Los fundamentos del prompting valen para todos los modelos. Esta guía cubre lo que es específico de los modelos de OpenAI, tanto en la aplicación ChatGPT como a través de la API, y dónde su comportamiento debería cambiar tu forma de escribir.
Los nombres y los límites de los modelos cambian con frecuencia, así que esta guía describe comportamientos que se han mantenido estables entre generaciones. Consulta la documentación de OpenAI para ver la lista actual de modelos.
Dos familias que piden prompts distintos
OpenAI ofrece modelos de chat de propósito general y modelos de razonamiento. La distinción importa más que el nombre del modelo.
| Modelos de chat generales | Modelos de razonamiento | |
|---|---|---|
| Cómo funcionan | Responden directamente | Piensan internamente antes de responder |
| Mejor estilo de prompt | Instrucciones explícitas, paso a paso | El objetivo, las restricciones y los criterios de éxito |
| «Piensa paso a paso» | Puede ayudar | Innecesario; puede perjudicar |
| Ejemplos | A menudo útiles | Prueba primero sin ellos |
| Coste y latencia | Menores | Mayores, ajustables con el esfuerzo de razonamiento |
Una forma útil de pensarlo: da instrucciones a un modelo de chat como a un júnior capaz que necesita el procedimiento, y a un modelo de razonamiento como a un colega sénior que necesita el objetivo.
Roles de mensaje
La API recibe mensajes con roles. Las instrucciones del autor de la aplicación van en el mensaje de sistema, que las API más recientes de OpenAI llaman mensaje developer. La entrada del usuario va en los mensajes de usuario. El modelo da prioridad a las instrucciones del developer.
Pon las reglas permanentes, el rol y el formato de salida en el mensaje developer. Pon la tarea y sus datos en el mensaje de usuario. Consulta los prompts de sistema y el prompting por roles.
En la aplicación ChatGPT, las instrucciones personalizadas y las instrucciones de proyecto hacen las veces del mensaje de sistema.
Sé literal y explícito
Los modelos recientes de OpenAI siguen las instrucciones de cerca y de forma literal. Dos consecuencias:
- Hacen lo que dices, no lo que insinuaste. Si quieres sugerencias además de la corrección pedida, pide ambas.
- Una sola frase clara suele corregir un comportamiento. No hacen falta mayúsculas ni repetición. Un énfasis excesivo puede hacer que una regla se aplique en exceso.
Estructura con Markdown y delimitadores
Los modelos de OpenAI manejan bien los encabezados y las listas de Markdown para organizar las instrucciones, y las etiquetas de estilo XML para envolver documentos y entradas.
## Task
Summarize the incident report for the on-call team.
## Requirements
- 5 bullet points.
- Include root cause, customer impact, and fix.
## Output format
A markdown list. No introduction.
<report>
{{report}}
</report>
Contexto largo
Cuando un prompt contiene un documento grande, coloca las instrucciones tanto al principio como al final. Si solo puedes colocarlas una vez, ponlas encima del documento. Esto sigue la propia guía de OpenAI para prompts de contexto largo.
Salidas estructuradas
Para todo lo que tu código analiza, usa la función de salidas estructuradas (Structured Outputs) de la API con un JSON Schema en modo estricto. La respuesta queda entonces restringida al esquema, lo que elimina toda una clase de fallos de análisis.
- Nombra y describe bien los campos: el modelo lee el esquema.
- Usa enumeraciones para conjuntos de valores fijos.
- Pon un campo de razonamiento antes del campo de resultado si quieres una explicación.
- Valida igualmente: una respuesta puede cortarse en el límite de salida o ser rechazada.
Más en los prompts de salida estructurada.
Llamada a funciones
Las herramientas se definen con un nombre, una descripción y un esquema de parámetros. La descripción es el prompt que usa el modelo para decidir cuándo llamar a la herramienta, así que indica qué hace, cuándo usarla y qué devuelve. El modo estricto restringe los argumentos al esquema. Consulta los prompts para agentes de IA.
Esfuerzo de razonamiento
Los modelos de razonamiento exponen un ajuste de cuánto pensar. Usa un esfuerzo bajo para extracción y clasificación sencillas y uno mayor para análisis de varios pasos y código difícil. Ajustar este valor es más eficaz que añadir instrucciones de razonamiento al prompt.
El recuento de tokens es exacto
OpenAI publica sus tokenizadores, por lo que puedes contar los tokens de un prompt sin conexión y conocer el coste de entrada antes de enviarlo. PromptFlowEngine usa esos tokenizadores para los modelos de OpenAI y etiqueta el resultado como exacto. Comprueba un prompt en el espacio de trabajo, o consulta la optimización de tokens.
El almacenamiento en caché de prompts se aplica automáticamente a los prefijos de prompt repetidos que superan una longitud mínima, así que pon primero el contenido estable y al final el variable.
Prompting en la aplicación ChatGPT
- Da el contexto una sola vez. Usa las instrucciones personalizadas o un proyecto para las preferencias permanentes en lugar de volver a escribirlas.
- Empieza un chat nuevo cuando cambie el tema. Las instrucciones antiguas persisten en una conversación larga.
- Adjunta el material. Sube el archivo en lugar de describirlo.
- Pide el formato. Una tabla, una lista de comprobación o un límite de palabras.
- Revisa la memoria. Si los recuerdos guardados orientan las respuestas de formas que no quieres, revísalos o desactívalos.
- No pegues secretos. Las claves y los datos de clientes en un chat han salido de tu control.
La extensión de Chrome de PromptFlowEngine funciona dentro de ChatGPT: analiza el borrador en el cuadro del prompt, reestructura una petición vaga y avisa cuando el borrador contiene una credencial.
Errores comunes con los modelos de OpenAI
| Error | Qué ocurre | Corrección |
|---|---|---|
| Instrucciones paso a paso a un modelo de razonamiento | Más lento, no mejor | Indica el objetivo y las restricciones |
| Pedir JSON solo en prosa | Salida no válida ocasional | Usa las salidas estructuradas |
| Instrucciones enterradas bajo un documento largo | Instrucciones infraponderadas | Repítelas después del documento |
| Énfasis en cada regla | Reglas aplicadas en exceso | Afirmaciones sencillas; explica el motivo |
| Estimar tokens por caracteres | Presupuestos incumplidos | Cuenta con el tokenizador |
Optimizar un prompt de ChatGPT
- Enuncia la tarea en la primera línea.
- Añade audiencia, restricciones y el formato de salida.
- Envuelve el material pegado en etiquetas.
- Elimina el relleno y las repeticiones.
- Prueba con entradas reales y compara versiones.
El optimizador de prompts de PromptFlowEngine hace los pasos 3 y 4 y verifica que no se perdió ningún requisito.
Compáralo con la guía de prompting para Claude y la guía de prompting para Gemini.