Glosario de ingeniería de prompts

Conceptos básicos

Prompt

Texto (y a veces imágenes o archivos) que le das a un modelo de IA para que haga algo. Incluye la tarea, el contexto que necesita y cómo quieres el resultado.

Ingeniería de prompts

Práctica de diseñar, probar y refinar prompts para obtener respuestas más útiles y consistentes. Se parece más a redactar un buen encargo que a programar.

Modelo de lenguaje (LLM)

Sistema entrenado con grandes cantidades de texto que predice qué palabras siguen a otras. ChatGPT, Claude, Gemini, DeepSeek y Grok funcionan sobre modelos de este tipo.

Token

Unidad en la que el modelo trocea el texto: puede ser una palabra, parte de una palabra o un signo. Los límites de longitud y el coste de las API se miden en tokens; en español, una palabra suele ocupar algo más de un token. Puedes estimarlos con el contador de tokens.

Ventana de contexto

Cantidad máxima de tokens que el modelo puede tener en cuenta a la vez, sumando tus mensajes, los documentos adjuntos y sus propias respuestas. Lo que queda fuera de la ventana el modelo deja de «verlo».

Prompt de sistema (system prompt)

Instrucciones de fondo que fijan el comportamiento del asistente durante toda la conversación: rol, tono, límites y formato. Ejemplo: «Eres un tutor de matemáticas para secundaria; nunca das la solución sin explicar el razonamiento». Puedes redactar uno con el generador de system prompts.

Rol o persona

Perfil que pides al modelo que adopte para orientar vocabulario y criterio, como «actúa como editor de una revista de viajes». Ayuda, pero no sustituye al contexto concreto.

Contexto

Información de fondo que el modelo no puede adivinar: para quién es el texto, qué se ha hecho antes, qué restricciones hay. Suele ser la parte que más mejora una respuesta.

Instrucción

La orden central del prompt, formulada con un verbo claro: «resume», «compara», «reescribe», «clasifica». Una instrucción por frase evita ambigüedades.

Formato de salida

Forma exacta que debe tener la respuesta: lista, tabla, JSON, número de palabras, idioma. Ejemplo: «Devuelve una tabla con las columnas ventaja, inconveniente y ejemplo».

Marcador de posición

Hueco señalado, normalmente [entre corchetes], que se rellena con datos propios antes de enviar el prompt. Por ejemplo, [nombre del producto].

Delimitadores

Signos que separan las instrucciones del material que el modelo debe procesar, como comillas triples, guiones o etiquetas. Así queda claro qué es orden y qué es texto de entrada.

Temperatura

Parámetro que controla cuánta variedad introduce el modelo al elegir palabras. Valores bajos dan respuestas más previsibles; valores altos, más creativas e irregulares. Se ajusta en las API y en algunos entornos de prueba, no en todos los chats.

Top-p

Otro control de variedad: limita la elección a las palabras más probables hasta sumar cierta probabilidad. Lo habitual es ajustar la temperatura o el top-p, no los dos a la vez.

Modelo multimodal

Modelo capaz de recibir o producir más de un tipo de contenido, por ejemplo texto e imágenes. Permite tareas como describir una foto o leer un gráfico.

Técnicas

Zero-shot

Pedir una tarea sin dar ejemplos, confiando en lo que el modelo ya sabe. Funciona bien en tareas comunes como resumir o traducir.

Few-shot

Incluir dos o tres ejemplos de entrada y salida para que el modelo imite el patrón. Es muy útil para clasificar textos o mantener un estilo concreto.

Reseña: «Llegó roto» → negativa
Reseña: «Justo lo que buscaba» → positiva
Reseña: «Tardó, pero funciona bien» → 

Cadena de pensamiento

Técnica que consiste en pedir al modelo que razone paso a paso antes de dar la respuesta final. Mejora problemas de lógica, cálculo o planificación, aunque alarga la salida. Muchos modelos actuales ya razonan internamente sin que se lo pidas.

Descomposición de tareas

Dividir un encargo grande en pasos pequeños y pedirlos por orden: primero el índice, luego cada sección, después la revisión. Reduce errores y facilita corregir.

Encadenamiento de prompts

Usar la salida de un prompt como entrada del siguiente. Ejemplo: un prompt extrae las ideas clave de una entrevista y otro las convierte en un artículo.

Autoconsistencia

Generar varias respuestas a la misma pregunta y quedarse con la que más se repite o con la mejor argumentada. Sirve para detectar respuestas poco fiables.

Etiquetas XML

Etiquetas como <contexto> o <documento> que separan partes del prompt. Claude las aprovecha especialmente bien, pero ayudan a cualquier modelo a no mezclar instrucciones con datos.

Salida estructurada

Pedir la respuesta en un formato que otro programa pueda leer, normalmente JSON con claves definidas. Algunas API permiten imponer un esquema para que la salida siempre sea válida.

Restricciones

Límites explícitos que acotan la respuesta: extensión, vocabulario prohibido, público, fuentes permitidas. «Máximo 100 palabras, sin anglicismos» es una restricción clara.

Plantilla de prompt

Prompt reutilizable con partes fijas y marcadores variables. Ahorra tiempo en tareas repetidas, como redactar fichas de producto con la misma estructura.

Refinamiento iterativo

Mejorar la respuesta mediante ajustes sucesivos en lugar de reescribir el prompt desde cero. Pide cambios concretos: «mantén la estructura, pero usa un tono más cercano».

Metaprompting

Pedirle a la IA que te ayude a escribir o mejorar un prompt. Ejemplo: «Hazme las preguntas que necesites para redactar un buen prompt sobre este informe».

RAG (generación aumentada por recuperación)

Sistema que busca fragmentos relevantes en una base de documentos y los añade al prompt antes de que el modelo responda. Permite contestar con información propia o actualizada.

Prerrelleno de la respuesta

Escribir el comienzo de la respuesta del modelo para guiar su forma, por ejemplo abrir con una llave para forzar JSON. Solo está disponible en algunas API.

Generación de imagen y video

Prompt negativo

Lista de elementos que no quieres en la imagen, como «texto, marca de agua, manos deformes». Stable Diffusion lo usa como campo aparte y Midjourney mediante el parámetro --no. Puedes crear uno con el generador de prompts negativos.

Relación de aspecto

Proporción entre ancho y alto de la imagen o el video: 1:1 cuadrado, 16:9 horizontal, 9:16 vertical para redes. En Midjourney se indica con --ar 16:9.

Peso de prompt

Forma de dar más o menos importancia a una parte del prompt. En interfaces de Stable Diffusion se escribe (niebla:1.3); valores por encima de 1 refuerzan y por debajo atenúan.

Semilla

Número que fija el punto de partida aleatorio de la generación. Con el mismo prompt, modelo y semilla se obtienen resultados muy parecidos, lo que permite comparar cambios de uno en uno.

Escala de guía (CFG)

Parámetro de los modelos de difusión que indica cuánto debe ceñirse la imagen al prompt. Valores muy altos pueden dar colores saturados y artefactos.

Parámetros de Midjourney

Opciones que se añaden al final del prompt con doble guion: --ar para el formato, --stylize para la intensidad estética, --chaos para la variedad entre resultados, --no para excluir elementos y --style raw para un aspecto más literal y fotográfico.

Imagen a imagen

Generar una imagen nueva a partir de otra de referencia, conservando composición o colores. Útil para variaciones de un mismo diseño.

Inpainting

Editar solo una zona marcada de la imagen, por ejemplo cambiar el cielo o quitar un objeto, sin tocar el resto.

Outpainting

Ampliar una imagen más allá de sus bordes originales, inventando el entorno de forma coherente. Sirve para pasar una foto vertical a formato horizontal.

Imagen a prompt

Proceso inverso: analizar una imagen para obtener un prompt que permita recrear algo parecido. Es útil para entender qué palabras describen un estilo que te gusta.

Referencia de estilo

Imagen o descripción que indica la estética deseada (paleta, textura, época) sin copiar el contenido. Varios modelos permiten subir imágenes de referencia con este fin.

Encuadre o plano

Distancia y ángulo desde los que se muestra el sujeto: plano general, plano medio, primer plano, picado o contrapicado. Indicarlo da imágenes mucho más intencionadas.

Movimiento de cámara

Descripción de cómo se desplaza la cámara en un video: travelling, paneo, zoom lento, cámara en mano o plano cenital fijo. Conviene pedir un solo movimiento por toma.

Texto a video e imagen a video

Dos modos de generar video: desde una descripción escrita o animando una imagen inicial. En el segundo, el prompt debe centrarse en el movimiento, no en volver a describir la imagen. Algunos modelos, como Veo 3, también generan sonido y diálogo a partir del prompt.

Prompt JSON

Descripción de una escena organizada en claves (sujeto, entorno, luz, cámara, estilo). Facilita cambiar un único elemento y mantener el resto idéntico entre versiones.

Evaluación y seguridad

Alucinación

Respuesta que suena segura pero es falsa: datos, citas o referencias inventadas. Para reducirla, pide que el modelo indique cuándo no sabe algo y verifica siempre los datos importantes.

Fundamentación

Pedir que la respuesta se base solo en el material proporcionado y que cite el fragmento de donde sale cada afirmación. Ejemplo: «Responde únicamente con el documento adjunto; si no aparece, dilo».

Sesgo

Tendencia del modelo a reproducir estereotipos o desequilibrios presentes en sus datos de entrenamiento. Revisa con atención los textos sobre personas, colectivos o temas sensibles.

Inyección de prompts

Riesgo de seguridad en el que un texto externo (una web, un correo, un documento) contiene instrucciones ocultas que intentan cambiar el comportamiento del asistente. Se mitiga separando datos e instrucciones y no dando a la IA permisos que no necesita.

Fuga del prompt de sistema

Situación en la que un asistente revela sus instrucciones internas al usuario. Por eso no conviene incluir contraseñas ni datos confidenciales en un system prompt.

Moderación de contenido

Filtros que aplican los proveedores para bloquear peticiones o resultados que incumplen sus normas de uso. Si una petición legítima se bloquea, reformularla con más contexto suele resolverlo.

Evaluación (evals)

Pruebas sistemáticas para medir si un prompt funciona: se ejecuta sobre muchos casos y se comparan los resultados con lo esperado. Imprescindible antes de usar un prompt en producción.

Casos de prueba

Conjunto fijo de entradas representativas, incluidas las difíciles, con la respuesta ideal de cada una. Permite comprobar que una mejora no estropea otra cosa.

Rúbrica

Lista de criterios con los que se puntúa una respuesta, como precisión, tono, extensión y formato. También puedes darla al modelo para que revise su propio borrador. El verificador de prompts aplica una idea parecida al propio prompt.

Detector de texto IA

Herramienta que estima la probabilidad de que un texto haya sido escrito por una IA a partir de patrones estadísticos. Sus resultados son orientativos y nunca prueban por sí solos quién escribió un texto.

Marca de agua y procedencia

Señales, visibles o invisibles, que algunos proveedores añaden a imágenes, audio o texto generados para indicar su origen. Estándares como C2PA registran en los metadatos cómo se creó un archivo.

Datos personales en prompts

Nombres, documentos de identidad, datos médicos o financieros que se pegan en un chat. Antes de enviarlos, comprueba la política del proveedor y anonimiza lo que no sea imprescindible.

Actualizado: 2026-11-04