Prompting
Fecha de creación del post: 3 de septiembre de 2025
Autor: Abraham García
Introducción
Crear prompts que logren traer la información correcta en el formato esperado es tanto una ciencia como un arte.
La forma en la que se redacta un prompt influye directamente en la calidad de la salida obtenida en cada petición al modelo.
Existen diversas recomendaciones y buenas prácticas que ayudan a mejorar los resultados, asegurando que las respuestas sean más coherentes, completas y útiles según el contexto.
En este documento se explorarán dichas recomendaciones, junto con ejemplos y técnicas que permiten optimizar el uso de prompting en aplicaciones reales.
Formas de crear un prompt
Existen diferentes maneras de crear un prompt dependiendo de las herramientas y el flujo de trabajo que se utilicen. A continuación se presentan dos de las más comunes:
Escribirlo directamente
El SDK de OpenAI proporciona un objeto en el cual se puede definir el prompt de manera sencilla cuando se trabaja por su API.
Esta es la forma más directa y flexible de construir un prompt, ya que el desarrollador controla todo el contenido y formato del mismo dentro de su código.
Prompting Dashboard
OpenAI también ofrece un Dashboard para la creación y gestión de prompts.
Este entorno permite:
- Utilizar variables dinámicas dentro del prompt.
- Controlar versiones de prompts para mantener un historial claro de cambios.
- Evaluar el rendimiento mediante pruebas (evals), lo que facilita medir la efectividad de cada prompt.
- Mantener una estructura organizada, lo cual resulta muy útil cuando se trabaja con múltiples equipos o proyectos.
El Dashboard es especialmente recomendable cuando se necesita escalar el uso de prompts, asegurando consistencia y trazabilidad.
Técnicas de prompting
Existen dos técnicas importantes para crear prompts bien estructurados, las cuales son consideradas buenas prácticas en el trabajo con modelos de lenguaje:
- Prompt caching
Esta técnica permite reducir la latencia y, en muchos casos, puede disminuir el costo por tokens hasta en un 85%.
Se basa en aprovechar el almacenamiento en caché de prompts estáticos, evitando que el modelo procese repetidamente la misma información base en cada petición.
- Prompt engineering
Hace referencia a las estrategias y estructuras que se aplican al redactar un prompt, con el fin de que el modelo comprenda mejor la pregunta o problema que recibe como entrada.
Involucra prácticas como:- Especificar el formato de salida esperado.
- Dividir instrucciones complejas en pasos claros.
- Incluir ejemplos de entrada y salida.
✅ Ambas técnicas son complementarias:
- Prompt caching optimiza recursos (tiempo y costo). Nota: Esta reducción de costos se ve reflejado en el documento de Modelos OpenIA.
- Prompt engineering mejora la calidad y coherencia de las respuestas.
Crear un prompt (Dashboard)
Para crear un prompt desde el Dashboard de OpenAI, se recomienda seguir los siguientes pasos:
- Ingresar al OpenAI Dashboard.
- Comenzar con el contexto estático del prompt, es decir, las instrucciones que nunca cambian y que siempre deben estar presentes.
- Posteriormente, mediante el uso de variables, se puede agregar la parte dinámica del prompt, que corresponde a lo que el usuario introduce como entrada.
- Una vez terminado el prompt, selecciona la opción Crear.
- Cuando el prompt se haya generado, el sistema mostrará un ID único.
- Este prompt_id podrá utilizarse posteriormente en la programación, haciendo referencia directa al prompt almacenado en el Dashboard.
De esta manera, el Dashboard no solo permite estructurar prompts de manera más organizada, sino que también facilita su versionado, reuso y mantenimiento dentro de proyectos más grandes.
Ejemplo:
curl -s -X POST "https://api.openai.com/v1/responses" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '{
"prompt": {
"prompt_id": "pmpt_123",
"variables": {
"city": "San Francisco"
}
}
}'