes de decidir si este correo es spam, revisa el remitente, el asunto y las señales de una oferta sospechosa. Explica y razona tu decisión.

El primer ejemplo pide etapas para un cálculo. El segundo pide revisar señales antes de clasificar. En ambos, el modelo escribe un camino y recién después cierra.

Para profundizar: artículo original de Chain of Thought, ejemplos de Google Cloud y planificación en agentes de OpenAI.

Thinking mode

Los laboratorios de LLM incorporaron esta estrategia en sus modelos, en lo que se conoce como modo de razonamiento o thinking mode.

• Los modelos de razonamiento pueden dedicar una fase a planificar y revisar.
• Un agente puede incorporar esa fase mediante la aplicación que lo ejecuta.
• Según la implementación, el usuario puede ver un plan, un resumen o solo la respuesta final.

En los modelos donde el pensamiento es visible, suele aparecer con tags de XML. DeepSeek-R1 escribe el razonamiento entre <think> y </think> antes de la respuesta. El repositorio pide iniciar la salida con <think>.

XML

<think>
El usuario pide 2x2+20^3.
Primero la potencia: 20^3 = 8000.
Despues 2x2 = 4.
4 + 8000 = 8004.
</think>

8004

En otros modelos el pensamiento no se puede ver. OpenAI no expone los reasoning tokens crudos. Puede devolver un resumen si se pide summary, o solo la respuesta.

Chat

Usuario: Cuánto es 2x2+20^3?

Resumen del razonamiento: primero la potencia, despues el producto, despues la suma.

8004

La cuenta es la misma. Cambia lo que la interfaz te deja leer. Puede ser el bloque <think> completo, un resumen, o únicamente 8004.

Para profundizar: DeepSeek-R1, Thinking Mode de DeepSeek, modelos de razonamiento de OpenAI y Learning to reason with LLMs.

Prompt chaining

Prompt chaining consiste en separar una instrucción (un prompt) en varias instrucciones más pequeñas. La gracia es que se pueden utilizar los resultados intermedios para armar una secuencia de prompts basados en esos resultados.

• El encadenamiento de estos prompts es manual.
• Se usaba más cuando solo existían asistentes.

La técnica es simple. Separa la solicitud en resultados intermedios para luego modificar el prompt o pedir respuestas detalladas entre distintas sesiones.

Un prompt grande se corta. Cada corte produce un resultado que alimenta el siguiente.

Toma esta petición de Educación Física. Pide análisis, diseño, adaptaciones, monitoreo, evaluación y además una autocorrección, todo en un solo mensaje.

Prompt

Actúa como profesor experto en Educación Física y diseña una clase de 45 minutos
para 7° básico enfocada en resistencia cardiorrespiratoria.

El curso tiene 35 estudiantes, distintos niveles de condición física y motivación,
una cancha multiuso y equipamiento limitado a conos, cuerdas y balones.

La clase debe ser segura, inclusiva, progresiva y mantener a la mayor cantidad
de estudiantes activos. Incluye objetivos, actividades, tiempos, intensidad,
adaptaciones para distintos niveles, formas de monitorear el esfuerzo y una
evaluación simple.

Además, revisa críticamente tu propia propuesta, identifica posibles problemas
de implementación y corrígelos antes de entregar la versión final.

Se puede separar en cuatro prompts. El propósito de esta separación es que el modelo participe en el desarrollo del plan. No siempre harán falta todas las etapas, ni de esta forma.

Análisis

Define criterios. Todavía no diseña la clase.

Prompt

Analiza este contexto de una clase de Educación Física de 7° básico y define
los principales criterios que deberían orientar su diseño.

Contexto: 35 estudiantes, 45 minutos, foco en resistencia cardiorrespiratoria,
cancha multiuso, pocos materiales y niveles heterogéneos de condición física.

Prioriza entre 5 y 7 criterios relacionados con intensidad, seguridad, inclusión,
participación y organización. No diseñes todavía la clase.

Diseño

Usa esos criterios para armar los 45 minutos.

Prompt

Usando los criterios anteriores, diseña una clase de 45 minutos dividida en
inicio, desarrollo y cierre.

Para cada etapa indica duración, actividad, organización e intensidad esperada.
Minimiza tiempos de espera y prioriza participación simultánea.

Adaptar

Revisa la clase y ajusta variables, sin separar en público a quienes tienen distinta condición física.

Prompt

Revisa la clase anterior y adapta sus actividades para estudiantes con baja,
media y alta condición física.

Mantén los mismos objetivos y modifica variables como distancia, tiempo, velocidad
o pausas. Evita separar públicamente a los estudiantes por nivel.

Evaluar

Cierra con una crítica y una versión revisada.

Prompt

Evalúa críticamente la planificación anterior.

Identifica hasta 5 problemas potenciales de seguridad, carga, organización,
participación o supervisión docente. Propón una corrección concreta para cada uno
y entrega una versión final revisada.

En una conversación, esos cuatro cortes se ven como turnos. Cada respuesta del asistente queda disponible para el prompt siguiente.

Chat

Usuario: 1. Análisis: define 5 a 7 criterios. No diseñes todavía la clase.
Asistente: Criterios: seguridad, inclusión, intensidad, participación simultánea, organización.

Usuario: 2. Diseño: 45 minutos en inicio, desarrollo y cierre.
Asistente: Inicio 8 min, desarrollo 30, cierre 7. Todos activos al mismo tiempo.

Usuario: 3. Adapta a baja, media y alta condición física, sin separar en público.
Asistente: Misma cancha. Cambio distancia, tiempo y pausas.

Usuario: 4. Evalúa y entrega una versión final revisada.
Asistente: Ajuste: menos espera en el cierre y una señal clara de esfuerzo.

Y con agentes

Con agentes, el modelo mental es el mismo.

Por su comportamiento pueden ser más proactivos en algunas de estas etapas, y anticiparse, a menos que se los prohibamos en el system prompt.