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

Para lograr la optimización de los prompts en el uso de ChatGPT, Gemini, Copilot, y demás IAs generativas, es crucial comprender y aplicar diversos métodos y estrategias que han sido desarrollados por expertos en la materia. A continuación, se detallan los métodos presentados en distintos blogs, culminando con una propuesta para utilizar la estructura JSON como herramienta para crear prompts más efectivos y estructurados.

Método 1: Claridad, Contexto y Rol, Iteración (CCRI) para Mejorar Resultados con ChatGPT

El primer método destacado, realizado por el Ingeniero de Prompts Greg Schwartz, resalta tres reglas fundamentales para mejorar los resultados con ChatGPT. La primera regla es la claridad y especificidad. Se enfatiza que los prompts deben ser claros y específicos para evitar respuestas ambiguas. La segunda regla es proporcionar contexto y definir roles. Dar un contexto adecuado y especificar el rol que el modelo debe asumir puede enfocar mejor las respuestas. Finalmente, la tercera regla es iteración y retroalimentación. Refinar y ajustar los prompts basándose en las respuestas obtenidas es esencial para mejorar continuamente la calidad de las respuestas generadas por el modelo (ver Tabla 1).

Tabla 1. Síntesis Método Claridad, Contexto y Rol, Iteración (CCRI)

Regla	Descripción	Ejemplo
Claridad	Los prompts deben ser claros y específicos para evitar ambigüedades.	"Describa los beneficios de la fotosíntesis en términos simples."
Contexto y Rol	Proporcionar contexto y definir roles para enfocar mejor las respuestas.	"Como experto en historia, explique las causas de la Segunda Guerra Mundial."
Iteración	Refinar y ajustar los prompts basándose en las respuestas obtenidas para mejorar la calidad.	"Primero describa la Revolución Francesa, luego explique sus consecuencias a largo plazo."

Adaptado de "Estas son las tres reglas para tener mejores resultados en ChatGPT, según un ingeniero de prompts", por Lizana, 2024.

Método 2: Instrucción, Contexto, Experimentación (ICE). Prompts para IA generativa

En esta oportunidad, Singh Walia (2023) amplía estas ideas con un enfoque en la experimentación y la iteración. Aconseja comenzar con instrucciones precisas y claras, proporcionando un contexto adecuado para que el modelo pueda entender mejor la solicitud. Además, se fomenta la experimentación con diferentes formulaciones de prompts y la iteración continua para refinar las respuestas. La combinación de precisión y creatividad es clave para elaborar prompts que generen resultados óptimos. Este método se sintetiza en la Tabla 2.

Tabla 2. Síntesis Método Instrucción, Contexto, Experimentación (ICE)

Estrategia	Descripción	Ejemplo
Instrucciones	Comenzar con instrucciones precisas y claras.	"Explique el ciclo del agua con detalles específicos sobre cada etapa."
Contexto	Proporcionar un contexto adecuado para mejorar la comprensión del modelo.	"Como científico climático, describa cómo el cambio climático afecta al ciclo del agua."
Experimentación	Probar diferentes formulaciones de prompts y ajustar según sea necesario.	"Primero explique el ciclo del agua, luego describa cómo las actividades humanas lo alteran."

Adaptado de "La guía definitiva de ChatGPT para 2024 – parte 1", por Singh Walia, 2023a.

Método 3: Secuencialidad y Herramientas de apoyo

La Guía Definitiva de ChatGPT para 2024 - Parte 2 de Planeta Chatbot introduce herramientas adicionales para mejorar la creación de prompts. Se destacan herramientas como QuillBot para reescribir textos y mejorar la gramática, y ElevenLabs para convertir texto a voz de alta calidad. Estas herramientas ayudan a refinar los prompts y asegurar que las respuestas generadas sean de alta calidad y adecuadas para diversos usos. La guía también sugiere utilizar prompts secuenciales y proporcionar ejemplos claros para guiar al modelo en el desarrollo de respuestas más detalladas y coherentes (Singh Walia, 2023b). Se exponen ejemplos de su uso en al Tabla 3.

Tabla 3. Síntesis Método Secuencialidad y Herramientas adicionales

Herramienta	Descripción	Ejemplo
QuillBot	Herramienta para reescribir textos y mejorar la gramática.	"Reescribe este texto para que sea más claro y conciso."
ElevenLabs	Herramienta para convertir texto a voz de alta calidad.	"Convierte este documento en un audio claro y profesional."
Prompts Secuenciales	Uso de prompts en secuencia para desarrollar respuestas detalladas.	"Describe primero la fotosíntesis, luego explica cómo afecta al ciclo del carbono."

Adaptado de La guía definitiva de ChatGPT para 2024 – Parte 2", por Singh Walia, 2023b.

Método 4: Afirmación, Practicidad y Cadena de Pensamiento (APCP). Uso de la IA controlarse a sí misma

Este método propone que ChatGPT puede generar sus propios prompts mediante el uso de directivas afirmativas y la estructura de ejemplos prácticos. La repetición de palabras clave y la inducción de la Cadena de Pensamiento (CoT) son técnicas recomendadas para asegurar que el modelo entienda completamente la solicitud y produzca respuestas precisas. Este enfoque facilita la creación de prompts efectivos sin la necesidad de una ingeniería detallada por parte del usuario (Gibbs, 2023). Lo anterior se sintetiza en la Tabla 4.

Tabla 4. Síntesis Método Afirmación, Practicidad y Cadena de Pensamiento (APCP)

Estrategia	Descripción	Ejemplo
Directivas Afirmativas	Uso de afirmaciones claras y directas.	"Describa los efectos del calentamiento global en los ecosistemas marinos."
Ejemplos Prácticos	Proveer ejemplos específicos para guiar al modelo.	"Proporcione un resumen de 200 palabras sobre la Revolución Industrial, incluyendo causas y efectos."
Cadena de Pensamiento	Guiar al modelo paso a paso para profundizar en cada aspecto.	"Primero describa la teoría de la evolución, luego explique cómo se ha demostrado con evidencia fósil."

Adaptado de "Olvídate de la ingeniería de prompts, ChatGPT puede escribir prompts para ti", por Gibbs, 2023.

Método 5: Concisión, Lógica, Explicitud, Adaptabilidad y Reflexividad (CLEAR). La Ingeniería de Prompts para profesionales de todo tipo

Finalmente, el método desarrollado por el experto en ingeniería de Prompts Lo (2023) en su artículo The art and science of prompt engineering: A new literacy in the information ageen propone el marco CLEAR, que incluye cinco principios fundamentales: concisión, lógica, explicitud, adaptabilidad y reflexividad. Este marco guía a los usuarios en la creación de prompts claros y estructurados, optimizando así la interacción con los modelos de lenguaje artificial. Cada principio aborda un aspecto específico de la ingeniería de prompts, asegurando que las solicitudes sean precisas y que las respuestas sean coherentes y relevantes (Como se cita en Castillo-Velásquez, 2023). El Método Clear se sintetiza en la Tabla 5.

Tabla 5. Síntesis Método Concisión, Lógica, Explicitud, Adaptabilidad y Reflexividad (CLEAR)

Principio	Descripción	Ejemplo
Concisión	Indicaciones claras y directas.	"Describa las etapas de la mitosis y su importancia en la división celular."
Lógica	Mantener una progresión lógica de ideas.	"Describa los pasos involucrados en la creación de un presupuesto financiero."
Explicitud	Especificar claramente el formato y contenido esperado.	"Dé un breve resumen de la Guerra Civil Americana, concentrándose en sus orígenes y consecuencias."
Adaptabilidad	Ser flexible y experimentar con diferentes formulaciones.	"Analizar el impacto del calentamiento global en los casquetes polares."
Reflexividad	Evaluar y refinar continuamente los prompts.	"Revise las respuestas generadas por IA y ajuste los prompts para mejorar su precisión."

Adaptado de "¿Qué es la Ingeniería de Prompts y por qué es una habilidad esencial para los bibliotecarios universitarios?", por Castillo-Velásquez, 2023.

Para integrar todos estos métodos y facilitar la creación de prompts de manera estructurada, se propone utilizar la estructura JSON. Este formato permite organizar los elementos de un prompt de forma clara y eficiente, facilitando su manipulación y reutilización.

Ingeniería de Prompts y estructura JSON para la Creación de Prompts Optimizados

La Ingeniería de Prompts y estructura JSON (JavaScript Object Notation) es una combinación poderosa para estructurar prompts de manera clara y organizada, permitiendo una fácil manipulación y reutilización. Aquí se presenta cómo implementar este método:

1. Definición de la Estructura JSON:

{

"role": "Expert",

"task": "Explain the process",

 "details": {

"topic": "Stages of mitosis",

"importance": "Significance in cell division"

 },

"format": "detailed text",

"steps": [

"Prophase",

"Metaphase",

"Anaphase",

"Telophase" 

]

}

Prompt Generado: "Eres un experto en biología celular. Explica el proceso de la mitosis detalladamente, describiendo las etapas de profase, metafase, anafase y telofase, y su importancia en la división celular."

Ventajas del Método JSON:

• Claridad y Organización: La estructura JSON facilita la organización de la información, asegurando que todos los detalles relevantes estén incluidos.

• Reusabilidad: Los prompts estructurados en JSON pueden ser fácilmente modificados y reutilizados para diferentes tareas.

• Automatización: Facilita la integración con sistemas automatizados para la generación y evaluación de prompts.

En conclusión, la ingeniería de prompts es una disciplina esencial para optimizar el uso de modelos de lenguaje artificial como ChatGPT. Aplicando los métodos descritos y utilizando la estructura JSON, los usuarios pueden crear prompts efectivos y obtener respuestas precisas y relevantes.

Esta combinación de técnicas y herramientas representa el pináculo de la eficiencia en la interacción con Inteligencia Artificial.

Elaborada con Copilot.

Referencias

• Genbeta. (2023). 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.

Le puede interesar:

1. Potenciando una Tesis: La Sinergia entre Humanos e Inteligencia Artificial (IA)

2. Simplificando la Gestión de Datos: Unificación de Hojas de Excel con ChatGPT

3. Inteligencia Artificial (IA) para Generar Informes a Partir de Datos en Excel