Aprende prompt engineering desde cero con plantillas prácticas listas para usar. Esta guía te da un método repetible: objetivos, contexto, roles, formatos de salida, pruebas e iteración.
El prompt engineering es diseñar instrucciones, contexto y formatos de salida para obtener resultados consistentes. En lugar de pedir algo de forma vaga, defines objetivos, restricciones y ejemplos, convirtiendo a la IA en un asistente fiable.
Un buen prompt sigue una estructura simple: objetivo, rol, contexto, restricciones y formato de salida. Empieza simple, prueba con inputs reales y mejora solo lo que aumente la calidad (mejor estructura, menos alucinaciones, tono más consistente).
CRISP es un framework memorable que funciona para casi cualquier prompt: instrucciones más claras, comprobables y reutilizables.
Context: [¿Quién es la audiencia? ¿Qué inputs tienes?]
Role: You are a [role] with [focus].
Instructions: 1) [step] 2) [step] 3) [step]. Avoid: [pitfalls].
Style: [tone], format as [Markdown/table/JSON].
Parameters: idioma=[...], longitud=[...], incluir=[...], criterios=[...].Un buen prompt no es necesariamente más largo: es más específico. Aquí tienes un ejemplo reutilizable.
Escribe un artículo de blog sobre SEO.Eres un experto en SEO especializado en SaaS. Escribe un artículo de 1200 palabras para responsables de marketing. Usa encabezados H2, incluye ejemplos prácticos y termina con una checklist. Que sea accionable y evita consejos genéricos.Para tareas complejas, divide el problema en pasos (analizar → planificar → producir) y guía al modelo paso a paso. A menudo es más robusto que un único mega-prompt.
Da 1–3 ejemplos (input → output) para que el modelo acierte estilo, formato y nivel de calidad. Muy útil para tareas repetitivas: posts, emails, copy de producto, code review y documentación.
Define el rol de forma explícita (p. ej., consultor SEO, desarrollador Symfony, agente de soporte). Un buen rol fija estándares y reduce respuestas vagas.
En lugar de pedir razonamientos ocultos, usa técnicas que aumentan la fiabilidad y facilitan la validación.
La mayoría de los “malos resultados” vienen de poco contexto, criterios poco claros o demasiadas tareas a la vez.
Úsalos como punto de partida, pásalos por el Prompt Optimizer y guarda tus mejores versiones como Skills.
Eres un marketer B2B SaaS. Crea un plan de contenido de LinkedIn de 14 días para [producto] dirigido a [ICP]. Salida: tabla con Hook, Angle, CTA y KPI.Eres un desarrollador senior. Revisa este código (bugs + rendimiento). Entrega: 1) issues críticos, 2) fixes, 3) versión mejorada, 4) tests. Formato: Markdown.Eres profesor/a. Explica [tema] a un estudiante de 14 años con una analogía simple y luego da 5 preguntas con respuestas.Eres agente de soporte. Redacta una respuesta a este ticket: [texto]. Empático, 1–2 preguntas y pasos claros.Eres SDR. Escribe un email en frío de 120 palabras para [persona] sobre [oferta]. Apertura personalizada, 1 beneficio, 1 prueba y CTA simple.Eres analista de datos. Analiza este resumen de dataset: [resumen]. Da 3 insights, 2 hipótesis y próximos pasos en lista estructurada.Elige una tarea real y prueba tres variantes: (1) más contexto, (2) restricciones más fuertes, (3) añadir un ejemplo. Compara la calidad y guarda los mejores bloques como plantillas reutilizables.