#prompting

29 páginas con esta etiqueta.

Roadmap

Ejemplos few-shot: enseñar con casos
Cuándo añadir ejemplos al prompt, cuántos poner, cómo elegirlos para cubrir los casos difíciles y cómo evitar que el modelo copie detalles que no debe.
El prompt de sistema: rol y reglas fijas
Qué va en el prompt de sistema y qué en cada mensaje, cómo definir rol y reglas fijas, cómo estructurarlo y por qué no sirve para guardar secretos.
Formato de salida: pedir JSON y validarlo
Cómo pedir al modelo una salida en JSON, validarla con un esquema en tu código, reintentar con el error y usar salidas estructuradas garantizadas por la API.
Instrucciones claras y contexto suficiente
Cómo escribir una instrucción que el modelo no pueda malinterpretar: objetivo, contexto, restricciones y formato, con los datos separados mediante etiquetas XML.
Iterar con casos de prueba
Cómo mejorar un prompt con datos: un conjunto de casos etiquetados, un script que mide el acierto, un cambio cada vez y un registro de versiones.
Nivel 10 · Prompting que funciona
Instrucciones claras, ejemplos, JSON validado, prompt de sistema y casos de prueba: cómo escribir prompts que dan resultados repetibles y comprobables.

Qué meter en el contexto y qué no
Criterios para el prompt de sistema, las herramientas, los ejemplos y los resultados de herramientas, y cómo cargar información bajo demanda en lugar de precargarla.

Ejemplos few-shot
Cómo incluir ejemplos de entrada y salida en el prompt, cuántos poner, dónde colocarlos y cómo evitar que el modelo los copie.
Prompt de sistema
Qué es el parámetro system, qué conviene poner en él, cómo estructurarlo por secciones y cómo cachearlo cuando es largo.
Prompting
Referencia de las herramientas para dirigir al modelo, con prompt de sistema, ejemplos few-shot, salida estructurada y control del razonamiento.
Razonamiento y esfuerzo
Referencia del razonamiento adaptativo con thinking y del parámetro effort, con su efecto en calidad, coste y latencia y su uso con herramientas.
Salida estructurada
Cómo obtener JSON que cumple un esquema con output_config.format y argumentos de herramienta garantizados con strict, y qué limitaciones tienen.

Antipatrones
Ocho errores habituales al trabajar con modelos de lenguaje, por qué fallan y cómo arreglarlos, con ejemplos antes y después.
Checklist antes de producción
Lista accionable para revisar un prompt o un agente antes de desplegarlo, desde las instrucciones y el contexto hasta evals, costes, seguridad y trazas.
Formato y salidas estructuradas
Cómo pedir el formato que necesitas, cuándo usar ejemplos de salida, salidas estructuradas por esquema y herramientas estrictas, y por qué validar siempre.
Guía de modelos
Cómo sacar lo mejor de un modelo de lenguaje con prompts, contexto, formato, razonamiento y parámetros, con ejemplos de antes y después.
Ingeniería de contexto
Qué meter en el contexto del modelo y qué dejar fuera, en qué orden colocarlo, cómo estructurarlo con etiquetas y por qué el contexto es un recurso finito.
Principios de prompting
Ocho principios para escribir prompts que funcionan con los modelos actuales, cada uno con su porqué y un ejemplo antes y después.

Encadenado de prompts
Divide una tarea en pasos fijos, cada uno una llamada al modelo que recibe la salida del anterior, con comprobaciones en código entre ellos.

Context engineering
Decidir qué información entra en la ventana de contexto del modelo, en qué orden y en qué forma, en cada paso de una aplicación o un agente.

Cadena de pensamiento
Técnica de prompting que pide al modelo razonar paso a paso antes de responder para mejorar tareas de varios pasos.
Esfuerzo (effort)
Parámetro que orienta cuánto razonamiento y cuántos tokens dedica el modelo a una respuesta, de bajo a máximo.
Few-shot
Técnica de prompting que incluye unos pocos ejemplos de entrada y salida para que el modelo imite el patrón.
Prompt
Todo el texto y los datos que envías al modelo en una petición para indicarle qué hacer y con qué información.
Prompt de sistema
Instrucciones fijas que se envían aparte de los mensajes para definir el rol, las reglas y el contexto estable del modelo.
Razonamiento extendido
Modo en el que el modelo genera un razonamiento interno antes de la respuesta final, a cambio de más tokens y latencia.
Salida estructurada
Respuesta del modelo en un formato definido, normalmente JSON que cumple un esquema, lista para procesarla con código.
Zero-shot
Pedir al modelo una tarea solo con instrucciones, sin incluir ningún ejemplo resuelto en el prompt.

Evals antes que prompts
Un ensayo sobre por qué deberías escribir los casos de prueba de tu sistema antes de afinar su prompt, y cómo hacerlo sin montar una infraestructura enorme.