Galería de Prompts

El texto define a un Especialista Premium en Refinamiento de Prompts, cuyo objetivo es ayudar a crear, revisar y optimizar prompts de alto rendimiento mediante un flujo de trabajo estructurado. El proceso incluye revisar el prompt base, recopilar y simular comentarios, analizar salidas para detectar problemas de tono, lógica o ambigüedad, enumerar debilidades y proponer 2‑3 versiones refinadas con anotaciones explicativas. Luego se pueden probar (o simular) las nuevas versiones, iterar según el feedback recibido y finalizar una versión lista para copiar, añadiendo formato y una llamada a la acción concreta. **Ejemplo breve:** Un usuario quiere un prompt que genere ideas de contenido para Instagram; el especialista revisa el prompt inicial, identifica que falta claridad en el público objetivo, propone versiones más precisas, sugiere probarlas en GPT‑4 y entrega la versión final lista para usar.

El prompt convierte al asistente en un “director de orquesta” que reúne a varios expertos para abordar una tarea, definiendo un proceso analítico, diálogos colaborativos y una solución final independiente. Selecciona expertos con conocimientos profundos y perspectivas complementarias, permite que discutan, desafíen y perfeccionen ideas de forma natural, y itera hasta lograr una respuesta completa. Los expertos hablan con su voz auténtica, usan etiquetas para estructurar sus aportes y el asistente sintetiza todo en una respuesta coherente y justificada. Los principios guían la colaboración: dejar que los expertos lideren, aprovechar el desacuerdo como motor de mejora y refinar continuamente hasta que la solución se sienta completa. **Ejemplo breve:** solicitar un ensayo sobre la IA donde Alan Turing aporte la visión histórica, Ilya Sutskever y Geoffrey Hinton ofrezcan la perspectiva moderna, y un redactor como Ashlee Vance mejore la redacción, iterando hasta obtener el texto final.

El texto describe un flujo de trabajo estructurado para que un ingeniero de prompts de ChatGPT colabore con el usuario en la creación de respuestas óptimas. Primero se confirma la tarea y se proponen roles expertos adicionales, que el usuario puede aceptar o ajustar; luego se validan habilidades y se recogen detalles y fuentes de referencia. Con esa información se elabora un prompt detallado, se revisa con el usuario y se itera hasta que quede satisfecho, finalizando con ajustes o la confirmación de cumplimiento. El proceso garantiza que cada rol contribuya de forma clara y que el resultado se ajuste exactamente a las necesidades del usuario. **Ejemplo de uso:** Un cliente necesita redactar una campaña de marketing; el ingeniero de prompts sigue el flujo, añade roles de copywriter y analista de datos, recopila la información del cliente y entrega un prompt que genera los textos de la campaña.

El marco propone un proceso de razonamiento iterativo para Claude 3.5 que combina un Diagrama de Pensamiento (DAG), Q‑Learning y una memoria temporal, permitiendo explorar múltiples rutas lógicas mientras se mantiene la coherencia y se controla el sesgo. Cada paso del razonamiento se representa como un nodo del DAG y las aristas indican relaciones lógicas; el Q‑Learning guía la selección de caminos y la memoria temporal preserva información relevante a largo plazo. El sistema incluye auto‑evaluación continua para detectar contradicciones, generación de explicaciones en lenguaje natural y visualizaciones del DAG, y permite incorporar críticas externas para ajustar dinámicamente el proceso. Finalmente, el marco soporta la corrección proactiva de sesgos mediante la incorporación de perspectivas diversas y la ponderación dinámica de la información. *Ejemplo:* un analista usa el marco para diseñar una estrategia de inversión, definiendo el problema, construyendo iterativamente el DAG de razonamiento, corrigiendo sesgos detectados y refinando la estrategia con feedback de expertos hasta obtener una solución robusta.

El texto describe cómo crear prompts para o1, una serie de modelos de lenguaje orientados al razonamiento interno, indicando que deben ser claros, concisos y centrados en un objetivo definido sin permitir suposiciones. Recomienda organizar el contexto por encima del objetivo final, usando delimitadores o etiquetas XML para separar secciones. Advierte que técnicas habituales como few‑shot o “pensar paso a paso” no mejoran y pueden empeorar el rendimiento, por lo que se deben evitar. La guía enfatiza que los prompts deben ser simples, directos y sin cadenas de razonamiento explícitas. **Ejemplo:** ``` <instrucción>Resume el artículo en tres frases.</instrucción> <texto>...</texto> ```

El prompt define una meta a cumplir, especifica el formato de salida, indica advertencias a observar y provee contexto adicional. Se rellenan los marcadores [GOAL], [RETURN FORMAT], [WARNINGS] y [CONTEXT DUMP] con la información concreta del caso. Al ejecutarse, el modelo sigue la meta, formatea la respuesta según lo indicado y evita los errores señalados, usando el contexto suministrado. Ejemplo: “Quiero que resumas este artículo en viñetas, evitando datos no verificados, usando el texto del artículo como contexto”.

El prompt define una estructura de respuesta para una IA que debe ofrecer explicaciones detalladas paso a paso. Se requiere iniciar con una sección de pensamiento donde se analice brevemente la pregunta, se esbocen los pasos a seguir y, si es necesario, se emplee un razonamiento en cadena numerada. Cada idea debe revisarse en una subsección de reflexión que verifique errores y ajuste conclusiones, cerrando siempre las etiquetas usadas. Finalmente, la respuesta concluye con la sección de respuesta final, manteniendo todas las etiquetas en líneas separadas y sin texto adicional. *Ejemplo de uso:* al preguntar “¿Cómo calcular el área de un círculo?”, la IA iniciará con `<thinking>`, describirá el razonamiento, revisará su cálculo en `<reflection>`, y entregará la fórmula y el resultado en `<final>`.

El texto describe un método estructurado para mejorar prompts, basado en la “elevación de conceptos”, que consiste en sintetizar instrucciones dispersas en ideas de nivel superior más claras y compactas. El proceso incluye 25 min de análisis profundo para extraer los objetivos principales, 25 min adicionales para agruparlos, y luego la generación iterativa de “resúmenes de ideas” para cada grupo hasta lograr la formulación óptima. Finalmente se revisa todo el trabajo, se ajustan posibles mejoras y se crea un prompt final más conciso y eficaz, marcando cada paso con etiquetas para auditoría. *Ejemplo de uso*: un creador de contenido quiere que la IA genere guiones de video; aplicando este método, reduce una lista larga de instrucciones a una única frase que indica “generar guiones de 2 minutos, tono humorístico, con llamada a la acción al final”.

El prompt indica que ChatGPT debe crear un resumen estructurado de toda la conversación, usando markdown con secciones específicas: un informe detallado, una lista de temas clave, proyectos en curso con su objetivo, estado, retos y próximos pasos, preferencias del usuario y acciones pendientes. Cada sección está pensada para capturar información esencial que permita continuar la sesión sin perder contexto. El formato facilita la revisión rápida y la transferencia de datos a una nueva interacción. **Ejemplo de uso:** después de una charla sobre la planificación de una campaña de marketing, el modelo genera el markdown con el informe de objetivos, los temas tratados (segmentación, presupuesto, canales), el proyecto “Campaña Primavera” con su estado actual, los retos de timing, los próximos pasos y las preferencias de tono del usuario.

El texto es una plantilla para diseñar prompts de agentes de IA especializados, donde se especifican el rol de experto, el objetivo principal y secundario, el tono y estilo de respuesta, así como restricciones y límites. Incluye secciones para definir el contexto que aportará el usuario y una lista de instrucciones que el agente debe seguir paso a paso. Además, muestra cómo estructurar una respuesta de ejemplo basada en una entrada concreta del usuario, enfatizando claridad y eficiencia. El resultado final debe entregarse dentro de un bloque de código. **Ejemplo breve:** Si el objetivo es “generar ideas de negocio” y el tono es “amigable”, el agente responderá a la solicitud “Necesito ideas para una startup” con una lista concisa de propuestas, todo dentro de un bloque de código.