Serie de aprendizaje de IA · Lección 2 de 4
La distancia entre una petición vaga y una bien formada suele ser mayor que la distancia entre dos modelos. Un prompt no es un deseo: es una especificación. Un objetivo, el contexto del que depende, las restricciones que debe respetar y la comprobación que tiene que superar.
Estado: esquema. El recorrido en pantalla aún no se ha grabado: esta entrada es el plan que seguirá, y recibirá el recorrido real cuando la lección se emita.
| Lección | Enfoque | Pregunta que responde |
|---|---|---|
| 1 — Uso de modelos | Nivel de modelo, contexto, tokens | ¿Qué modelo necesita esta tarea? |
| 2 — Prompt, proyecto y contexto | Estructura del prompt, contexto permanente | ¿Qué se pone delante del modelo? |
| 3 — Documentación, reglas y skills | Estructura del repositorio | ¿Cómo se mantiene coherente un repositorio entre sesiones? |
| 4 — Reducir el costo | Medición, palancas, límites | ¿Cómo gastar menos sin perder calidad? |
Lo que podrás hacer
- Convertir una petición vaga en un prompt que se sostenga
- Indicar cómo se comprobará el resultado, para que el modelo pueda comprobarse a sí mismo
- Configurar un proyecto para que cada sesión empiece ya conociendo el trabajo, sin volver a explicarlo
Se apoya en la lección 1: qué modelo, cuánto contexto y cuánto cuesta aproximadamente. Esta lección decide qué entra en ese contexto.
Fuera del alcance: archivos de reglas, skills y estructura de documentación del repositorio (lección 3), y la reducción del gasto (lección 4). En esta lección, "proyecto" significa el contexto permanente que entregas a un modelo, no la configuración completa de un repositorio.
El prompt
Mismo modelo, dos prompts — la línea base
- Una tarea real de este proyecto se ejecuta con dos prompts en el mismo modelo, lado a lado
- No se trata de que el prompt sea magia: el prompt suele ser la variable más grande
Anatomía del prompt — cinco partes
- Objetivo — lo que quieres, en una frase
- Contexto — los archivos o secciones de los que depende, citados en lugar de parafraseados de memoria
- Restricciones — lo que no debe cambiar y qué convenciones aplican
- Salida — formato, extensión y dónde va
- Hecho cuando — la comprobación que el resultado debe superar
▶ show code▼ hide code
# Vague
Hide the lesson posts from the homepage.
# Structured
Goal: Hide posts marked `homepageExcluded: true` from the homepage
list, but keep them on /blog.
Context: src/lib/blog.ts — getListedPosts() and getHomepagePosts()
Constraints: Don't change getAllPosts(). `unlisted: true` still hides a
post from both lists.
Output: A minimal diff, no unrelated refactors.
Done when: Tests pass, and the homepage no longer lists the lessons
while /blog still does.
Criterios de aceptación — di cómo se comprobará
- Los criterios y los ejemplos dan al modelo algo contra lo que verificar su propia salida
- La misma tarea se ejecuta con y sin criterios explícitos, y cada salida se comprueba contra ellos
Itera sobre el prompt, no sobre la salida
- Cuando una ejecución falla, el instinto es parchear la salida a mano: resístelo
- Diagnostica por qué falló el prompt, corrígelo y vuelve a ejecutar
- Reconoce cuándo abandonar una conversación y empezar de cero en lugar de corregirla turno tras turno
El proyecto
Contexto permanente frente a prompt único
| Ponlo en… | Cuándo es cierto | Ejemplo |
|---|---|---|
| Contexto permanente del proyecto | En cada sesión | Stack, convenciones, "nunca edites src/components/ui/" |
| Un prompt único | Solo en esta tarea | El objetivo, los archivos implicados, la comprobación de aceptación |
- En pantalla: se configura un proyecto, una instrucción pasa de un prompt al contexto permanente y se muestra la diferencia
Contexto — deliberado, no exhaustivo
- Envía los archivos relevantes, no todo
- Cita la fuente real en lugar de describirla de memoria
- En pantalla: un archivo largo pegado entero frente a solo la sección relevante, comparando salida y costo en tokens
La lista del prompt
▶ show code▼ hide code
# Prompt Checklist — before you send
1. Goal stated in one sentence?
2. Context quoted from source, not paraphrased?
3. Constraints: what must not change?
4. Output format and destination stated?
5. "Done when" — a check the result can actually fail?
6. Anything here true for every session? Move it to project context.
7. Run failed? Fix the prompt, then rerun — don't hand-patch the output.
Verifica antes de confiar en ello
Esta lección no nombra funciones, límites ni precios concretos de ningún producto. Antes de grabarla, cada uno de estos puntos se comprueba en la documentación actual del proveedor:
- Cómo llama la herramienta mostrada a su función de contexto permanente, y qué puede contener
- Límites de tamaño de archivos adjuntos o del conocimiento del proyecto en esa herramienta
- Si el modelo se comporta distinto con el razonamiento extendido activado o desactivado
- Si algo de aquí contradice la guía de prompting actual del propio proveedor
Preguntas frecuentes
"¿No es siempre mejor un prompt más largo?" No. Un prompt más largo con el contexto equivocado es peor que uno corto con el contexto correcto. La estructura gana a la longitud.
"¿Cuándo debo empezar una conversación nueva?" Cuando hayas corregido el mismo malentendido dos veces. Corrige el prompt y empieza de cero.
"¿Qué va en el contexto del proyecto?" Todo lo que es cierto en cada sesión: el stack, las convenciones, lo que no se hace. Lo que es cierto para una sola tarea se queda en el prompt.
Siguiente: lección 3
Un proyecto con buen contexto permanente funciona, hasta que la unidad de trabajo es un repositorio entero. La lección 3 divide ese contexto en documentación, reglas y skills, para que un asistente de IA deje de desviarse de sus propias convenciones en cada sesión nueva.