CHATGPT
PROMPTS MAESTROS
EN CHATGPT
EMPEZAR
ÍNDICE
ÍNDICE
01
Prompts básicos
02
Construcción de
prompts
03
Técnicas de
prompting
04
Otros aspectos
05
Puntos débiles de
ChatGPT
BÁSICOSC
PROMPTS BÁSICOS
C
PROMPTS BÁSICOS
El proceso de instruir a una IA para que La optimización de prompts
realice una tarea consiste en darle un
conjunto de instrucciones (prompts)
es una nueva disciplina,
para indicarle lo que deseamos que que se denomina ingeniería
haga. Estos prompts pueden ser breves de prompt (prompt
y simples como una pregunta, o engineering).
pueden ser complejos y ocupar varios
párrafos. ChatGPT, por ejemplo, admite
prompts de hasta 2500 palabras. Para obtener los resultados deseados al
Para utilizar e cientemente los grandes instruir a una IA es importante conocer
modelos de lenguaje (LLM) como los principios básicos de la ingeniería de
chatGPT, se requiere que los prompts prompts, que además nos ayudarán a
cumplan con ciertas reglas de comprender mejor las capacidades y las
optimización. limitaciones de estos modelos de
lenguaje, o incluso nos facilitarán crear
nuevas capacidades.
PROMPTS
PROMPTS BÁSICOS
La calidad de los resultados cuando instruimos un modelo depende de un diseño adecuado del
prompt y de cuánta información se le proporciona. Aunque se puede lograr un buen resultado
con prompts simples, tener en cuenta los elementos que los conforman es fundamental para
obtener mejores resultados. La información básica que contiene un prompt es la instrucción o
pregunta, pero puede incluir otros elementos como contexto, entradas o ejemplos.
Elementos de un prompt
Un prompt puede incluir algunos de los siguientes elementos, aunque no es necesario que estén todos presentes:
Instrucción
Entrada
Contexto
Indicador de salida
PROMPTS
ELEMENTOS DE UN PROMPT: INSTRUCCIONES
PROMPTS
ELEMENTOS DE UN PROMPT: INSTRUCCIONES
PROMPTS
ELEMENTOS DE UN PROMPT: INSTRUCCIONES
ELEMENTOS
ELEMENTOS DE UN PROMPT
ENTRADA CONTEXTO INDICADOR DE SALIDA
Es la parte especí ca del prompt que Involucra información adicional Podemos indicarle al modelo el tipo o
establece la consulta o petición dirigida relevante para el modelo. Es la formato que esperamos en la
al modelo. Es el núcleo central del información previa que puede respuesta. Puede ser una lista de
prompt. Puede tener formato de proporcionarse en el prompt, elementos, una solicitud de resumen,
pregunta, aunque también puede generalmente incorporada en los una tabla, o cualquier otro formato
presentarse con formato aseverativo. prompts iniciales de una cadena de especí co. Por ejemplo, "Genera una
Por ejemplo, "¿En qué consiste el diálogo. Ayuda a lograr una mayor lista de eventos históricos en orden
proceso de fotosíntesis?" o "Describe el especi cidad en la respuesta. Por cronológico que expliquen…" o
proceso de la fotosíntesis". ejemplo, "Estoy preparando una clase "Proporciona una explicación detallada
para alumnos universitarios de la en formato de ensayo". El indicador de
carrera de Psicología, sobre la teoría de salida puede colocarse al nal del
Freud respecto de la interpretación de prompt.
los sueños, proporciona tres ejemplos
sobre…".
CONSTRU
CONSTRUCCIÓN DE PROMPTS
CONSTRUCCIÓ
CONSTRUCCIÓN DE PROMPTS
Cuando comenzamos a diseñar prompts, debemos tener en cuenta que los diálogos
con el modelo son un proceso iterativo que requiere mucha experimentación para
obtener los resultados esperados.
Podemos comenzar con prompts simples y luego ir agregando más elementos y
contexto, hasta llegar a la versión de nitiva del prompt, que será la que produzca
los mejores resultados. Probablemente necesitemos experimentar varias
alternativas para ver cuál funciona mejor. Es conveniente probar diferentes
estructuras con diferentes contextos y datos, observando los resultados. Por lo
general, cuanto más especí co y relevante sea el prompt, los resultados irán
mejorando a lo largo de las iteraciones.
Cuando necesitamos desarrollar una tarea extensa que involucra muchas sub-
tareas diferentes, es preferible dividir la tarea en partes más simples e ir
incorporándolas en el diálogo en varios pasos. Esto evita agregar demasiada
complejidad al proceso de diseño del prompt inicial.
CONSTRUCCIÓN DE PROMPTS
Ejemplo de un prompt poco especí co:
ESPECIFICIDAD Y PRECISIÓN
"Explora el impacto de la tecnología en la
sociedad."
Este prompt carece de especi cidad. No
delimita claramente qué aspectos especí cos
Es importante ser muy especí cos y precisos
de la tecnología y la sociedad se espera que
sobre la tarea que deseamos que el modelo
se aborden. Un enunciado tan amplio
realice. Cuanto más descriptivo y detallado
generalmente conduce a respuestas
sea el prompt, mejores serán los resultados.
super ciales y generalizadas.
Un prompt claro y directo guía al modelo en
Versión mejorada y más especí ca del
la dirección correcta, para que genere
prompt:
respuestas más enfocadas y coherentes,
"Analiza el impacto de las redes sociales en la
reduciendo la probabilidad de obtener
interacción social y la formación de identidad
respuestas incorrectas o mal interpretadas
en la era digital, considerando tanto los
por el modelo.
aspectos positivos como los desafíos éticos y
de privacidad asociados."
CONSTRUCCIÓN DE PROMPTS
ASIGNACIÓN DE UN ROL
La técnica de asignar un rol a la IA al redactar
un prompt consiste en contextualizar la
interacción al establecer un rol especí co, "Imagina que eres un chef de renombre.
generalmente de un personaje idóneo en el Proporciona una receta… “
tema de la pregunta. Le indicamos al sistema
cómo comportarse, cuál es su intención y su "Actúa como si fueras un profesor de historia.
identidad. Al asignar un rol, se proporciona Explica detalladamente el contexto
un marco de referencia que guía al modelo histórico…”
para que genere respuestas relevantes desde
una perspectiva más especializada. Esta "Eres un entrenador personal. Diseña un
técnica permite obtener respuestas más programa de ejercicios…”
precisas, contextualmente apropiadas y
coherentes.
CONSTRUCCIÓN DE PROMPTS
IDENTIFICACIÓN DE LA Ejemplos:
AUDIENCIA Y ADAPTACIÓN
"El ensayo que te solicito está dirigido a estudiantes de
DEL LENGUAJE: ingeniería, por lo tanto, es necesario utilizar un lenguaje
Es importante considerar la audiencia técnico pero comprensible para este nivel académico."
a la que va dirigido el prompt. ¿Son
estudiantes universitarios, expertos "La explicación está dirigida a estudiantes de primer año
en un determinado campo o de Ciencias de la Salud. Utiliza un lenguaje claro y sencillo
personas con conocimientos para explicar el proceso de la digestión y da ejemplos
generales? Adaptar el lenguaje y el relacionados con el cuerpo humano."
nivel de complejidad del prompt
permitirá una comunicación más "El escrito está dirigido a estudiantes universitarios de
efectiva y comprensible para la primer año de Literatura. Utiliza un lenguaje descriptivo y
audiencia especí ca. ejemplos de obras clásicas para analizar el concepto de
simbolismo en el realismo mágico latinoamericano."
CONSTRUCCIÓN DE PROMPTS
SEÑALAR LOS ERRORES AL INDICAR EL ERROR: VOLVER A REDACTAR EL
MODELO PROMPT:
Si se detecta que la respuesta es
Cuando el modelo responde incorrecta o incoherente, se puede dar una Si consideramos que el prompt que hemos
retroalimentación al modelo indicando el escrito puede haber sido ambiguo, poco claro
de manera incoherente o error, señalando explícitamente que la o insu ciente para orientar adecuadamente al
equivocada, se pueden respuesta no es correcta y modelo, podemos optar por redactar e
introducir nuevamente el prompt, corrigiendo
tomar dos enfoques proporcionando una explicación adicional
que aclare o corrija la información las de ciencias, sin señalar al modelo que ha
diferentes para obtener incorrecta. cometido un error.
mejores resultados: indicar
Ejemplo: Ejemplo:
el error o volver a redactar "Voy a reformular la pregunta para brindar
"No es correcto. La respuesta que
el prompt. proporcionaste es falsa. Te voy a dar más más detalles. Responde considerando los
contexto para que puedas generar una siguientes aspectos: [...]."
respuesta correcta. [...]"
TÉCNICAS
TÉCNICAS DE PROMPTING
TÉCNICAS
TÉCNICAS DE PROMPTING
Existen técnicas más avanzadas de ingeniería de prompts que nos permiten lograr que los LLM realicen tareas
más complejas. Las estrategias de zero-shot, few-shot y cadena de pensamientos (CoT) son enfoques utilizados
en el entrenamiento y la utilización de estos modelos para mejorar su capacidad de realizar tareas específicas
PROMPT SIN PROMPT CON POCAS
ENTRENAMIENTO ZERO-SHOT MUESTRAS FEW-SHOT
La estrategia Zero-shot (cero disparos) se re ere a la La estrategia de few-shot (pocos disparos) es similar a zero-shot,
capacidad de un modelo para realizar tareas sin ningún pero se proporciona al modelo un conjunto reducido de ejemplos
ejemplo de entrenamiento especí co para esa tarea en de entrenamiento en la tarea especí ca. Así el modelo realiza
particular. Se implementa proporcionando una tareas con una cantidad limitada de ejemplos de entrenamiento.
descripción general o un conjunto de instrucciones en el Cuando el prompt zero-shot no conduce a una respuesta
prompt inicial, indicando al modelo qué es lo que se adecuada, se recomienda proporcionar demostraciones o
espera que haga. Aunque el modelo no tiene experiencia ejemplos en la instrucción, lo que lleva a un entrenamiento con
previa con esa tarea especí ca, intentará generar few-shot
respuestas en función de su conocimiento y contexto Este caso es el que se utiliza normalmente como técnica cuando
general. proporcionamos un contexto o un ejemplo, para orientar al modelo
a una mejor respuesta.
TÉCNICAS
TÉCNICAS DE PROMPTING
PROMPT CADENA DE
PENSAMIENTOS (COT)
Esta estrategia (Chain of Thought, CoT) implica utilizar una La estrategia CoT busca abordar las di cultades en el
secuencia de tareas progresivamente más difíciles o
razonamiento al proporcionar al modelo un camino
desa antes. El modelo comienza con tareas más simples y va
avanzando hacia tareas más complejas, construyendo estructurado para adquirir capacidades de
conocimientos y habilidades en el proceso. Cada tarea se razonamiento más sólidas.
utiliza como un paso hacia la siguiente, permitiendo que el En particular, las tareas que requieren habilidades
modelo desarrolle una comprensión más profunda y mejore
matemáticas son un área de interés y desafío en el
su rendimiento en tareas más complejas.
Esto se aplica porque los LLM aún enfrentan di cultades para
desarrollo de los LLM y aún existen limitaciones en su
realizar tareas de razonamiento avanzadas. Esto se debe a capacidad para realizar razonamiento matemático
que el razonamiento implica comprender y procesar so sticado. Para ello se utiliza un prompt por cadena
información de manera lógica, realizar inferencias y aplicar de pensamientos (CoT), que desglosa paso a paso el
reglas y principios para llegar a conclusiones válidas.
problema.
TÉCNICAS
TÉCNICAS DE PROMPTING
PENSEMOS PASO A PASO
Recientemente ha surgido la novedosa idea de aplicar la
estrategia de Cadena de Pensamiento sin entrenamiento
previo, la cual consiste simplemente en agregar la frase
"Pensemos paso a paso" al final del prompt original.
Los resultados de las pruebas han demostrado que este
pequeño cambio en el prompt estimula el razonamiento en
forma de cadena de pensamiento y mejora el rendimiento
del proceso de generación.
OTROS ASPECTOS DE LOS
PROMPTS
OTROS ASPECTOS DE LOS PROMPTS
Indicación de estilo
Es posible solicitar a la IA que adopte un estilo de lenguaje especí co durante la
conversación. Mediante esta solicitud, podemos obtener respuestas que re ejen el tono,
la terminología y las características propias de un estilo particular. Si no especi camos el
estilo, la IA probablemente genere como respuesta uno o dos párrafos cortos.
Podemos solicitar que adopte un estilo concordante con algún rol previamente asignado al
modelo.
“Escribe con el estilo y la terminología de un experto en química, doctorado y con más de
20 años de experiencia. Explica con ejemplos detallados el tema […]”
También es factible solicitar a la IA que adopte un estilo de escritura especí co de un
reconocido autor. Mediante esta solicitud, puedes obtener respuestas que re ejen el tono,
el lenguaje distintivo y las características literarias del autor en cuestión.
Existen variados estilos que podemos solicitar como poético, irónico, creativo, informal,
académico, para ser comprendido por un niño de 5 años, etc.
OTROS ASPECTOS DE LOS PROMPTS
Prevención de respuestas incorrectas
En los casos en que debamos reforzar la veracidad de las respuestas del modelo, por ejemplo, por
haber detectado respuestas previas erróneas, podemos aclararle al modelo que no cree respuestas si
no tiene su cientes datos como para generar respuestas correctas. Podemos indicarle, por ejemplo:
“Si no sabes la respuesta a una pregunta, no inventes información, sólo aclara que no puedes
responder porque no tienes datos su cientes”
“Si no sabes la respuesta a una pregunta, no inventes información, pregúntame más datos para
obtener más contexto.”
Sin embargo, como modelo de lenguaje, ChatGPT no tiene una capacidad innata de comprender y
seguir instrucciones especí cas como "no generar respuestas si no tienes su cientes datos". Puede
suceder que el modelo ignore completamente la instrucción y genere una respuesta con la
información disponible o bien puede reconocer la indicación y evitar proporcionar una respuesta
especí ca.
OTROS ASPECTOS DE LOS PROMPTS
Pautas de estructura
Para evitar las respuestas demasiado breves, podemos indicarle al modelo el tipo
de estructura que deseamos. Un buen prompt debe dar instrucciones especí cas
sobre el formato y el contenido. Es importante eliminar la ambigüedad en el
lenguaje para mejorar la consistencia y calidad. Por ejemplo:
“Escribe un ensayo altamente detallado con secciones de introducción, cuerpo y
conclusión que responda a lo siguiente: ¿Cuáles son los problemas…”
Si utilizamos el término 'ensayo' en el prompt, es más probable que el LLM genere
respuestas coherentes y estructuradas, ya que puede comprender la de nición de
un ensayo.
OTROS ASPECTOS DE LOS PROMPTS
Resúmenes Generación de código
Para solicitar un resumen o esquema Los LLM son extremadamente
de un texto, simplemente lo copiamos efectivos en la generación de código,
y pegamos en el cuadro de texto y le lo que resulta muy útil en el ámbito de
pedimos que realice un resumen. la programación. Estos modelos están
Podemos incluir, en chatGPT, hasta entrenados con grandes conjuntos de
2.500 palabras en un solo fragmento. datos de código fuente, en variados
Si el texto es más largo, es necesario lenguajes, lo que les permite aprender
dividirlo en fragmentos patrones y estructuras comunes en
Además de los resúmenes, también programación.
podemos pedirle al modelo que
escriba un esquema de la estructura
de todo el artículo.
OTROS ASPECTOS DE LOS PROMPTS
Conversaciones largas
Los LLM operan en base a una ventana contextual o detalles especí cos mencionados anteriormente, lo
limitada, lo que signi ca que sólo pueden que va afectando la coherencia de la conversación.
considerar una cantidad determinada de palabras Sin embargo, hay una estrategia efectiva para
o tokens anteriores en su contexto. A medida que abordar este problema. Podemos solicitar al modelo
se agrega más texto en una conversación, los que genere periódicamente un resumen o
tokens más antiguos quedan fuera de esta ventana recapitulación de la conversación hasta ese
y, por lo tanto, tienen menos peso en la momento. Al hacer esto, estamos forzando al modelo
generación de respuestas. Esta limitación de a recordar toda la interacción y restablecer la
memoria va llevando a una disminución en la importancia de todas las etapas de la conversación.
calidad de la conversación, ya que los detalles Esto ayuda a mantener una visión general de la
iniciales se vuelven menos accesibles para el discusión y evitar que se pierdan detalles
modelo. A medida que avanza la conversación, el importantes a medida que la conversación avanza.
modelo va olvidando información relevante
OTROS ASPECTOS DE LOS PROMPTS
Solicitud de feedback
La IA puede darnos retroalimentación para asistirnos en la detección de errores,
consejos para mejorar y ayuda en diferentes aspectos. Si presentamos una
muestra de texto al modelo, podemos aprovechar la IA para mejorar un trabajo
que hemos realizado, solicitar consejos o recibir asesoramiento en diversas
áreas.
Por ejemplo, podemos solicitarle recomendaciones para mejorar un texto que
hemos escrito.
Podemos pedirle sugerencias sobre errores gramaticales, incoherencias,
contradicciones o problemas de estilo o estructura, la claridad del contenido, la
elección de palabras más precisas, etc. La IA puede proporcionar
recomendaciones útiles y especí cas para perfeccionar un texto y lograr una
mayor calidad en su redacción.
Esta retroalimentación es una herramienta adicional que podemos utilizar para
mejorar nuestras producciones y obtener perspectivas diferentes.
PUNTOS DÉBILES DE CHATGPT
PUNTOS
PUNTOS DÉBILES DE DEB
CHATGPT
ChatGPT, al ser un modelo de lenguaje basado en texto, tiene algunas limitaciones y puntos débiles que
debemos tener en cuenta. Algunos son:
DATOS ERRÓNEOS O INFORMACIÓN NO CITAS BIBLIOGRÁFICAS
ACTUALIZADA:
ChatGPT fue entrenado con una amplia cantidad de La mayoría de los LLM no pueden citar las fuentes con precisión.
datos, hasta septiembre de 2021, por lo que no tiene Cuando no tienen acceso a Internet no tienen la capacidad de
acceso a la información más reciente, ya que por el saber de dónde procede su información. Frecuentemente generan
momento no tiene conexión a Internet. Esto puede fuentes que parecen reales, pero que son totalmente inexactas.
resultar en respuestas desactualizadas o basadas en Para trabajos académicos o investigaciones que requieren citas
información incorrecta. Para datos actualizados podemos formales y especí cas, es recomendable utilizar fuentes con ables
consultar el buscador Bing, que tiene conexión a internet. y consultar directamente los recursos adecuados.
PUNTOS
PUNTOS DÉBILES DE DEB
CHATGPT
CÁLCULOS MATEMÁTICOS COMPLEJOS GENERACIÓN DE ALUCINACIONES
O RESPUESTAS FALSAS
Aunque ChatGPT puede realizar cálculos matemáticos
básicos, como sumas, restas y multiplicaciones simples,
puede tener di cultades con problemas matemáticos más Los LLM cuando desconocen una respuesta
complejos. Para cálculos avanzados o especializados, es frecuentemente crean alternativas falsas. Puede
mejor utilizar herramientas y software especializados. ocurrir que digan que no tienen la su ciente
información como para responder, pero no es lo
que ocurre con mayor frecuencia. En vez de esto,
CONTEXTO LIMITADO sucede usualmente que presentan respuestas con
un estilo y estructura muy verosímil, pero
ChatGPT puede tener di cultades para recordar incorrectas o completamente creadas desde cero.
información de largo plazo o seguir un hilo de Por ello es importante analizar bien las respuestas y
conversación complejo. A medida que aumenta la veri car la información con fuentes adicionales
longitud de la interacción o se introducen múltiples cuando sea necesario.
temas, es más probable que la coherencia y la relevancia
de las respuestas disminuyan.
