2.2. Prompting

2.2. Ingeniería de prompts: programación en lenguaje natural

La calidad de tu salida depende el 100% de la calidad de tu entrada. En modelos como Llama 3.2 (8B), la precisión del prompt es la diferencia entre una herramienta útil y un juguete.

2.2.1. La anatomía de un prompt de producción

Un prompt empresarial no es una oración; es un bloque de código estructurado. Debe contener estos 6 componentes para garantizar consistencia.

Componente	Función técnica	Ejemplo
1. Rol (persona)	Define el sub-espacio latente del modelo.	"Actúa como un auditor fiscal experto en el ISR."
2. Contexto	Reduce la alucinación acotando la realidad.	"Analizamos gastos de viáticos para una PyME de servicios."
3. Tarea (instrucción)	El verbo de acción principal.	"Extrae: Fecha, RFC del emisor y monto total."
4. Datos (inputs)	La información cruda a procesar.	"[Texto pegado del PDF o XML]"
5. Restricciones	Reglas negativas (negative constraints).	"No incluyas propinas. Si no hay fecha, devuelve NULL."
6. Formato (outputs)	La estructura de datos para integración.	"Responde solo en formato JSON válido."

---

Laboratorio de prompts: de mediocre a excelente

Observa la diferencia en la respuesta del modelo según la estructura.

❌ Prompt débil

Input:

"Revisa esta factura y dime qué onda, si se puede deducir."

Resultado probable (Llama 3.2):

"Hola. Para saber si es deducible necesito más información. Generalmente las facturas deben cumplir con el SAT. Esta parece ser de un restaurante..."

Diagnóstico: Vago, conversacional, sin formato útil.

✅ Prompt estructurado (modelo Prismatik)

TÉCNICA AVANZADA: Chain of Thought (CoT) Para tareas complejas, pide a la IA que "piense paso a paso". Ejemplo: "Antes de responder, analiza paso a paso si el RFC es válido, luego verifica la fecha, y finalmente emite el veredicto."