Práctica de Ingeniería de Prompts

Aquí puedes experimentar con diferentes tipos de prompts para interactuar con la Inteligencia Artificial. ¡Explora cómo la formulación de tus preguntas influye en las respuestas!

Principios para un Prompt Ideal

1. Prompt Básico

Comienza con una pregunta o instrucción directa. Observa cómo la IA responde a solicitudes simples.

2. Prompt con Rol

Asigna un rol a la IA para obtener respuestas desde una perspectiva específica.

3. Prompt Iterativo / Refinamiento

Aprende a refinar tus prompts basándose en las respuestas anteriores de la IA.

Frameworks de Prompt Engineering

Framework CLEAR

El framework Clear se compone de cinco elementos:

  • **Contexto:** Proporcionar información sobre el contexto de la tarea.
  • **Longitud:** Especificar la longitud deseada de la respuesta.
  • **Expectativa:** Indicar el tipo de respuesta que se espera.
  • **Acción:** Definir la acción específica que se debe realizar.
  • **Resultado:** Establecer el resultado deseado.

Framework SMART

**S**pecific (Específico): Sé específico acerca de lo que necesitas.
**M**easurable (Medible): Indica criterios que puedan medir el éxito de la respuesta.
**A**chievable (Alcanzable): Asegúrate de que la solicitud sea algo que el modelo pueda lograr de manera realista.
**R**elevant (Relevante): Asegúrate de que la solicitud sea relevante para el problema.
**T**ime-bound (Con Plazo): Si es necesario, incluye una fecha límite para la entrega de la respuesta.

Framework IDEAL

  • **Identify:** Identifica claramente el problema.
  • **Define:** Define los requisitos y límites de la tarea.
  • **Enumerate:** Enumera los posibles enfoques o soluciones.
  • **Analyze:** Analiza estos enfoques para encontrar el mas adecuado.
  • **List:** Enumera los pasos necesarios para implementar la solución.

Framework BRIEF

  • **Background:** Proporciona los antecedentes pertinentes de la solicitud.
  • **Reason:** Explica el motivo de la solicitud.
  • **Information:** Incluye información específica que el modelo necesita para formular la respuesta.
  • **End:** Describe lo que consideras una conclusión.
  • **Follow-up:** Indica si será necesario tomar medidas adicionales.

Prompt TAG

  • **Tarea (Task):** La acción principal que debe realizar el modelo.
  • **Acción (Action):** Cómo debe realizar la tarea.
  • **Objetivo (Goal):** El resultado final deseado.

Prompt RISE

Este prompt te permite obtener resultados aún más personalizados. Incluye los siguientes elementos:

  • **Rol:** Especifica un rol (ej., diseñador de aprendizaje, educador corporativo, desarrollador).
  • **Intereses:** Indica tus estilos de aprendizaje preferidos (ej., auditivo, colaborativo, kinestésico).
  • **Step-by-step (Paso a paso):** Pide un plan de acción detallado.
  • **Expectativa:** Describe cómo quieres aplicar las estrategias (ej., en tu trabajo, en un proyecto).

Prompt RTF

  • **Rol:** Actúa como un… [define el rol]
  • **Tarea:** Crea una tarea
  • **Formato:** Muéstramelo en… [define el formato]

Prompt BAB

  • **Antes:** Explica tu problema
  • **Después:** Indica el resultado que deseas alcanzar
  • **Incluir:** Pide que incluya

Marco de 4 Capas para Prompts a Prueba de Contexto

Este framework busca crear prompts que funcionen de manera confiable y consistente en diversas situaciones, independientemente del modelo de IA o del contexto de la conversación.

  • **Capa 1: Arquitectura de Instrucciones Centrales:** Establece una estructura sólida. Incluye ROL, TAREA, CONTEXTO, RESTRICCIONES y RESULTADO.
  • **Capa 2: Independencia del Contexto:** Asegura que el prompt funcione sin depender del historial. Reitera información clave, define términos e incluye ejemplos.
  • **Capa 3: Lenguaje Agnóstico al Modelo:** Usa un lenguaje universal que funcione en diferentes modelos de IA, evitando trucos específicos.
  • **Capa 4: Iteración y Mejora Continua:** Aunque no se detalla explícitamente en la fuente, esta capa implica el proceso constante de refinar y mejorar los prompts basándose en los resultados.

Técnicas Comunes en IA Generativa

Estas técnicas, como Zero-Shot y Few-Shot Prompt, te permiten mejorar la precisión de las respuestas de los LLM.

Zero-Shot Prompt

Se explica como realizar preguntas directas al LLM sin ejemplos previos. Se utiliza el modelo DeepSeek para resolver un problema lógico paso a paso, destacando la funcionalidad "Deep Think" para un razonamiento más detallado.

Ejemplo 1: Traducción

Prompt: Traduce la siguiente frase al español: "Hello, how are you?"

Explicación: Aquí, simplemente le pedimos al modelo que traduzca una frase sin darle ningún ejemplo previo de traducciones.

Ejemplo 2: Resumen

Prompt: Resume el siguiente texto: "El cambio climático es un problema global que afecta a todos los países. Las emisiones de gases de efecto invernadero son la principal causa del calentamiento global..."

Explicación: Le pedimos al modelo que resuma un texto sin darle ejemplos de cómo resumir.

Few-Shot Prompt

Se explica cómo proporcionar ejemplos para guiar al LLM sobre el formato y tipo de respuesta deseada. Se muestra un ejemplo práctico para extraer siglas de nombres y edades, y otro para identificar la ciudad más poblada de un país, garantizando consistencia en las respuestas.

Ejemplo 1: Clasificación de Sentimientos

Prompt:
Texto: "Me encanta este producto." - Sentimiento: Positivo
Texto: "Este servicio es terrible." - Sentimiento: Negativo
Texto: "No estoy seguro de qué pensar." - Sentimiento: Neutral
Texto: "Este producto es bastante bueno." - Sentimiento:

Explicación: Le damos al modelo algunos ejemplos de cómo clasificar el sentimiento de un texto y luego le pedimos que clasifique un nuevo texto basándose en los ejemplos proporcionados.

Ejemplo 2: Generación de Nombres de Productos

Prompt:
Descripción: "Un champú para cabello seco." - Nombre: "HidraBrillo"
Descripción: "Una crema hidratante para piel grasa." - Nombre: "EquilibrioPure"
Descripción: "Un protector solar para piel sensible." - Nombre:

Explicación: Le damos al modelo ejemplos de cómo generar nombres de productos basados en su descripción y luego le pedimos que genere un nuevo nombre siguiendo el mismo patrón.

Chain-of-Thought (CoT) Prompting

Esta técnica implica pedirle a la IA que muestre su proceso de razonamiento paso a paso antes de dar la respuesta final. Es especialmente útil para problemas complejos que requieren lógica o múltiples etapas de pensamiento, mejorando la precisión y la interpretabilidad de las respuestas.

Ejemplo: Resolución de Problemas Lógicos

Prompt: Un grupo de 5 amigos (Ana, Luis, Clara, Diego, Elena) va a una cafetería. 1. Ana se sienta junto a Luis. 2. Clara no se sienta junto a Diego. 3. Elena se sienta en el extremo de la mesa. 4. Luis se sienta en el medio. ¿Cuál es el orden de los 5 amigos sentados en la mesa? Piensa paso a paso.

Explicación: Al pedirle a la IA que "piense paso a paso", la estamos guiando para que descomponga el problema y muestre su lógica, lo que a menudo conduce a una respuesta más precisa y fácil de verificar.

Analizador y Mejorador de Prompts con IA ✨

Ingresa tu prompt y la IA te sugerirá el tipo de prompt ideal y te ofrecerá una versión mejorada.

Referencias

← Volver al Índice Principal