Técnicas de prompt

Se conoce como prompt engineering, ingeniería de prompts, a la práctica de diseñar y formular instrucciones o preguntas de manera estratégica para obtener mejores respuestas de modelos de inteligencia artificial como DeepSeek, Claude o ChatGPT. Aunque el término puede resultar tan pomposo que incluso despierte ciertos recelos, en realidad se trata de una habilidad esencial para interactuar de forma eficaz con estas herramientas.

Hay diferentes técnicas y enfoques para la ingeniería de prompts. Vamos a explorar algunos de los más comunes.

1. Chain of Thought (CoT) y sus variantes

La técnica de Chain of Thought (CoT) consiste en guiar al modelo a través de un proceso de razonamiento paso a paso. Por ejemplo:

En el año 23 a.C., Augusto tenía 40 años, llevaba 11 años en el poder y acababa de sobrevivir una enfermedad grave. ¿Debería haber nombrado sucesor?

Piensa paso a paso

Es decir, en lugar de pedir una respuesta directa, se le solicita al modelo que explique su razonamiento o que descomponga el problema en partes más pequeñas. Esto puede ayudar a mejorar la precisión y la coherencia de las respuestas, especialmente en tareas complejas. Es como si le dijeras a la IA: "No solo dame la respuesta, dime cómo llegaste a ella", lo que autoenriquece el contexto y la comprensión del modelo.

Hay varias variantes de esta técnica:

1.1. Zero-shot CoT

Es la que acabamos de ver, simplemente añadir "Piensa paso a paso" al final del prompt.

Una aclaración importante: en modelos con razonamiento extendido nativo —como o1 de OpenAI, R1 de DeepSeek o Claude con extended thinking activado— esta instrucción es redundante. El modelo ya realiza ese proceso internamente antes de generar la respuesta. Donde sí aporta es en modelos sin reasoning activado. (Leviathan et al., 2025. arXiv:2512.14982)

1.2. Few-shot CoT

Consiste en incluir 2 o 4 ejemplos completos donde muestras tanto el razonamiento como la respuesta final. El modelo aprende el patrón de pensamiento, no solo el formato. Por ejemplo:

EJEMPLO: Pregunta: ¿Julio César fue un héroe o un tirano? Razonamiento: Expandió Roma y reformó el calendario, pero destruyó la república para conseguirlo. La respuesta depende de si valoras más el resultado o el método.
Respuesta: Las dos cosas, dependiendo del criterio.
Pregunta: ¿Napoleón fue un héroe o un tirano?
Razonamiento:

Es como mostrarle al modelo cómo piensas tú, para que él pueda imitar ese proceso de pensamiento.

Sin embargo, hay un matiz importante que la literatura reciente ha puesto de manifiesto: en modelos modernos y potentes, añadir ejemplos de CoT no mejora el razonamiento respecto al Zero-shot CoT. Su función principal es alinear el formato de salida con lo que esperas, no hacer al modelo más inteligente. Los modelos tienden a ignorar los ejemplos y se centran en las instrucciones. (Cheng et al., 2025/2026. arXiv:2506.14641)

Dicho de otra manera: cuantos más ejemplos le des, mejor entenderá el formato que quieres, pero no necesariamente razonará mejor.

1.3. Self-consistency CoT

En lugar de generar una sola respuesta, se le pide al modelo que genere varias respuestas diferentes para el mismo prompt y luego se selecciona la más común o consistente entre ellas.

Expresado de otra manera: pongamos que tenemos una pregunta difícil —por qué cayó el Imperio Romano— y se la hacemos a cinco historiadores distintos por separado, sin que hablen entre ellos. Cada uno razona de forma diferente, hace énfasis en cosas distintas, y llega a su conclusión por su propio camino. Pero cuando se comparan las cinco respuestas, tres coinciden en que la causa principal fue económica. Un cuarto dice que fueron las invasiones bárbaras y el quinto que fue culpa al cristianismo. ¿En qué nos fiamos más? Self-consistency hace exactamente eso, pero con el mismo modelo. (Wang et al., 2022. arXiv:2203.11171)

Para entender cómo funciona esta técnica debemos saber antes qué es la temperatura en los modelos de lenguaje. La temperatura es un parámetro que controla la aleatoriedad de las respuestas generadas por el modelo. A temperaturas bajas (por ejemplo, 0.2), el modelo tiende a generar respuestas más conservadoras y predecibles, mientras que a temperaturas altas (por ejemplo, 0.8), las respuestas pueden ser más creativas y variadas. Para aplicar self-consistency, se suele configurar el modelo con una temperatura alta para fomentar la diversidad de respuestas y luego se selecciona la más común.

Esta técnica se puede utilizar de dos maneras:

a) Si tenemos acceso a la API, lanzamos el mismo prompt varias veces programáticamente con temperatura alta y comparamos los resultados. El modelo no sabe que estamos haciendo self-consistency, simplemente responde cada vez.

b) Pidiéndole al modelo que simule el proceso internamente en una sola llamada:

Responde a esta pregunta tres veces seguidas, cada una razonando de forma independiente y por un camino distinto.
Al final, dime qué respuesta apareció más veces y por qué.

Pregunta: ¿Cuál fue la causa principal de la caída del Imperio Romano?

Esta técnica es interesante, sin embargo, presenta varios problemas que conviene mencionar:

• Aumenta los costes de tiempo y tokens.
• Que una respuesta se repita no significa que sea correcta: cinco respuestas incorrectas siguen siendo incorrectas.
• En modelos con reasoning nativo, el proceso ya ocurre internamente durante la generación, por lo que forzarlo de forma explícita puede ser redundante o añadir ruido.

2. Tree of Thoughts (ToT)

Esta técnica consiste en analizar varias posibilidades para ver cuál da mejores resultados, y viene a resolver el principal problema de CoT: la primera decisión que se toma condiciona todas las demás. Con CoT, el modelo razona así:

Paso 1 > Paso 2 > Paso 3 > Conclusión

Cada paso condiciona el siguiente y cierra otras alternativas. Es un camino lineal, sin vuelta atrás. Con ToT, en cambio, el modelo estudia distintas alternativas y se queda con la más convincente. (Yao et al., 2023. arXiv:2305.10601)

Volvamos al período final del Imperio Romano para entender esto con un ejemplo:

Si fueras consejero del emperador Diocleciano en el 285 d.C.,
¿qué harías para salvar el Imperio Romano?

Piensa paso a paso

Si en el primer paso el modelo decide que el problema principal es militar, todo el razonamiento posterior girará en torno a soluciones militares y nunca explorará que quizás el problema era económico o administrativo, o los tres a la vez con distinta prioridad.

Con ToT, cada camino se desarrolla un poco, se evalúa cuál es más prometedor y se continúa por ese. Es exactamente lo que hace un buen historiador, un buen estratega o un buen médico diagnosticando: no se comprometen con la primera hipótesis, sino que la exploran junto a otras y descartan por evidencia.

2.1. ¿Cómo se traduce en un prompt?

Hay tres ingredientes que se deben diseñar explícitamente:

1. Generar alternativas genuinamente distintas

Eres consejero de Diocleciano en el 285 d.C. El Imperio está en crisis.
Genera tres estrategias para salvarlo. Cada una debe partir de un diagnóstico distinto del problema.
No deben ser variaciones de la misma idea.
[...]

La instrucción crítica es "partir de un diagnóstico distinto". Sin ella el modelo puede generar tres versiones de la misma estrategia con nombres diferentes.

2. Evaluar cada camino antes de continuar

[...]
Para cada estrategia, evalúa:
- ¿Qué problema resuelve exactamente?
- ¿Qué problema ignora o empeora?
- ¿Qué necesitarías saber para confirmar que es el camino correcto?
[...]

3. Elegir y profundizar

[...]
¿Cuál de las tres estrategias tiene más probabilidad
de haber funcionado dado lo que sabemos históricamente
del Imperio en el 285 d.C.? Desarrolla solo esa.

Con este enfoque, DeepSeek generó tres diagnósticos distintos —reforma militar, reforma económica, descentralización confederada— y llegó a una conclusión que los entrelazaba de forma sofisticada, anticipando en sus términos la tetrarquía que Diocleciano inventaría en 293.

Un matiz relevante: en modelos de razonamiento avanzado, la exploración de múltiples hipótesis tiende a emerger espontáneamente si la instrucción es lo suficientemente abierta. Forzar el esquema ToT de forma muy rígida puede añadir más ruido que señal con estos modelos. (inferible de Guo et al., 2025. arXiv:2501.12948)

3. ReAct

Con ToT conseguimos explorar varias hipótesis, pero hay una pregunta que ninguna de las dos técnicas anteriores puede responder bien:

¿Qué evidencia arqueológica reciente apoya o contradice la teoría del colapso económico como causa principal?

CoT y ToT sirven para mejorar el razonamiento sobre lo que el modelo ya sabe, pero no permiten superar la fecha en la que fue entrenado —el llamado knowledge cutoff. El modelo no puede acceder a una base de datos de excavaciones, ni leer un artículo publicado la semana pasada. Aquí es donde cobra valor la técnica ReAct. (Yao et al., 2022. arXiv:2210.03629)

En esencia, ReAct consiste en alternar entre razonar (Reasoning) y actuar (Acting). El modelo no razona solo con lo que sabe: razona, detecta que le falta algo, va a buscarlo, incorpora lo que encontró y continúa razonando desde ahí.

1. Razona sobre lo que sabe.
2. Detecta qué le falta.
3. Usa una herramienta para obtenerlo.
4. Incorpora el resultado.
5. Repite el proceso si es necesario.

La estructura clásica se representa así:

Thought: [qué sé, qué me falta, qué haré]
Action: [herramienta a usar]
Observation: [resultado, lo que devuelve la herramienta]
Thought: [nuevo razonamiento incorporando la observación]
Action: [siguiente acción]
...
Answer: [respuesta final]

Esta representación es más pedagógica que literal. En sistemas reales el Thought no siempre aparece explícitamente. En cualquier caso, el Thought iterativo es lo más importante del esquema: es razonamiento sobre qué implica lo que encontró y qué pregunta concreta sigue sin respuesta. Sin un Thought real, ReAct es simplemente un buscador con pasos extra.

Aunque ReAct nació como una técnica de prompting, hoy se entiende mejor como un patrón de agente. El prompt es solo una de las tres capas:

• Capa 1: El modelo. Genera razonamiento y decide qué acción necesita. Esto sí es prompting.
• Capa 2: El orquestador. Lee el output del modelo, detecta cuándo hay una acción, la ejecuta en el mundo real y devuelve el resultado al modelo. Esto es código externo, no prompt.
• Capa 3: Las herramientas. Búsqueda web, bases de datos, código, APIs, etc.

ReAct es la base conceptual sobre la que se construyeron muchos frameworks de agentes modernos como LangChain o LlamaIndex. Cuando un agente "busca en internet" o "ejecuta código", por dentro está siguiendo este ciclo de razonar, actuar y observar.

ReAct tiene dos limitaciones principales. La primera es el coste: incrementa el consumo de tiempo y tokens. La segunda, menos obvia, es que permite incorporar información actualizada pero no garantiza que se interprete bien: el modelo puede buscarla mal, interpretarla mal o que la fuente sea errónea. Acceder al mundo exterior no elimina el problema del conocimiento, solo lo desplaza.

4. Prompt Chaining

Hasta ahora hemos mejorado cómo el modelo razona dentro de una sola llamada. Pero hay tareas que ninguna técnica de una sola llamada resuelve bien, no por falta de razonamiento, sino por un límite práctico: un prompt monolítico que intenta hacer demasiadas cosas a la vez produce resultados mediocres en todas ellas.

Analiza las causas de la caída del Imperio Romano, evalúa qué teorías tienen más respaldo académico,
identifica contradicciones entre ellas, sintetiza una teoría unificada, y escríbelo como un ensayo académico con estructura argumental clara.

Esto le pide al modelo cinco cosas distintas simultáneamente. El resultado será un texto que las hace todas superficialmente en lugar de cada una bien. El Prompt Chaining resuelve esto dividiendo la tarea en pasos, donde el output de cada paso se convierte en el input del siguiente.

Prompt 1. Recopilar teorías:

Lista las principales teorías académicas sobre la caída del Imperio Romano. Para cada una indica:
- Autor o escuela principal
- Argumento central en una frase
- Qué evidencia la sostiene

Prompt 2. Evaluar contradicciones (usando el output del Prompt 1):

Aquí tienes las principales teorías sobre la caída de Roma: [output del Prompt 1]

Identifica qué teorías son mutuamente excluyentes y cuáles son complementarias. Explica por qué.

Prompt 3. Construir posición (usando output del Prompt 2):

Dadas estas relaciones entre teorías: [output Prompt 2]

¿Qué combinación de factores tiene más respaldo empírico? Construye un argumento jerarquizando causas en estructurales, aceleradoras y detonantes.

Prompt 4. Redacción final (usando output del Prompt 3):

Basándote en este argumento: [output Prompt 3]

Escríbelo como introducción de un ensayo académico.
Tono riguroso, sin jerga innecesaria, máximo 300 palabras.

Cada prompt tiene una sola responsabilidad. Y lo que es aún más interesante: un ser humano puede intervenir entre pasos (human in the loop). Si el output del Prompt 2 clasifica como contradictorias dos teorías que en realidad son complementarias, se puede corregir antes de que ese error se propague. En un prompt monolítico, ese error está enterrado en el proceso y no hay forma de interceptarlo.

Para que esta técnica funcione es fundamental controlar los formatos de salida. El output de cada paso debe tener un formato que el siguiente pueda consumir limpiamente. Un texto fluido y desestructurado obliga al siguiente prompt a parsearlo antes de usarlo:

// ✗ difícil de encadenar
Las teorías sobre Roma son variadas y complejas. Gibbon argumentó en el siglo XVIII que el cristianismo tuvo un papel importante, mientras que historiadores más recientes como Peter Heather han enfatizado...

// ✓ fácil de encadenar
1. Teoría del colapso económico
- Autor: Bryan Ward-Perkins
- Argumento: la contracción del comercio destruyó la base fiscal del ejército
- Evidencia: registros arqueológicos de cerámica y monedas en circulación

2. Teoría de las invasiones externas
- Autor: Peter Heather
[...]

La cadena es tan fuerte como su eslabón más débil. Y ese eslabón más débil casi siempre es el formato del output.

5. Role Prompting

5.1. Puro teatro

Esta técnica consiste en asignar al modelo una identidad con conocimiento, sesgos y prioridades concretas. Cuanto más concreta y precisa sea esa identidad, más se advertirá el condicionamiento. Por ejemplo, esto sería demasiado genérico:

Eres un historiador experto en Roma.
¿Por qué cayó el Imperio Romano?

Sin embargo, este otro prompt encauza la respuesta hacia un camino muy concreto:

Eres Peter Heather, historiador que lleva 30 años argumentando que las invasiones bárbaras fueron la causa principal de la caída de Roma. Acabas de leer un paper que atribuye el colapso principalmente al deterioro económico interno. Responde al paper defendiendo tu posición, reconociendo qué puntos son válidos y cuáles refutas.

¿Por qué funciona? Cuando el modelo fue entrenado, procesó millones de textos escritos por o sobre perfiles concretos. Asignar una identidad precisa mueve la distribución de probabilidad del modelo hacia el vocabulario, el estilo y el conocimiento asociados a ese perfil. No es magia ni una función especial del modelo: es el efecto del contexto sobre la generación. Funciona igual en modelos densos que en modelos MoE, y existía antes de que los modelos de razonamiento existieran.

Eso no significa que se deba usar siempre una identidad real. Lo que activa el rol es la simulación de un estilo, un conocimiento y unas prioridades concretas, que pueden asociarse a una persona real o a un perfil inventado. En ambos casos, se reorganiza probabilísticamente el espacio de respuestas del modelo dentro de un marco narrativo o argumentativo concreto.

5.2. Un buen role

Hay tres ingredientes clave para construir un role potente:

1. Perspectiva con sesgo conocido

No "experto en X" sino alguien con una posición específica sobre X. El sesgo no es un problema aquí sino el punto clave: hace que el modelo razone desde ese ángulo particular, no desde el centro.

2. Restricciones de comportamiento

Lo que no hace un rol es tan importante como lo que sí hace. Un buen role incluye limitaciones explícitas:

Eres un senador romano del siglo III d.C. Conoces la historia de Roma hasta ese momento pero no lo que ocurrirá después. No puedes hacer referencias a eventos posteriores al año 280 d.C.

3. Contexto de activación

Es lo que en sistemas de prompts se llama motivación situacional o frame narrativo: por qué este rol está respondiendo ahora, en este momento específico. Le da al modelo una razón concreta para adoptar la perspectiva en lugar de tratarla como decoración.

Acabas de leer un informe que contradice tu teoría principal.
Tienes que responder en un congreso académico delante de colegas escépticos.

6. Self-Critique

6.1. La versión básica

Mi favorita. Todas las técnicas anteriores mejoran cómo el modelo genera una respuesta. Esta ataca algo distinto: qué hace después de generarla. En vez de que el modelo produzca una respuesta sin más, le obligamos a evaluar su propio output contra criterios específicos y revisarlo. (Madaan et al., 2023. arXiv:2303.17651)

¿Por qué funciona? Cuando el modelo genera una respuesta, activa ciertos patrones de su entrenamiento. Cuando luego se le pide que la critique, activa patrones distintos: los asociados a evaluación, detección de errores y pensamiento crítico. Es como un escritor que termina un párrafo y lo relee con distancia crítica: encuentra errores que no vio mientras escribía, no porque sea más inteligente en la relectura, sino porque está en un modo distinto.

La versión más rudimentaria es simplemente:

Critica tu respuesta.

Una versión más sofisticada incorpora la crítica en el propio prompt:

Responde a esta pregunta:
¿Cuál fue la causa principal de la caída del Imperio Romano?

Luego critica tu respuesta. Busca específicamente:
- Afirmaciones que hiciste con más confianza de la justificada
- Perspectivas importantes que ignoraste
- Evidencia que contradice tu conclusión

Finalmente, reescribe la respuesta incorporando la crítica.

El ciclo es siempre el mismo: generar > criticar > revisar.

6.2. Versiones más avanzadas

Los resultados mejoran si añadimos criterios específicos. En lugar de esto:

Critica tu respuesta. ¿Es completa? ¿Es precisa?

Esto obliga al modelo a responder preguntas concretas sobre su propio output, sin poder esconderse en generalidades:

Critica tu respuesta evaluando exactamente esto:

1. ¿Distinguiste entre el Imperio Occidental y Oriental o trataste Roma como un bloque homogéneo?
2. ¿Jerarquizaste las causas o las listaste como si tuvieran el mismo peso?
3. ¿Hay alguna teoría académica relevante que ignoraste completamente?
4. ¿En qué afirmación fuiste más rotundo de lo que la evidencia justifica?

Y si no quieres preparar criterios ad hoc para cada tarea, puedes definir un conjunto fijo de principios reutilizables:

PRINCIPIOS DE ANÁLISIS HISTÓRICO RIGUROSO:
A. Distinguir causas estructurales de detonantes inmediatos
B. No atribuir a un solo factor lo que requiere varios
C. Considerar la perspectiva de distintos grupos sociales
D. Separar lo que se sabe con certeza de lo que se infiere
E. Reconocer explícitamente qué evidencia contradice la conclusión

Evalúa tu respuesta anterior contra cada uno de estos principios. Para cada uno indica si lo cumpliste, lo cumpliste parcialmente o lo ignoraste.

Luego reescribe.

Bueno, hay más técnicas, pero de momento vamos a dejarlo aquí. Otro día escribo una segunda parte.

Referencias

• Cheng et al. Revisiting Chain-of-Thought Prompting: Zero-shot Can Be Stronger than Few-shot. Junio de 2025. arXiv:2506.14641
• Guo et al. DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning. Junio de 2025. arXiv:2501.12948
• Leviathan, Yaniv et al. Prompt Repetition. Diciembre de 2025. arXiv:2512.14982
• Madaan, Aman et al. (2023). Self-Refine: Iterative Refinement with Self-Feedback. Marzo de 2023 arXiv:2303.17651
• Yao, Shunyu et al. ReAct: Synergizing Reasoning and Acting in Language Models. Octubre de 2022 arXiv:2210.03629
• Yao, Shunyu et al. (2023). Tree of Thoughts: Deliberate Problem Solving with Large Language Models. Mayo de 2023. arXiv:2305.10601
• Wang, Xuezhi et al. Self-Consistency Improves Chain of Thought Reasoning in Language Models. Marzo de 2022. arXiv:2203.11171
• Wei, Jason et al. Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. Enero de 2022. arXiv:2201.11903