Escribir buenos prompts: lo que recomiendan hoy Anthropic, OpenAI y Google

Escribir un prompt es redactar un encargo. Por eso quien viene de la filología parte con ventaja: precisar, situar el registro, eliminar ambigüedades y elegir buenos ejemplos es su oficio. Esta pieza reúne lo que recomiendan hoy las guías oficiales de los tres grandes proveedores y deja fuera lo que ya no hace falta.

Si quieres probar el ejemplo de código directamente: abre el cuaderno en Google Colab · descarga el cuaderno completo · aprende a usar Colab. Requiere tu propia clave de API de Anthropic y puede generar cargos.

1. Lo que ha cambiado

Hasta hace poco, escribir prompts era en parte coleccionar trucos: pedir «piensa paso a paso», gritar en mayúsculas, prometer propinas, empezar tú la respuesta para forzar un formato. Los modelos actuales han dejado casi todo eso atrás por tres motivos:

• Razonan antes de responder. Ya no hace falta pedirles que escriban sus pasos. Las tres guías lo dicen: esa instrucción aporta poco y a veces estorba. Cuánto razona el modelo se regula con un ajuste aparte, no con el prompt.
• Siguen las instrucciones al pie de la letra. Lo que antes había que exagerar para que el modelo lo notara, hoy se cumple de más. Un «SIEMPRE» en mayúsculas puede volverlo rígido.
• Tienen funciones específicas. Para obtener un JSON válido existen las salidas estructuradas. Para datos recientes, la búsqueda integrada. Para cálculos, la ejecución de código. Ya no se fuerza nada a base de redacción.

Lo que no ha cambiado es lo esencial: el modelo solo sabe lo que le cuentas.

2. La regla de oro

La guía de Anthropic la formula así, y vale para cualquier modelo: enseña tu prompt a un colega que no sepa nada de la tarea. Si él se confundiría, el modelo también.

Piensa en el modelo como en una persona competente que acaba de llegar a tu equipo: sabe mucho en general, pero no conoce a tus lectores, tus criterios ni para qué sirve el encargo. Todo eso hay que escribirlo.

Pruébalo. Empieza con el prompt mínimo y activa capas:

Resume este artículo.

Fíjate en que ninguna capa es un truco. Son las preguntas que haría una persona antes de ponerse a trabajar.

3. Cinco consejos en los que coinciden todos

1. Sé específico con lo comprobable. «Breve» es vago; «de 3 a 5 frases» se puede verificar. OpenAI lo pone como ejemplo: menos adjetivos imprecisos, más criterios concretos.

2. Explica el porqué. Anthropic insiste en ello: el modelo generaliza a partir del motivo.

Con el motivo, el modelo evitará también otros símbolos impronunciables sin que se lo pidas.

3. Di qué hacer, no solo qué evitar. Una prohibición deja un hueco; una alternativa lo llena.

4. Separa instrucciones y datos. Cuando el prompt incluye un texto para trabajar, márcalo: etiquetas como <articulo>…</articulo>, encabezados o comillas triples. Así el modelo no confunde lo que tiene que hacer con lo que tiene que leer. Además, si ese texto contiene frases como «ignora lo anterior», quedan claramente del lado de los datos.

5. Para tareas largas, encadena. Analizar un correo, decidir la estrategia y redactar la respuesta salen mejor en tres pasos que en uno. Cada paso se puede revisar por separado.

4. Dónde difieren

Las tres guías coinciden en lo esencial, pero no en todo. Estas son las diferencias que importan en la práctica:

La diferencia más visible es la de los ejemplos. No es una contradicción: es una advertencia sobre su poder. Unos ejemplos mal elegidos enseñan lo que no querías. Si todos tus ejemplos de reseña positiva son cortos y los negativos largos, el modelo aprende la longitud, no la polaridad. Elige casos variados y, sobre todo, difíciles.

5. Lo que ya puedes dejar de hacer

• «Piensa paso a paso». Los modelos actuales ya lo hacen. Si necesitas más razonamiento, sube el ajuste de esfuerzo.
• Mayúsculas y amenazas. «CRÍTICO», «SIEMPRE», «te despedirán si…». Sobrerreaccionan. Escribe en tono normal y explica el motivo.
• Promesas de propina y roles grandilocuentes. «Eres el mejor experto del mundo» aporta poco. Un rol útil es concreto: «Eres corrector de estilo de una editorial de libros de texto».
• Pedir JSON y rezar. Si necesitas una estructura fija, usa la función de salidas estructuradas de tu proveedor: garantiza el formato.
• Prompts contra la pereza. «Sé exhaustivo, no te dejes nada» se escribía para modelos antiguos. Con los actuales provoca respuestas infladas.

6. Un vistazo al código

Si algún día usas un modelo desde un programa, el prompt se divide en dos partes: las instrucciones fijas (el system prompt, que OpenAI llama mensaje del desarrollador) y el mensaje de cada consulta. Así queda con la librería de Anthropic en Python; las de OpenAI y Google siguen el mismo esquema.

import anthropic                       # la librería del proveedor

cliente = anthropic.Anthropic()        # lee la clave de acceso del entorno

respuesta = cliente.messages.create(
    model="claude-sonnet-5-5",         # qué modelo usar
    max_tokens=1000,                   # tope de longitud de la respuesta
    system="Eres corrector de estilo de una editorial de libros de texto. "
           "Los lectores tienen 12 años.",   # instrucciones fijas
    messages=[{"role": "user", "content": "<texto>…</texto>\n\nCorrige el texto anterior."}],
)
print(respuesta.content[0].text)       # el texto que devuelve el modelo

No hace falta entender cada línea. Fíjate en tres cosas: el rol va en system, los datos van delimitados con etiquetas y la instrucción va al final.

7. Prompts para asistentes que conversan

Cuando el prompt no es un encargo suelto sino las instrucciones permanentes de un asistente, conviene separar tres capas: lo que no cambia, lo que dice la persona en cada turno y lo que el sistema recupera por su cuenta.

Atiendes a clientes de una compañía de trenes.
Puedes consultar y cambiar billetes; no puedes hacer devoluciones.
Trata de tú. Si no encuentras la información, dilo y ofrece
el teléfono de atención: no la supongas.

Quiero cambiar mi billete del viernes a Sevilla.

<billetes>
Madrid-Sevilla, viernes 9:05, tarifa flexible
</billetes>

Las instrucciones del sistema son, en la práctica, la guía de estilo y la política del asistente: cómo trata a la persona, qué hace cuando no sabe, cuándo pide confirmación. Escribirlas bien es una parte del diseño conversacional, que se ocupa además de los turnos, los fallos y el cierre de cada tarea.

8. Cómo saber si un prompt es mejor que otro

Probándolo, no intuyéndolo. Reúne entre 20 y 50 casos reales con la respuesta que esperas, incluidos los difíciles, y compara las versiones del prompt sobre ese mismo conjunto. Sin esa prueba, cada cambio que «parece funcionar» puede arreglar un caso y estropear otros diez. Es la misma lógica que explica Evaluar un clasificador.

Para seguir

• Ingeniería de prompts: la competencia profesional.
• Cómo funciona un sistema RAG por dentro: cuando el prompt incluye documentos recuperados.
• Diseño conversacional: cuando el prompt guía a un asistente que conversa y actúa.