Diseño avanzado de prompts

Cómo crear bibliotecas de prompts reutilizables: de fragmentos a plantillas compartidas

Cuando utilizas la IA de forma habitual, acabas escribiendo los mismos tipos de prompts una y otra vez. Un sistema práctico para crear, organizar y compartir una biblioteca: qué guardar, cómo controlar las versiones y qué infraestructura utilizar.

10 min de lectura

Diseño de prompts para modelos de razonamiento (o3, R1 y Claude Extended Thinking)

Los modelos de razonamiento no son modelos rápidos con pasos adicionales. Responden mejor a otro estilo de prompting, ignoran algunos patrones convencionales y presentan sus propios riesgos. Una guía práctica para utilizarlos bien.

12 min de lectura

Ingeniería de contexto: cómo gestionar ventanas de 1M de tokens sin degradar la calidad

Las ventanas de contexto de 1M de tokens existen, pero la calidad se degrada mucho antes de alcanzar ese límite. La ingeniería de contexto determina qué incluir, qué resumir, qué recuperar en el momento necesario y qué patrones mantienen la calidad a medida que aumenta el contexto.

Más sobre este tema

10 min de lectura

Cadena de pensamiento, autocrítica y árbol de pensamientos: cuándo usar cada técnica

Tres técnicas de razonamiento que pueden mejorar los resultados de la IA en problemas complejos y el balance entre costes y beneficios de utilizarlas. Con prompts concretos, comparaciones directas y las particularidades de los modelos de razonamiento modernos.

12 min de lectura

Elegir entre prompting, RAG y fine-tuning (y cuándo combinarlos)

El prompting, RAG y el fine-tuning son las tres grandes palancas para adaptar los LLM a un problema. Cada una resulta adecuada en situaciones diferentes. Este marco ayuda a elegir, explica sus costes reales y muestra los patrones de producción en los que conviene combinarlas.

12 min de lectura

Diseñar prompts para producción: capas del sistema, del desarrollador y del usuario

Los prompts de producción no consisten en «decirle a la IA lo que quieres». Son un sistema por capas —instrucciones estables, contexto dinámico y variables por llamada— gestionado como código. Esta es la arquitectura, los patrones y la disciplina que distinguen la producción de un prototipo.

7 min de lectura

Elegir el modelo adecuado para cada tarea: guía rápida para 2026

Qué modelo elegir según el tipo de tarea: GPT, Claude, Gemini, modelos de razonamiento y opciones con pesos abiertos, clasificados por aquello que realmente hacen mejor y acompañados de reglas sencillas para decidir.

Principiante

13 min de lectura

Salidas estructuradas y llamadas a funciones: patrones para producción

Las salidas estructuradas y las llamadas a funciones convierten un «modelo de lenguaje que genera texto» en un «sistema que ejecuta tareas». En producción importan los esquemas, la gestión de errores, la idempotencia y la degradación controlada, no solo el modo JSON.

Árbol de pensamientos: resolución deliberada de problemas con grandes modelos de lenguaje (revisión completa del artículo académico)

Fundamentos del prompting

Ingeniería de contexto para agentes

Degradación del contexto: cómo afecta el aumento de tokens de entrada al rendimiento de los LLM

Cómo se creó OpenAI o1

o1: ¿qué está pasando? Por qué o1 constituye un 3.er paradigma de modelo y 10 cosas que quizá no sepas

El mejor prompt de ChatGPT que he creado: dediqué 2 meses a perfeccionar este prompt para escribir prompts

El curso de 9 horas de Google sobre ingeniería de prompts de IA, resumido en 20 minutos

OpenAI DevDay 2024 | Salidas estructuradas para aplicaciones fiables

Pydantic es todo lo que necesitas: Jason Liu