Índice de la sección

Prompt de sistema

Qué es el parámetro system, qué conviene poner en él, cómo estructurarlo por secciones y cómo cachearlo cuando es largo.

Publicado 22 jul 2026 4 min de lectura

El prompt de sistema es el texto que pasas en el parámetro system de la petición, separado de la conversación. Contiene lo que no cambia de un turno a otro: el papel del modelo, las reglas, el formato de salida y el contexto estable. El modelo lo trata como marco de toda la conversación y le da más peso que a una instrucción equivalente dentro de un mensaje user.

La lección El prompt de sistema: rol y reglas fijas lo enseña paso a paso. Aquí tienes la referencia.

Qué va en `system` y qué no

Va en `system`	Va en `messages`
Rol y destinatario («asistente de soporte para clientes de una tienda online»)	La pregunta o tarea concreta de este turno
Reglas fijas y límites («no prometas plazos de entrega»)	Datos que cambian en cada petición
Formato de salida y tono	Documentos subidos por la persona
Contexto estable: políticas, glosario del dominio, descripción del producto	Resultados de herramientas (`tool_result`)
Cuándo usar cada herramienta	Ejemplos específicos de un caso (salvo que sean fijos)

La regla práctica: si el texto sería el mismo para todas las conversaciones de tu aplicación, va en system. Así además se puede cachear (ver más abajo).

Forma del parámetro

system acepta una cadena o una lista de bloques de texto. La lista sirve para marcar puntos de caché o para separar secciones que montas desde distintas fuentes.

Forma	Ejemplo	Cuándo
Cadena	`system="Eres…"`	Prompts cortos o que no cacheas.
Lista de bloques	`system=[{"type": "text", "text": "…"}]`	Prompts largos, caché, varias partes.
Bloque con caché	`{"type": "text", "text": "…", "cache_control": {"type": "ephemeral"}}`	Prompt estable que se repite en muchas llamadas.

Estructura recomendada

Un prompt de sistema largo se lee mejor (para ti y para el modelo) con secciones delimitadas. Las etiquetas XML funcionan bien porque el modelo las distingue con claridad del contenido.

Eres el asistente de soporte de Libroteca, una tienda online de libros.
Atiendes a clientes en español por chat.

<objetivo>
Resolver dudas sobre pedidos, envíos y devoluciones. Si no puedes resolverlo,
crea un ticket para el equipo humano.
</objetivo>

<reglas>
- Usa solo la información de <politicas> y de las herramientas. Si no está ahí, dilo.
- No prometas plazos que no aparezcan en el pedido.
- Las devoluciones de más de 50 € requieren aprobación humana: crea un ticket.
</reglas>

<formato>
Respuestas de 1 a 4 frases. Sin listas salvo que pidan pasos.
</formato>

<politicas>
...texto de las políticas de envío y devolución...
</politicas>

Explica el porqué de las reglas que no son obvias. «No uses listas, porque el chat las muestra mal en el móvil» funciona mejor que «NUNCA uses listas». El modelo generaliza a partir del motivo. Más principios en Principios de prompting.

Ejemplo completo

import pathlib
import anthropic

MODEL = "claude-sonnet-5-5"
client = anthropic.Anthropic()

SISTEMA = pathlib.Path("sistema.txt").read_text(encoding="utf-8")

def responder(historial: list[dict]) -> str:
    resp = client.messages.create(
        model=MODEL,
        max_tokens=600,
        system=[
            {"type": "text", "text": SISTEMA, "cache_control": {"type": "ephemeral"}},
        ],
        messages=historial,
    )
    if resp.stop_reason == "refusal":
        return "No puedo ayudarte con eso. ¿Quieres que lo pase a una persona?"
    return "".join(b.text for b in resp.content if b.type == "text")

print(responder([{"role": "user", "content": "¿Puedo devolver un libro que compré hace 20 días?"}]))

import { readFileSync } from "node:fs";
import Anthropic from "@anthropic-ai/sdk";

const MODEL = "claude-sonnet-5-5";
const client = new Anthropic();

const SISTEMA = readFileSync("sistema.txt", "utf-8");

async function responder(historial: Anthropic.MessageParam[]): Promise<string> {
  const resp = await client.messages.create({
    model: MODEL,
    max_tokens: 600,
    system: [{ type: "text", text: SISTEMA, cache_control: { type: "ephemeral" } }],
    messages: historial,
  });
  if (resp.stop_reason === "refusal") {
    return "No puedo ayudarte con eso. ¿Quieres que lo pase a una persona?";
  }
  return resp.content.map((b) => (b.type === "text" ? b.text : "")).join("");
}

console.log(await responder([{ role: "user", content: "¿Puedo devolver un libro que compré hace 20 días?" }]));

Guardar el prompt en un archivo aparte permite versionarlo, revisarlo en un pull request y compararlo en tus evals.