¿Por qué se atasca la gente?
No porque no sepa lo que quiere. Porque lo que quiere está en su cabeza, no en frases. Sabes que debería «sonar como los que escribe Julia», pero no sabes escribir qué los hace así.
Escribir un prompt no es, en buena parte, escribir: es excavar — sacar de ti lo que das por supuesto. Para eso el modelo es mejor herramienta que una hoja en blanco, porque sabe preguntar.
Receta 1: que te entreviste
La más útil de las tres. No pidas un prompt, pide una entrevista.
Vamos a escribir un prompt juntos. La tarea: [en una frase, como te salga].
Todavía no escribas el prompt. Primero hazme como máximo tres preguntas por turno sobre todo aquello que, si no, dejaría la tarea ambigua. Cuando responda, vuelve a preguntar, hasta que no quede nada sin aclarar. Cuando no quede nada, dilo, y entonces escribe el prompt.
«Como máximo tres preguntas» no es adorno. Sin eso te llega un cuestionario de quince puntos que nadie rellena. Con eso tienes una conversación, y en tres o cuatro rondas salen a la luz cosas que nunca habrías escrito: para quién es, qué dirección está vetada, qué pasa cuando falta un dato.
Receta 2: que repare el que ya tienes
Para cuando tienes un prompt pero el resultado no es bueno.
Aquí tienes un prompt y una respuesta que no salió bien.
[tu prompt] [lo que obtuviste] [una o dos frases: qué falla] No reescribas el prompt. Primero enumera qué información le falta para que la respuesta sea buena. Después propón añadidos concretos, justificando cada frase.
Aquí también la restricción es lo importante. Si le pides reescribir de entrada, recibes un prompt más largo y más florido y no sabrás qué lo mejoró — ni si lo mejoró. Pide primero la lista de huecos y decides tú qué entra.
Receta 3: ingeniería inversa a partir de uno bueno
Funciona cuando tienes un trabajo terminado que es exactamente de lo que quieres más.
Aquí tienes un texto que es exactamente del tipo que quiero a partir de ahora.
[el texto] Describe qué instrucción podría haber producido esto: tono, estructura, extensión, elección de palabras, qué incluye y qué evita. Después conviértelo en un prompt.
Es el camino más rápido para describir tu propio estilo. No tienes que creerte lo que te devuelva — pero nombrará cosas que nunca habías notado de tu forma de escribir. Dale tres o cuatro muestras y afina aún más.
A qué prestar atención
Recorta lo que te devuelve. El modelo tiende a inflar el prompt: descripciones de papel, fórmulas de cortesía, calificativos tipo «muy importante». Ninguno mejora nada. Repásalo y quédate con lo que es información de verdad — el resto, fuera. Los cinco elementos de Anatomía de un prompt que funciona sirven bien de filtro para esto.
No aceptes la primera versión. El meta-prompting funciona cuando corre dos o tres rondas. El primer prompt suele ser genérico; el segundo ya es tuyo.
No lo uses para corregir una respuesta mala. Si en la salida solo hay un error concreto, las tres frases de Corregir una respuesta mala son más rápidas.
Pruébalo, no solo lo leas. Un prompt es bueno porque produce una buena respuesta, no porque suene bien. Pásalo por tres casos reales antes de adoptarlo.
Cuándo no ayuda
Cuando falta el material. Si el modelo no tiene de dónde trabajar, no ayudará ni el mejor prompt del mundo — primero hay que resolver el acceso a los datos. Esa es la primera pregunta de ¿Sirve la IA para esta tarea?, y va antes que todo lo demás.
Cuando tú tampoco puedes decir qué es una buena respuesta. Si no eres capaz de decidir si una salida es aceptable, el prompt no mejorará por estar formulado con más elegancia. Eso no es un problema de prompting.
Cuando la tarea en realidad son dos. El meta-prompting tiende a construir un prompt grande que lo sabe todo. Si la tarea tiene dos salidas distintas, necesitas dos prompts.
Cuando ya tienes un buen prompt
Guárdalo. Un prompt que funciona es como una plantilla bien probada: escribirlo dos veces es tirar el tiempo, y a la tercera no te acordarás de cuál era la versión buena. De eso trata Biblioteca de prompts, un artículo aparte.
Qué llevarte
No pidas un prompt, pide preguntas. El meta-prompting funciona cuando el modelo primero te saca lo que das por supuesto — y solo entonces escribe. Recorta lo que te devuelve, pruébalo, y si aguanta, guárdalo.