2 jun 20246 Min. de lectura

info[template]: Plantilla para la Creación de un Prompt Efectivo para cualquier IA

Actualizado: 15 nov 2024

La idea de este blog se origina a raíz de mi interacción como Referencista con usuarios (docentes y estudiantes universitarios) en el desarrollo de mis actividades profesionales, en las que ha sido común los interrogantes sobre el manejo efectivo de la Inteligencia Artificial Generativa (IAgen) en la solución de sus necesidades informacionales. Después de instruir a los usuarios alrededor de la generación de prompts efectivos, era normal que volvieran solicitando la repetición de la información o la corroboración sobre sus prompts actuales, en las que lograba evidenciar que lo explicado no era suficiente para personas que no tenían experiencia previa en la interacción con IAs, obteniendo resultados precarios y poco impactantes que no daban respuesta a sus necesidades informacionales.

Ante este dilema y en pro de darle una solución a mis usuarios, generé, en primera instancia, una entrada que diera a conocer una de las metodologías más efectivas en el Enginering Prompting: CLEAR. Esta entrada, aunque mostraba ejemplos claros sobre su aplicación metodológica, resultaba complicada para un usuario sin experiencia. En consecuencia, generé otra entrada en la que reuní 5 metodologías de Enginering prompting en una estructura de JSON (JavaScript Object Notation) a manera de plantilla, para que el usuario final simplemente reemplazara la información por su respectiva necesidad de información diseminada en las variables recuperadas de las metodologías, y ejecutara el esquema en su IAgen para obtener un resultado preciso. Esta ruta fue más efectiva, pero el tener que reemplazar información de una plantilla, no era práctico para requerimientos inmediatos.

Entendiendo esta dificultad, he generado una Plantilla Prompt (info [template]) con capacidad de autoaprendizaje que le permita a la IAgen interrogar al usuario para detallar el prompt que se utilizará en la solución de su necesidad de información puntual, de una manera personalizada.

Sobre la plantilla generadora de Prompts: info[template]

Este prompt guiará a cualquier IAgen a generar una estructura similar para nuevas solicitudes, manteniendo en su metodología la claridad, especificidad, contexto, instrucciones precisas, secuenciales y directivas afirmativas (ver Tabla 1). Para crear un prompt efectivo que permita replicar la estructura de otro, pero con el tema que el usuario desee indagar o desarrollar, utilizando las peticiones que ingreses posteriormente, necesitamos integrar los cinco métodos discutidos e integrados a la estructura JSON, como se mostró en el Blog Métodos de Ingeniería de Prompts y la estructura JSON para mejorar la precisión en tus órdenes a la IA generativa como ChatGPT, Copilot y Gemini. Sácale el jugo en modo profesional y como se muestra en la Figura 1.

De esta manera, esta plantilla pretende generar un Prompt que te permita darle una instrucción concreta a la IAgen que te ayude a potenciar su uso. Cópiala y pégala; incluye funciones para que el usuario tenga la posibilidad de: Reiniciar Tema: Si deseas comenzar de nuevo con un nuevo tema. Desarrollar punto: Si hay un punto específico que deseas desarrollar más. Agregar preguntas: Si tienes preguntas adicionales que te gustaría que se respondieran. Guardar en la Memoria: Si deseas guardar esta información para referencia futura. Cambiar de Tema: Si deseas cambiar a un tema completamente diferente. Solo debes escribir la palabra y la IA hará lo propio. Una vez tengas tu Prompt de salida, podrás ejecutarlo en esa misma conversación, o en una nueva (esto dependerá del modelo de IAgen utilizado).

Cópiala y pégala

Nosotros probamos esta plantilla, con completo ÉXITO, tanto en la generación del prompt de entrada, como la ejecución del prompt de salida, en los modelos de IAgen: GPT-4o, GPT-4, GPT, 3.5, Copilot, Copilot PRO, Gemini, Gemini Advanced, Perplexity, Mistral. Depende de la IA que utilices y sus respectivas capacidades, podrás generar un Prompt que pueda:

Analizar datos de tablas de Excel.
Generar gráficos A partir de código Python.
Editar o realizar imágenes.
Generar códigos de programación en cualquier lenguaje.
Generar ideas de proyectos.
Generar ideas empresariales o de reestructuración de servicios.
Generar planes estratégicos.

Tabla 1.

Métodos Aplicados en la Plantilla de Prompt info[template]

Método	Objetivo	Aplicación
Método Concisión, Lógica, Explicitud, Adaptabilidad y Reflexividad (CLEAR)	Asegurarse de que el prompt sea claro y específico.	Definir con precisión la tarea a realizar.
Método Claridad, Contexto y Rol, Iteración (CCRI)	Añadir contexto y un rol específico para el modelo.	Especificar el rol del modelo y proporcionar contexto para enfocar la respuesta.
Método Instrucción, Contexto, Experimentación (ICE)	Utilizar instrucciones claras y específicas para cada parte del proceso.	Detallar los pasos que deben seguirse para cubrir todas las partes relevantes del proceso.
Método: Prompts Secuenciales	Incluir prompts secuenciales que detallen el proceso en una secuencia lógica.	Asegurarse de que cada parte del proceso se cubra en el orden correcto, facilitando una explicación coherente y completa.
Método Afirmación, Practicidad y Cadena de Pensamiento (APCP)	Utilizar afirmaciones claras y proporcionar ejemplos para guiar al modelo.	Usar frases afirmativas y ejemplos específicos para guiar al modelo en el desarrollo de la respuesta.

Adaptado de "Estas son las tres reglas para tener mejores resultados en ChatGPT, según un ingeniero de prompts", por Lizana, 2024; "La guía definitiva de ChatGPT para 2024 – parte 1", por Singh Walia, 2023a; Adaptado de La guía definitiva de ChatGPT para 2024 – Parte 2", por Singh Walia, 2023b; "Olvídate de la ingeniería de prompts, ChatGPT puede escribir prompts para ti", por Gibbs, 2023; "¿Qué es la Ingeniería de Prompts y por qué es una habilidad esencial para los bibliotecarios universitarios?", por Castillo-Velásquez, 2023.

Creación de un Prompt Efectivo utilizando el Formato JSON o lenguaje natural

Aplicando estos métodos, en la Figura 1 está el prompt en formato JSON y en lenguaje natural que permite replicar la estructura y la inclusión de nuevas peticiones para la Creación de un Prompt Efectivo. Copia la opción que prefieras y llévala a tu IAgen (la que sea) y empieza a responder las preguntas con las que la IA se alimentará para proporcionarte un Prompt específico que realizará a cabalidad la actividad encomendada.

En la Figura 2 incluimos evidencia del proceso en Copilot, ya que es el Modelo gratuito más avanzado (GPT-4) y el que recomendamos desde info[rage], en caso de no tener ninguna suscripción a servicios avanzados. La ejecución la hicimos en Gemini Advanced, en función de este ejercicio (Ver Figura 3).

[Aprende a sacarle el jugo a Microsoft Edge y habilita la capacidad de generar 600 peticiones por conversación en Copilot].

Figura 1

Plantilla info[template] para la generación de Prompts efectivos

Elaboración propia.

Aplicación de info[template] para generar prompts efectivos

A continuación, la Figura 2 muestra la Galería que evidencia el proceso de interacción entre la IAgen Copilot y un usuario (estudiante de maestría) en el proceso de aplicación de la plantilla en un caso real, en el que la necesidad de información era crear gráficos a partir de un Excel desorganizado. En este caso, el usuario creó un agente IA en Gemini Advanced que realizara este proceso reiterativamente a partir de archivos de Excel cargados.

Figura 2

Aplicación de la plantilla info[template] para obtener el prompt efectivo para atender la necesidad de información

Elaboración propia.

El prompt de salida, producto de la aplicación de la plantilla info[template], resultó ser el siguiente:

Como una “Fábrica generadora de Código Python para gráficas a partir de Tablas de Excel”, tu objetivo es guiar a los usuarios a través de un proceso que comienza con la carga de un archivo Excel, seguido por el análisis de los datos contenidos en el archivo. Dependiendo del tipo de datos, generarás diferentes tipos de gráficos utilizando Python. Por ejemplo, si hay datos geográficos, generarás mapas; si hay datos numéricos, optarás por tablas, gráficos de líneas o barras; si los datos muestran tendencias, preferirás gráficos lineales; y si hay conjuntos de datos, crearás mapas de calor y diagramas de Venn. No es necesario incluir literatura especializada, académica o de investigación en las respuestas.

Recuerda que puedes realizar las siguientes acciones en cualquier momento:

Reiniciar Tema: Si deseas comenzar de nuevo con un nuevo tema.
Desarrollar punto: Indica qué punto se desea desarrollar.
Agregar preguntas: Si tienes preguntas adicionales que te gustaría que se respondieran.
Guardar en la Memoria: Si deseas guardar esta información para referencia futura.
Cambiar de Tema: Si deseas cambiar a un tema completamente diferente.

Aplicación del Prompt Efectivo producto de la aplicación de la plantilla info[template]

¡Perfecto! Ahora que hemos definido el prompt a partir del uso de la plantilla info[template] para generar código Python para gráficas a partir de tablas de Excel, le indicamos al usuario que lo ejecute en una IAgen que permita la carga de archivos de Excel. Esto lo hizo en la IAgen Gemini Advanced de Google y lo evidenciamos en la Galería compartida de la Figura 3.

Figura 3

Aplicación del Prompt Efectivo producto de la aplicación de la plantilla info[template]

Elaboración propia.

El prompt, tal y como se esperaba, generó nu Agente IA especializado en generar gráficos a partir de Tablas en Excel. En este caso, la IA limpió y estructuró la tabla a través de las bibliotecas de Python y generó los gráficos solicitados.

Referencias

Lizana. (2024). Tres reglas para tener mejores resultados en ChatGPT según un ingeniero de prompts. Genbeta
Singh Walia, A. (2023a). La guía definitiva de ChatGPT para 2024 – parte 1. Planeta Chatbot.
Singh Walia, A. (2023b). La guía definitiva de ChatGPT para 2024 – parte 2. Planeta Chatbot.
Gibbs, J. (2023). Olvídate de la ingeniería de prompts, ChatGPT puede escribir prompts para ti. Planeta Chatbot.
Castillo-Velásquez, J. A. (2023). La ingeniería de prompts para bibliotecarios universitarios. Linked in.