Dos personas le hacen la misma pregunta a la misma IA y obtienen respuestas muy distintas — porque preguntaron diferente. La ingeniería de prompts es la habilidad de escribir la entrada para que un gran modelo de lenguaje dé una salida precisa y útil en vez de relleno vago. Esta guía explica qué es la ingeniería de prompts, las técnicas que de verdad funcionan, cómo se aplica al código, y dónde acaba el bombo.
Qué es la ingeniería de prompts
Un LLM responde exactamente a lo que pides y a cómo lo pides. La redacción, el contexto, los ejemplos y la estructura de tu prompt moldean fuertemente el resultado. La ingeniería de prompts es moldear esa entrada deliberadamente — ser específico, dar contexto, mostrar ejemplos, pedir un formato — en vez de escribir una pregunta vaga y esperar.
Es menos «programación» y más comunicación clara y estructurada con un sistema que te toma al pie de la letra. (Para lo que hace el modelo debajo, mira qué es un LLM.)
Las técnicas que funcionan
- Sé específico sobre la tarea y la salida que quieres — elimina la ambigüedad.
- Da contexto — antecedentes, restricciones, audiencia, los datos reales.
- Muestra ejemplos de entrada→salida que quieres (few-shot).
- Asigna un rol — «eres un revisor senior de Python».
- Especifica el formato — JSON, tabla, viñetas.
- Pide razonamiento paso a paso en problemas complejos.
- Itera — refina el prompt según lo que volvió.
Ninguna es un truco; cada una elimina la ambigüedad para que el modelo tenga lo que necesita.
La ingeniería de prompts para el código
Con los asistentes de código, los buenos prompts transforman la calidad:
- Pega el código y los mensajes de error reales en vez de describirlos.
- Indica el lenguaje, el framework y las versiones.
- Especifica las restricciones — rendimiento, estilo, sin nuevas dependencias.
- Pide pruebas o explicaciones junto al código.
- Divide las tareas grandes en pasos más pequeños y bien definidos.
Aportar contexto real — la función real, la traza de pila real — es la mayor palanca. También por eso el RAG, que alimenta al modelo con tu código real, mejora la precisión, y por qué el asistente de código IA adecuado con buenos prompts supera a cualquiera por separado.
La parte honesta: habilidad, no magia
Los fundamentos — claridad, contexto, ejemplos, estructura — mejoran de verdad los resultados en todos los modelos y no van a desaparecer. Lo que se sobrevende es tratar los prompts como conjuros secretos o una profesión permanente. A medida que los modelos entienden mejor la intención, los trucos quisquillosos importan menos mientras la comunicación clara y el buen contexto importan más. Es una alfabetización práctica para trabajar con IA, no palabras mágicas.
En resumen
La ingeniería de prompts es moldear deliberadamente tu entrada para que un LLM responda bien — instrucciones específicas, contexto real, ejemplos, formato explícito, e iteración. Para el código, pegar el código real y las restricciones supera a la descripción vaga siempre. Los principios se transfieren entre modelos aunque los detalles quisquillosos cambien. Aprende los fundamentos, sáltate la mística: es comunicación clara con una máquina literal, y es una habilidad que vale la pena tener.
