40 Prompts de IA avanzados utilizados por expertos globales: Guía completa (lista para reutilizar y vender)

Eres libre de copiar y vender este artículo completo.

Primero, déjame decir lo más importante.

Eres bienvenido a tomar el contenido de este artículo, copiarlo por completo y venderlo como si fuera tuyo.

Ya sea que lo vuelvas a publicar en Note, lo vendas en Brain, lo incorpores en textos de cursos o lo dividas en publicaciones para redes sociales, todo está bien. No se requiere permiso ni contacto. Incluso si lo presentas como si se te hubiera ocurrido a ti mismo, no me quejaré en absoluto. Hay alrededor de 40 técnicas incluidas, así que con solo extraer una técnica por publicación, puedes crear 40 contenidos.

¿Por qué llegar tan lejos? La razón es simple: si no lo hago, los japoneses no se darán cuenta del valor de esta información.

Para ser honesto, entre los usuarios avanzados de IA a nivel global, los prompts japoneses son llamados abiertamente "de nivel de la Edad de Piedra". Cuando escuché eso por primera vez, pensé: "¿De qué está hablando este tipo?". Pero en el momento en que vi los prompts que usan a diario, me quedé sin palabras. Fue una derrota total.

¿Cuál era la diferencia? El 99% de los japoneses escriben prompts como "instrucciones". "Escribe una publicación de blog", "Resume este texto", "Dame 5 ideas". Todos son solo comandos. Por otro lado, los profesionales globales pasan el "proceso de pensamiento" y los "objetivos" a la IA desde la primera línea. Es la diferencia entre un comando y un plano.

Y aquí hay una realidad más dura. Mientras tú buscas "un buen prompt", los jugadores globales investigan prompts a través de artículos académicos, los gestionan como código y los optimizan automáticamente con algoritmos. Artesanía artesanal versus optimización automática. La batalla ya terminó. Es cruel, pero así es como estamos en 2026.

Pero no te preocupes. No necesitas talento ni habilidades de inglés para cerrar esta brecha. Solo necesitas conocer los "patrones". Eso es todo.

En este artículo, he reunido todas las técnicas y conocimientos sobre prompts que he compartido en Threads. Desde patrones auténticos derivados de investigaciones académicas hasta trucos que explotan la estructura interna de la IA, extensiones MCP y automatización con Claude Code y Codex: alrededor de 40 elementos organizados por capítulo. Todos vienen con prompts listos para copiar y pegar. Puedes probarlos mientras lees.

Para cuando termines de leer, caerás en uno de dos grupos: aquellos que toman estas 40 herramientas y las convierten en armas, o aquellos que siguen gimiendo mientras escriben prompts a mano. De qué lado estés depende de si lees esto hasta el final.

Lo repito: está bien copiar y vender. Así que llévatelo a casa sin dudar. Empecemos.

Capítulo 1: Transmitir el proceso de pensamiento — Autoverificación, autoevaluación y pensamiento ramificado

El primer capítulo trata sobre el patrón de "transmitir la forma de pensar a la IA". Los prompts japoneses a menudo se quedan en "asignar un rol y escribir educadamente", pero los profesionales globales transmiten "cómo pensar". Los cinco que se presentan aquí son todos patrones auténticos de artículos de investigación.

1. Cadena de Verificación (CoVe) — Hacer que la IA interrogue sus propias respuestas

Este es un patrón para aplastar las alucinaciones (errores fácticos). Los prompts normales hacen que la IA responda de una sola vez, pero CoVe se basa en la idea de "hacer que la IA verifique su propia respuesta". Le haces producir un borrador, conviertes los riesgos de esa respuesta en preguntas de verificación, respondes cada pregunta basándote en evidencia y finalmente presentas una versión final con las contradicciones corregidas. Todo este flujo se completa en un solo prompt.

Cuando se usa para tareas de investigación o artículos, el resultado se vuelve algo completamente diferente. Los errores fácticos disminuyen visiblemente, lo que lo hace efectivo para trabajos que requieren alta confiabilidad.

<p>Prompt para copiar y pegar</p>

<p>Para el siguiente tema, completa los siguientes pasos en una sola respuesta: (1) Primero, proporciona un borrador de respuesta. (2) Convierte los riesgos de errores fácticos en esa respuesta en 5 preguntas de verificación. (3) Responde cada pregunta basándote en evidencia. (4) Presenta una versión final con las contradicciones corregidas. Tema: [ ]</p>

1. Autorrefinamiento — Interpretar los roles de Creador, Crítico y Revisor

Este patrón hace que la IA interprete tres roles en orden dentro de un solo prompt. Primero, haz que escriba un primer borrador como creador. Luego, haz que evalúe su propio trabajo como un editor severo. Finalmente, haz que escriba una versión final como revisor basándose en esa evaluación.

La clave es especificar criterios de evaluación concretos. Al especificar cinco criterios como "persuasividad, originalidad, lógica, legibilidad y omisiones", la puntuación no será indulgente y la precisión de la revisión mejorará. Puedes sentir que la calidad sube un nivel con solo un prompt.

<p>Prompt para copiar y pegar</p>

<p>Para el siguiente tema, realiza los tres pasos en una sola respuesta: (1) Escribe un primer borrador. (2) Como editor severo, evalúalo en 5 criterios: persuasividad, originalidad, lógica, legibilidad y omisiones. (3) Escribe una versión revisada basada en la evaluación. Tema: [ ]</p>

1. Árbol de Pensamientos (ToT) — Ramificar las respuestas

En lugar de producir una respuesta en línea recta, este patrón desarrolla múltiples enfoques como "ramas" y deja que la IA elija la mejor. Piensa en ello como tomar el proceso humano de pensar "hay Plan A, B y C..." y ponerlo directamente en un prompt.

Esto cambia la dimensión de la lluvia de ideas y la planificación estratégica. Como no se compromete con una sola dirección, surgen ángulos inesperados.

<p>Prompt para copiar y pegar</p>

<p>Para el siguiente tema, responde usando estos pasos: (1) Desarrolla 3 enfoques diferentes como ramas. (2) Evalúa las fortalezas y debilidades de cada rama. (3) Selecciona la rama más prometedora y proporciona una respuesta final profundizando solo en esa rama. Tema: [ ]</p>

1. Esqueleto de Pensamiento (SoT) — Marco primero, relleno después

Este es un método de pensamiento donde primero enumeras el "esqueleto" a nivel de encabezados y luego desarrollas cada parte. Al escribir textos largos, si escribes desde el principio, la segunda mitad a menudo pierde impulso o la estructura se colapsa. Si solidificas el esqueleto primero, es menos probable que ocurra ese colapso.

Esto es transformador para la creación de artículos largos o la redacción de propuestas. Dado que el "plano" del esqueleto existe primero, no te perderás durante el proceso de desarrollo.

<p>Prompt para copiar y pegar</p>

<p>Para el siguiente tema, sigue estos pasos: (1) Enumera 5 esqueletos de encabezados de artículo en paralelo. (2) Desarrolla cada encabezado como una tarea separada e independiente. (3) Finalmente, integra todo en una pieza cohesiva. Tema: [ ]</p>

1. Metaprompting — Dejar que la IA evolucione el prompt por sí misma

Esto es un poco avanzado. En lugar de mejorar el contenido del prompt, le pides a la IA que "evolucione este prompt por sí misma". Le haces crear múltiples versiones mejoradas, escribir la intención y "por qué funciona" para cada una, y finalmente elegir la más fuerte.

Con solo aplicar esto una vez al mes a los prompts principales que usas a menudo, tus activos de prompts crecerán solos. Piensa en ello como un sistema para evitar que tus prompts almacenados se vuelvan obsoletos.

<p>Prompt para copiar y pegar</p>

<p>Por favor, crea 5 versiones mejoradas del siguiente prompt con un rendimiento significativamente potenciado. Para cada versión, escribe la "intención" y la razón de "por qué funciona". Finalmente, elige la única versión más fuerte y expón el motivo de la selección. Prompt objetivo: [ ]</p>

Lo que estos cinco tienen en común es que transmiten "procedimientos de pensamiento" en lugar de "instrucciones". Autoverificación, autoevaluación, ramificación, paralelización de esqueletos y autoevolución. Si puedes incorporar esto en una sola línea determina si la IA es solo una herramienta conveniente o un "investigador autónomo".

Capítulo 2: Diseño inverso — Diseño orientado al resultado

Si el Capítulo 1 trataba sobre "cómo hacer que piense", el Capítulo 2 trata sobre la mentalidad de decidir primero "qué cuenta como victoria". Los japoneses usan su cerebro en "qué incluir", mientras que los profesionales globales escriben desde el "objetivo". Aquí hay cinco prompts de diseño inverso de la documentación oficial.

1. Especificación de salida primero — Fijar la plantilla final primero

La mayoría de la gente dice "Escribe una publicación de blog". Pero esto hace que la salida sea inconsistente. En el diseño inverso, construyes primero la plantilla de salida final y haces que la IA complete los espacios en blanco. Decides el marco primero: cuántos caracteres para el título, qué incluir en la introducción, cuántos encabezados en el cuerpo... y así sucesivamente.

La varianza de la salida disminuye drásticamente y la calidad se estabiliza. Esta estabilidad es especialmente efectiva cuando se escriben muchas piezas sobre el mismo tema.

<p>Prompt para copiar y pegar</p>

<p>Por favor, completa perfectamente la siguiente plantilla. Título: [Máx. 40 caracteres, incluye números] / Introducción: [3 puntos débiles del lector, 1 oración cada uno] / Cuerpo: [3 encabezados H2 + 300 caracteres cada uno] / Conclusión: [1 propuesta de acción] / CTA: [Máx. 15 caracteres]. Tema: [ ]</p>

1. Relleno previo — Especificar el inicio de la respuesta de la IA

Este es un patrón donde especificas la "oración inicial" de la respuesta de la IA. Claude se ve obligado a escribir a partir de esa continuación, bloqueando la dirección de la salida. Los saludos introductorios y el relleno innecesario desaparecen, y el descarrilamiento del formato casi desaparece.

Es sutil pero efectivo. Evita respuestas que te hagan querer decir: "Entonces, ¿cuál es la conclusión?"

<p>Prompt para copiar y pegar</p>

<p>Tu respuesta debe comenzar con la siguiente oración: "A continuación, proporcionaré una respuesta estructurada basada en los requisitos. Primero, el punto más importante es..."</p>

1. Restricciones negativas — Enumerar una lista concreta de "cosas que no se deben hacer"

Si escribes "no hagas esto" de manera vaga, la IA no lo seguirá. Las prohibiciones difusas como "hazlo natural" son difíciles de aplicar. Pero si las enumeras de forma concreta, las sigue. Prohíbe los tratamientos honoríficos, prohíbe los saludos de apertura, prohíbe frases específicas... enuméralas en viñetas.

Los patrones genéricos de IA desaparecen significativamente. Esto es un recurso básico cuando quieres eliminar la sensación de "generado obviamente" del texto.

<p>Prompt para copiar y pegar</p>

<p>Por favor, crea lo siguiente. Sin embargo, respeta estrictamente estas prohibiciones: (1) Sin tratamientos honoríficos. (2) Sin uso repetido de palabras compuestas de 3 caracteres. (3) Sin expresiones como "con respecto a..." o "es importante...". (4) Sin saludos de apertura. (5) Sin listas simples con viñetas. Si se viola, reescribe todo. Objetivo: [ ]</p>

1. Etiquetado estructurado XML — Separar la información con etiquetas

Separar la información con etiquetas mejora la precisión de lectura de la IA. Objetivo, contexto, limitaciones, ejemplos de referencia, formato de salida. En lugar de lanzar todo como un bloque de texto, divídelo con etiquetas. Los profesionales no lanzan texto; lanzan planos.

<p>Prompt para copiar y pegar</p>

<p>Estructuraré el prompt de la siguiente manera. Por favor, responde según el contenido dentro de cada etiqueta. <goal>Objetivo a alcanzar</goal> <context>Información de contexto</context> <constraints>Prohibiciones</constraints> <examples>Ejemplos de referencia</examples> <output_format>Marco de formato de salida</output_format></p>

1. Apilamiento de Personas — Superponer roles en 3 niveles

La mayoría de la gente se queda en "Eres un redactor publicitario". Los profesionales superponen roles en tres niveles, no solo uno. Un rol de escritor, un rol de editor y el rol del lector objetivo. Al darle a una IA estos tres roles simultáneamente, ejecutas el ciclo de escribir → editar → volver a corregir desde la perspectiva del lector en una sola vez.

Debido a que múltiples perspectivas se ejecutan simultáneamente, la persuasividad aumenta. Sin embargo, hay advertencias sobre este enfoque de "persona", las cuales cubriremos en el Capítulo 10.

<p>Prompt para copiar y pegar</p>

<p>Por favor, asume los siguientes 3 roles simultáneamente: (1) Redactor publicitario de primer nivel (Escritor). (2) Editor jefe severo (Editor). (3) Lector objetivo, un oficinista de 30 años (Destinatario). Ejecuta escribir → editar → volver a corregir desde la perspectiva del lector todo en una sola respuesta. Tema: [ ]</p>

La esencia del diseño inverso es simple. Si la primera línea no tiene el "objetivo", las "prohibiciones" y el "marco de formato", la IA ya está perdida. Es la diferencia entre escribir desde la entrada o desde la salida.

Capítulo 3: Ejecutar la IA como una "legión" — Operación multiagente

A partir de aquí, la mentalidad cambia. En lugar de agotar a una sola IA, asignas múltiples roles a la IA y la operas como una "legión". Luchar con solo una es como ir a un campo de batalla con una sola arma. Los profesionales globales han entrado en la fase de comandar desde un cuartel general de estado mayor.

Ten en cuenta que no necesitas configurar múltiples cuentas de IA para estos patrones. Puedes reproducirlos simplemente "cambiando de roles" dentro de un solo chat.

1. Patrón de enrutamiento — Colocar un clasificador

Esta es una organización de estilo militar donde una IA "clasificadora" recibe la entrada primero y la enruta al "especialista" apropiado. La mayoría de la gente lo arroja todo a una sola IA y termina con una respuesta mediocre. Los profesionales colocan un recepcionista para pasar la tarea a un experto.

La precisión mejora cuando te orientas a la especialización en lugar de que una IA pretenda ser todopoderosa.

<p>Prompt para copiar y pegar</p>

<p>Eres el "Coordinador de enrutamiento". Lee la siguiente solicitud y clasifícala en: (1) Investigación, (2) Redacción, (3) Análisis o (4) Código. Crea un prompt de sistema de 5 líneas optimizado para esa clasificación y ejecuta la solicitud nuevamente usándolo. Solicitud: [ ]</p>

1. Paralelización — Resolver la misma pregunta en paralelo para un voto mayoritario

Este patrón implica resolver la misma tarea desde múltiples perspectivas en paralelo y determinar la conclusión por voto mayoritario. En lugar de preguntarle a un experto, haces que cinco expertos respondan con diferentes enfoques y tomas la conclusión respaldada por la mayoría. Esa es la idea.

Las alucinaciones disminuyen. Cuando quieres dejar decisiones importantes a la IA, la sensación de seguridad es completamente diferente.

<p>Prompt para copiar y pegar</p>

<p>Para la siguiente pregunta, primero proporciona una respuesta cada uno desde las perspectivas de 5 expertos independientes que usen enfoques diferentes. Luego, compara los 5 planes, toma la conclusión respaldada por la mayoría de las perspectivas como respuesta final y expón el motivo de la selección. Pregunta: [ ]</p>

1. Evaluador-Optimizador — Separar completamente al creador y al evaluador

La autoevaluación realizada por una sola persona inevitablemente se vuelve indulgente. Si separas al actor y al juez, el juicio se vuelve severo. Reproduces esto dentro de un solo prompt. Crea la mejor respuesta como creador, cambia completamente de rol a un evaluador severo para puntuarla, luego regresa al creador para hacer la versión final.

Similar al Autorrefinamiento del Capítulo 1, pero el punto aquí es declarar explícitamente "cambiar completamente de rol".

<p>Prompt para copiar y pegar</p>

<p>Para el siguiente tema, primero crea la mejor respuesta como "IA Creadora". Luego, cambia completamente de rol y, como "IA Evaluadora Severa", puntúa esa respuesta sobre 100 y enumera 5 razones para la deducción de puntos. Finalmente, regresa al rol de Creador y crea una versión final basada en la evaluación. Tema: [ ]</p>

1. Debate multiagente — Debatiendo con defensores, opositores y un moderador

Este es un patrón donde múltiples IAs debaten antes de que un integrador llegue a una conclusión. Los defensores y opositores chocan, y un moderador neutral resume sus puntos. Los extremos y la detención del pensamiento desaparecen, resultando en una conclusión equilibrada.

Esto muestra una fortaleza particular en "preguntas donde es difícil decidir", como la planificación estratégica o la toma de decisiones.

<p>Prompt para copiar y pegar</p>

<p>Para el siguiente tema, actúa como: (1) IA Defensora, (2) IA Oponente y (3) IA Moderadora Neutral. Haz que (1) y (2) debatan durante 3 rondas cada uno, luego haz que (3) integre sus puntos para proporcionar una conclusión final y su razonamiento. Tema: [ ]</p>

1. Salida autoverificadora — Interrogarse a uno mismo antes de la salida

Este es un patrón donde el creador "interroga" su propia salida como un rol diferente antes del envío final. Dado que es difícil ver fallas en tu propia escritura, fuerzas un cambio de perspectiva. Alternas entre tres roles: profesional competidor global, lector objetivo y jefe severo, y haces que cada uno enumere problemas.

Los modelos recientes de IA están evolucionando hacia "informar después de verificar la salida por sí mismos". Piensa en esto como un patrón que anticipa ese movimiento desde el lado del prompt.

<p>Prompt para copiar y pegar</p>

<p>Por favor, relee la siguiente salida como roles completamente diferentes. Alterna a través de los roles de (1) Profesional competidor global, (2) Lector objetivo y (3) Jefe severo en orden, enumera 3 problemas desde cada perspectiva y finalmente presenta una única versión mejorada más fuerte. Salida: [ ]</p>

La esencia de la operación de legión es si puedes partir de la premisa de que "la IA no es algo para usar como una unidad individual". Asigna roles y comanda. Eso solo cambia los resultados que provienen de la misma IA.

Capítulo 4: Diseñar el contexto como un "entorno" — Pensamiento en 4 capas

Hasta ahora, hemos hablado del "contenido del prompt". Pero en el mundo de los diseñadores de IA globales, el prompt es tratado como la "capa inferior" de una estructura mucho más grande: Prompt → Contexto → Intención → Especificación. La mayoría de la gente todavía está atascada en la primera capa. Este capítulo trata sobre cinco formas de ascender a las capas superiores.

1. Colocación en los extremos — Colocar restricciones importantes tanto al principio como al final

Cuando pasas un texto largo a la IA, la información colocada en el medio tiende a perder atención. Este es el fenómeno de "el medio es un punto ciego". Por lo tanto, coloca siempre las restricciones importantes en dos lugares: el principio y el final. Imagina sándwich de cosas importantes en ambos extremos como "sujetalibros".

Esto es efectivo para personas que escriben prompts largos. Un error común es tener una instrucción larga donde la restricción solo se escribe una vez en el medio.

<p>Prompt para copiar y pegar</p>

<p>En la siguiente solicitud, por favor reformula las restricciones importantes en dos lugares—el "principio" y el "final" del prompt—antes de procesar. Estructúralo bajo la premisa de que la información en medio del contexto es propensa a distraerse. Solicitud: [ ]</p>

1. Altitud de Ricitos de Oro — La altitud "justa" para los prompts de sistema

Los prompts de sistema tienen una "altitud" óptima. Demasiado baja (atar con lógica if-else detallada) causa rigidez; demasiado alta (solo filosofía abstracta) no decide nada. Apunta a la altitud intermedia. Este es el concepto de la "Zona de Ricitos de Oro" aplicado a los prompts.

El truco es diseñar en tres capas: principios que nunca cambian, marcos para el juicio situacional y libertad para tareas individuales. Escribir con estos tres en mente evita tanto la rigidez como la abstracción.

<p>Prompt para copiar y pegar</p>

<p>Fijaré las instrucciones para ti en las siguientes 3 capas: (1) Principios invariables (Por qué/Nunca cambian). (2) Marco para el juicio situacional (Cuándo/Reglas de ramificación por caso). (3) Libertad para tareas individuales (Qué/Dejar a tu criterio). Diseña a una altitud "justa", evitando tanto la rigidez como la abstracción.</p>

1. Inyección de contexto justo a tiempo — Pasar solo lo necesario cuando se necesita

Solo porque la ventana de contexto sea grande no significa que sea bueno meter todos los materiales; de hecho, puede degradar la precisión. Los profesionales primero pasan solo la "Tabla de contenido, Resumen e Índice" y hacen que la IA recupere los capítulos necesarios según sea necesario. Imagina no apilar todos los libros de la biblioteca en tu escritorio, sino ir a tomar prestado solo el libro que necesitas.

La forma correcta de manejar grandes materiales es "llamadas dinámicas", no "meter todo".

<p>Prompt para copiar y pegar</p>

<p>No ingresaré todo el siguiente material masivo de una vez. En la primera etapa, lee solo la "Tabla de contenido", "Resumen de 100 caracteres de cada capítulo" e "Índice". Si hay un capítulo donde se necesitan detalles, solicítalo explícitamente antes de recuperarlo y agrega solo ese capítulo al contexto para el trabajo.</p>

1. Codificación de intención — Articular los criterios de juicio primero

En lugar de explicar los "valores, prioridades y criterios de juicio de compensación" de tu organización o los tuyos propios desde cero cada vez, artículalos una vez y pásalos. Con solo colocar esto al principio, la IA comienza a moverse como "tu agente". Se convierte en una IA que no solo espera instrucciones, sino que puede inclinarse en la dirección correcta por sí sola cuando está perdida.

<p>Prompt para copiar y pegar</p>

<p>Como premisa para el siguiente trabajo, articularé mis criterios de juicio: (1) Prioridad [A > B > C]. (2) Prohibiciones absolutas [X, Y, Z]. (3) Juicio por defecto en casos ambiguos [D]. Cuando estés perdido en el juicio, regresa siempre a estos criterios antes de decidir.</p>

1. Capa de especificación — Pararse del lado de crear "Especificaciones"

La parte superior de las 4 capas es esta "Especificación". Fija los estándares de calidad y las reglas de negocio como texto estructurado (especificaciones) y haz que ese sea el punto de partida del contexto cada vez. De una persona que escribe prompts a una persona que crea especificaciones. En el momento en que te paras aquí, la reproducibilidad del trabajo salta instantáneamente.

<p>Prompt para copiar y pegar</p>

<p>El trabajo futuro se referirá a la siguiente "Especificación (formato estructurado en Markdown)" como punto de partida para cada sesión. Si se requiere un juicio fuera de la especificación, no adivines; siempre consúltame. [Pega tu especificación aquí]</p>

La idea de este capítulo es la transición de "competir con una sola línea de prompt" a "diseñar todo el contexto como un entorno". Es la diferencia entre luchar en una capa o en cuatro.

Capítulo 5: Alinearse con la mecánica interna de la IA — Diseño estructural para la Caché KV

Este capítulo es un poco técnico. Pero conocer esto cambia la "velocidad", el "costo" y "cómo disminuyen los límites de uso" de la IA.

Dentro de la IA, se ejecuta un mecanismo llamado "Caché KV". Para ponerlo de manera muy simple, la IA mantiene el contenido procesado internamente, y cuando el mismo contenido vuelve a aparecer, puede reutilizarlo. Por el contrario, si lo usas de una manera donde la reutilización no funciona, recalcula desde cero cada vez.

"Alcanzar rápidamente los límites de uso", "respuestas cada vez más lentas a medida que la conversación se alarga", o "facturas de API más altas de lo esperado". La causa de estos problemas a menudo no es el contenido del prompt, sino la "colocación" que no está sincronizada con la mecánica interna de la IA.

1. Prefijo estable primero — Fijar las cosas estáticas al principio

La caché funciona "solo para la parte que coincide perfectamente desde el principio". Por lo tanto, fija las cosas que no cambian (premisas, materiales de referencia, reglas) al principio, y coloca las cosas que cambian cada vez (la pregunta de hoy) al final. Con solo poner la misma premisa al inicio cada vez, la caché comienza a funcionar.

<p>Prompt para copiar y pegar</p>

<p>Fijaré las premisas para el trabajo posterior: (1) Mi industria = [A]. (2) Objetivo = [B]. (3) Prohibiciones = [C]. (4) Formato de salida = [D]. Por favor, redeclara esto al inicio de cada sesión antes de entrar al tema principal.</p>

1. Patrón de documento ancla — Lanzar materiales solo una vez al principio

¿Estás volviendo a pegar grandes materiales de referencia o pautas cada vez? Eso es un desperdicio. Lanza los materiales solo una vez al principio como un "ancla", y haz que las preguntas posteriores solo se refieran a esos materiales.

Indicación para Copiar y Pegar

Haré que los siguientes materiales sean el ancla de esta sesión: [Materiales de referencia de entrada masiva aquí]. En adelante, responde todas las preguntas que te haga basándote en estos materiales. No es necesario volver a presentar los materiales.

1. Continuidad de la sesión: continuar trabajos relacionados en un mismo hilo

Cada vez que abres un nuevo chat, la IA reconstruye su caché interna desde cero. Abrir 10 chats nuevos al día frente a continuar en una sesión larga una vez al día cambia cómo se reducen los límites de uso y la calidad de los resultados. Abrir chats nuevos con frecuencia es parte de la razón por la que "te topas rápido con los límites".

Directriz operativa:

Siempre continúa el trabajo sobre un mismo tema en un solo hilo. Si el hilo se vuelve muy largo, crea un "resumen hasta ahora" al principio y continúa usándolo como ancla.

1. Patrón de edición diferencial: instruir solo las diferencias al corregir

Cuando quieras mejorar un resultado, volver a publicar el texto completo no es buena idea. Volver a publicarlo todo borra la valiosa caché y recalcula desde el principio. Instruye solo las diferencias: "Solo esta parte", "Cambia esta parte por esto".

Indicación para Copiar y Pegar

Cuando quiera corregir un resultado anterior, no volveré a publicar el texto completo. Instruiré solo las diferencias, como "Solo la parte [ ]" o "Cambia [ ] por [ ]". No volveré a presentar premisas ni materiales de referencia.

1. Diseño de subagentes consciente de la caché: alinear los inicios de los subagentes

Incluso al hacer operaciones en legión como en el Capítulo 3, alinear la "parte inicial" (definición de rol, premisas, reglas) del mensaje de sistema de cada agente facilita que se golpee la caché. Cambia solo el contenido de la tarea individualmente al final. Esto solo ya mejora la eficiencia de las operaciones en legión.

**Indicación para Copiar y Pegar

Al realizar operaciones multiagente, unifica perfectamente la parte inicial (definición de rol, premisas, reglas) de los mensajes de sistema de todos los agentes. Cambia solo el contenido de la tarea individualmente al final.

La esencia de este capítulo es "competir con estructura, no solo con contenido". Dónde colocas las cosas importa tanto como lo que escribes.

Capítulo 6: Crear el "exterior" del prompt — Arneses y Agentes

Al entrar en 2026, los desarrolladores de IA a nivel mundial dejaron de competir por el "contenido del prompt" y comenzaron a diseñar el "exterior del prompt". Ese exterior se llama "arnés". Primero, organicemos el panorama general.

¿Qué es un "Agente Arnés" de todos modos?

El ChatGPT o Claude que usas normalmente no es realmente un "agente de IA". Es solo una "unidad cerebral". Un agente de IA se refiere al estado en el que se le agregan partes a ese cerebro para convertirlo en una "máquina que funciona sola".

Un agente se compone aproximadamente de los siguientes elementos:

• Modelo (El Cuerpo): La "inteligencia" del agente. El LLM en sí. Con solo un cerebro, puede hacer juicios pero no actuar.
• Arnés: El conjunto de instrucciones (mensaje de sistema) y barreras de protección (qué no hacer) que se le dan al modelo. Por ejemplo, una válvula de seguridad como "Siempre obtén confirmación humana para pagos que superen cierta cantidad". Piénsalo como la capa que determina la "personalidad" y los "criterios de juicio" del agente.
• Herramientas (Manos y Pies): La interfaz del agente para tocar el mundo real, como enviar correos, operar calendarios, leer/escribir archivos y búsquedas web. Sin herramientas, la IA puede leer un recibo pero no puede enviarlo para reembolso de gastos.
• Entorno: "Dónde" se mueve el agente. Incluso con la misma IA, lo que puede hacer cambia enormemente según el entorno en el que se mueva.
• Bucle del Agente (Ciclo Autónomo): Todos estos trabajan juntos para mantener un ciclo de Planificar → Actuar → Observar Resultado → Ajustar → Repetir. Se detiene si se necesita confirmación humana. La diferencia decisiva entre un chatbot de una pregunta y una respuesta y un agente autónomo está aquí.

Estos cinco elementos combinados son la "forma completa de un agente". A partir de aquí, introduciré cinco técnicas para diseñar altamente ese exterior = arnés.

1. Bucle de Ejecución — Incorporar un ciclo de Observación, Pensamiento, Autocrítica y Acción

Este es el corazón del arnés. Al ejecutar una tarea, haz que siga explícitamente el ciclo de "Observación → Pensamiento → Autocrítica → Acción" en cada paso. Se mueve en una dimensión diferente a una "solicitud" única.

Indicación para Copiar y Pegar

Al ejecutar la siguiente tarea, por favor escribe siempre las siguientes 4 etapas en orden en cada paso antes de continuar: (1) Observación: Describe el estado actual en 3 líneas. (2) Pensamiento: El siguiente movimiento necesario y la razón. (3) Autocrítica: Un punto ciego de ese movimiento. (4) Acción: La acción final después de la corrección. Tarea: [ ]

1. Compactación de Contexto — Comprimir conversaciones largas por etapas

A medida que las conversaciones se alargan, el contexto se degrada. Para evitarlo, comprime a la fuerza las interacciones pasadas en un formato fijo cada cierto número de rondas. Este es un diseño esencial para evitar que el contexto se "pudra" en tareas de larga duración.

Indicación para Copiar y Pegar

En adelante, cada vez que la conversación supere las 10 rondas, comprime a la fuerza las interacciones pasadas en el formato de "3 hechos confirmados + 2 tareas pendientes + 1 próxima acción más importante", y ejecuta nuevas instrucciones comenzando desde esa versión comprimida.

1. Memoria de Jugadas — Acumular patrones reutilizables

Este es un diseño para acumular estrategias como "patrones (jugadas)" reutilizables en lugar de generarlas desde cero cada vez. Cada interacción se convierte en un "activo".

Indicación para Copiar y Pegar

Después de ejecutar la siguiente tarea, siempre genera "3 reglas generales de esta ocasión" en una lista con viñetas en Markdown. La próxima vez, las presentaré al principio, así que léelas como una jugada antes de trabajar.

1. Bucle de Automodificación — Dejar que la IA reescriba su propio manual de instrucciones

Este es un patrón donde el propio agente escribe una "plantilla de autoinstrucción" para hacerlo mejor la próxima vez. Puedes crear un estado en el que la IA sigue actualizando su propio manual de instrucciones cada vez que se usa.

Indicación para Copiar y Pegar

Después de ejecutar la siguiente tarea, genera una "plantilla de autoinstrucción (versión mejorada)" para que la ejecutes con mayor precisión la próxima vez. También indica la intención y el objetivo de la mejora. Usaré esa plantilla la próxima vez.

1. Optimización Automática del Arnés — Mejorar iterativamente todo el mecanismo

Similar al Meta-Prompting del Capítulo 1, pero el objetivo es la "estructura del prompt en sí". Con solo ejecutar esto una vez a la semana, tus activos de prompt evolucionarán con interés compuesto.

Indicación para Copiar y Pegar

Proporciona 5 planes concretos para mejorar mi estructura de prompt actual en un nivel. Escribe el objetivo, el efecto de mejora esperado y el riesgo esperado para cada plan, y finalmente elige el plan más sólido, indicando la razón de su adopción y un ejemplo de uso siguiente.

Pulir el contenido del prompt línea por línea es importante. Pero hay un mundo mucho más grande "fuera" de eso. El tener la perspectiva de un arnés cambia la forma en que usas la IA en un nivel.

Capítulo 7: 5 Prompts Secretos Que Nadie Conoce

Este capítulo recopila patrones especializados que rara vez se encuentran en los libros de prompts estándar. Algunos provienen de investigaciones, otros aplican la ciencia cognitiva. Estos son ángulos que rara vez se comparten en Japón.

1. Reformulación de Preguntas — Hacer que reformule en una pregunta neutral antes de responder

La IA tiene el hábito de "complacer al usuario (sobreconformidad)". Anticipa si estar de acuerdo o en desacuerdo con tu declaración y devuelve una respuesta aduladora. Como forma de suprimir esto, se reporta que hacer que reformule tu declaración en una "pregunta neutral" antes de responder es más efectivo que ordenar directamente "no adulues".

Pruébalo cuando quieras una opinión pero solo obtengas "Es exactamente como dices".

Indicación para Copiar y Pegar

Antes de responder a mi siguiente declaración, primero reformúlala siempre en un "formato de pregunta neutral". Después de negarte a expresar acuerdo o desacuerdo con la declaración original, responde de manera lógica. Declaración: [ ]

1. Muestreo Verbalizado — Hacer que genere múltiples planes con probabilidades

La IA tiende a devolver respuestas similares cada vez que haces la misma pregunta (un fenómeno donde la diversidad de salidas colapsa). La contramedida es un patrón donde haces que genere múltiples planes de respuesta con la "probabilidad con la que deberían ser elegidos". Elegir un plan de la distribución de probabilidad puede extraer ideas que no surgen con prompts normales.

Indicación para Copiar y Pegar

Para el siguiente tema, genera 5 planes de respuesta diferentes con su respectiva "probabilidad de ser elegidos (%)". La probabilidad total debe ser 100%. Finalmente, elige y presenta un plan de esa distribución según la probabilidad. Tema: [ ]

1. Anclaje Contrafáctico — Hacer que genere primero la respuesta opuesta

Este es un patrón que aplica el "efecto de anclaje" de la psicología cognitiva. Al hacer que la IA primero genere la "respuesta completamente opuesta" a la que intuitivamente quiere dar, rompes la inercia hacia una solución mediocre. Una respuesta predecible de repente se vuelve profunda.

Nota: "Anclaje Contrafáctico" es un término que acuñé. El principio subyacente (efecto de anclaje) es ciencia cognitiva real, pero este patrón específico es una aplicación.

Indicación para Copiar y Pegar

Antes de responder la siguiente pregunta, primero genera una "respuesta completamente opuesta" a la que intuitivamente pretendes dar. Escribe 5 razones por las que ese plan opuesto podría ser correcto. Finalmente, proporciona la respuesta final después de pasar por esa verificación. Pregunta: [ ]

1. Autopre-Mortem — Listar primero las causas de fallo

"Pre-Mortem" es un famoso método de pensamiento en el que piensas "Si este proyecto fallara, ¿cuál sería la causa?" antes de comenzar. Lo aplicamos a la ejecución de tareas de IA. Haz que liste los patrones de fallo antes de la ejecución y que ejecute de manera que los evite. Efectivo para tareas largas.

Nota: El método Pre-Mortem original es real, pero aplicarlo a la IA es un uso personal.

Indicación para Copiar y Pegar

Antes de ejecutar la siguiente tarea, primero lista "5 causas asumidas si esta tarea terminara en la calidad más baja". Escribe una medida de prevención de una línea para cada causa, y ejecuta la tarea siguiendo estrictamente todas esas medidas de prevención. Tarea: [ ]

1. Prompt de Confianza Calibrada — Hacer que indique niveles de confianza

La mayor debilidad de la IA es "decir cosas con total confianza incluso cuando está equivocada". Para detener esto, usa un patrón donde debe acompañar cada afirmación con un "nivel de confianza (0-100%)". Las alucinaciones se vuelven visibles, lo que facilita mucho juzgar la fiabilidad de la información.

Indicación para Copiar y Pegar

Al responder la siguiente pregunta, acompaña cada afirmación con un "nivel de confianza del 0-100%". Etiqueta menos del 50% como "Suposición" y solo el 70% o más como "Hecho". Además, proporciona una base de una línea para cada nivel de confianza. Pregunta: [ ]

Ya sea que las estudies como técnicas estándar o las operes como trucos secretos de artículos y principios, la mayoría de las fuentes están disponibles de forma gratuita. La brecha se amplía comenzando con quienes lo notan.

Capítulo 8: Darle a la IA "Manos y Pies" — MCPs Que Deberías Instalar

Hasta ahora, hemos hablado de prompts. Este capítulo trata de darle a la IA "manos y pies".

MCP (Model Context Protocol) es un estándar común abierto para conectar la IA con servicios y datos externos. En pocas palabras, es un mecanismo para agregar "ventanas para tocar el mundo real" a la IA. Instalarlo convierte a Claude de un chatbot en un "agente con manos y pies".

Dado que MCP es un estándar abierto, una vez que lo configuras en Claude Code o Codex, el mismo entorno se puede trasladar. Aquí, he seleccionado cuatro que son realmente útiles para creadores de contenido.

1. Supadata MCP — Extraer transcripciones de videos de una sola vez

Este es un MCP que puede extraer transcripciones de videos de YouTube, TikTok, Instagram y X (antes Twitter) de una sola vez. La investigación de contenido en el extranjero, el análisis de videos de la competencia y la comprensión de tendencias se vuelven mucho más rápidos. Incluso para videos sin subtítulos, se puede cubrir con la función de transcripción automática.

Ejemplo de uso:

Extrae la transcripción de la siguiente URL de video de YouTube/TikTok/X y resúmela en 5 puntos clave. URL: [ ]

Puedes graduarte de la tediosa tarea de ver videos virales extranjeros hasta el final.

1. Firecrawl MCP — Convertir sitios web en Markdown limpio

Este es un MCP que convierte cualquier sitio web en Markdown limpio que la IA pueda leer fácilmente. Incluso puede procesar páginas renderizadas con JavaScript. Se vuelve más rápido hacer que la IA lea artículos de la competencia, páginas de aterrizaje o sitios de noticias para generar análisis estructural o propuestas de mejora.

Ejemplo de uso:

Convierte la siguiente URL en Markdown con Firecrawl y analiza la estructura y las debilidades del atractivo de ese artículo. URL: [ ]

Las personas que copian y pegan a mano cada vez pueden recuperar su tiempo aquí.

1. Google Knowledge Graph MCP — Acceso directo a información de entidades

Este es un MCP donde la IA puede acceder directamente a los datos fuente del "Panel de información" que aparece en el lado derecho de las búsquedas de Google. Puedes extraer datos estructurados sobre personas reales, lugares, organizaciones y conceptos. La precisión cambia en la verificación de datos y la verificación de información de personas/organizaciones. Se convierte en un salvavidas para los publicadores de información.

Ejemplo de uso:

Obtén información sobre "[Nombre de persona/organización]" con Google Knowledge Graph, y luego verifica las relaciones fácticas en mi artículo.

1. Memory MCP — Darle a la IA memoria permanente

La IA tiene una debilidad: "el historial de conversaciones se reinicia desde cero cada vez". Memory MCP resuelve esto. Las decisiones del proyecto, tus preferencias y las reglas aprendidas en interacciones pasadas permanecen incluso después de que la sesión termina.

Ejemplo de uso:

Registra las siguientes preferencias, premisas e información del proyecto en curso como memoria permanente en Memory MCP. La próxima vez, consulta siempre este contenido antes de trabajar.

Cuanto más vuelvas a pegar las mismas premisas en cada sesión, más sentirás el efecto. Claude se convierte en un "compañero que te entiende" a medida que se repiten las sesiones.

Con estos cuatro, tienes tanto "Entrada (Video, Web, Información de Entidad)" como "Memoria". Acumula la información recopilada con los primeros tres en la IA usando Memory MCP. El efecto cuando los cuatro trabajan juntos es mayor que usarlos individualmente.

Capítulo 9: Automatización con Claude Code y Codex — 5 Puntos y Peligros

Si estás "de alguna manera ejecutando" automatización con Claude Code o Codex, estás perdiendo bastante. Este capítulo introduce cinco puntos para obtener resultados con automatización, junto con sus respectivos peligros.

1. Inserta siempre el Modo Plan

El salvavidas de la automatización es no dejarla ejecutar de repente. En el Modo Plan, haz que concrete los nombres de archivo, nombres de funciones y la secuencia de pasos a editar antes de que apruebes. Inserta esto siempre.

Peligro: Saltarse el Modo Plan y saltar a la ejecución en paralelo. La paralelización sin una puerta de planificación solo produce entregables incorrectos a alta velocidad. La velocidad solo es valiosa cuando la dirección es correcta.

1. Reglas duraderas en archivos de configuración, instrucciones por ocasión en los prompts

Es un error típico de principiantes meter "reglas permanentes que quieres que se sigan cada vez" en cada prompt. Escribe las reglas duraderas en archivos de configuración (AGENTS.md para Codex, CLAUDE.md para Claude Code), y pon solo "instrucciones para esta ocasión" en el prompt.

Peligro: Hacer el archivo de configuración demasiado grande. Si excede el límite de tamaño, el contenido se cortará. Si el archivo se vuelve grande, la práctica estándar es dividirlo por jerarquía de directorios.

1. Los subagentes deben ser "Especializados + Permisos Restringidos"

Asigna "1 función = 1 rol especializado" a los subagentes y dales solo las herramientas mínimas necesarias.

Peligro: Los subagentes heredan todos los permisos de herramientas del padre por defecto. Como comienzan con permisos completos, puede provocar accidentes si no los restringes explícitamente. Además, los subagentes consumen más tokens al ejecutar múltiples modelos y herramientas. Dado que la paralelización = aumento de costo es estructuralmente inevitable, redúcelo a tareas que valgan la pena ejecutar.

1. "No sobrecargar" es la respuesta correcta para el MCP

Introduje el MCP en el Capítulo 8, pero exagerar está prohibido. Cuantos más MCP agregues, más se hincha el contexto de cada mensaje, apretando el límite de uso. Desactiva los MCP que no uses. Esto es básico.

Peligro: MCP-izarlo todo y enchufar 10 o 20. Además de apretar el contexto, los riesgos de seguridad también aumentan. Es seguro reducirlo a 3-5 que realmente uses a diario.

1. Empaqueta el trabajo repetitivo como "Skills"

Para los flujos de trabajo que usas repetidamente, no copies y pegues el prompt cada vez; empaquétalo como un Skill. Tanto Claude Code como Codex tienen mecanismos para resumir el trabajo repetitivo en archivos de definición y llamarlos de manera consistente.

Peligro: Operar copiando y pegando prompts cada vez sin crear Skills. La varianza se acumula y la carga mental sigue aumentando. Cualquier flujo de trabajo con 2-3 ejemplos de uso concretos está listo para ser convertido en Skill. Escribirlos con la premisa de usar el mismo Skill tanto en Claude Code como en Codex garantiza que no haya costo incluso si cambias de herramientas.

La esencia de la automatización es la diferencia entre "volcar todo" en la IA o "sistematizarlo". Inserta el Modo Plan, organiza los archivos de configuración, restringe permisos, minimiza el MCP y convierte las repeticiones en Skills. Configura estos cinco mecanismos primero antes de ejecutar. Eso solo determina si la automatización se convierte en una "aceleración" o un "descontrol".

Capítulo 10: Está Obsoleto — Hábitos de Prompt Que Deberías Dejar

El capítulo final trata sobre la resta, no la suma. Cubriré tres hábitos que durante mucho tiempo se han considerado "correctos" en Japón, pero que están siendo reconsiderados en las últimas investigaciones y especificaciones.

1. Poner "Eres un experto en..." en todo

Los prompts que dan una personalidad son un clásico básico. Sin embargo, investigaciones recientes señalan que "no son omnipotentes". Si bien las personalidades de experto son efectivas para tareas de seguridad y moderación, los informes sugieren que tienden a reducir la precisión en el reconocimiento de hechos y el razonamiento.

En otras palabras, una personalidad no es una "plantilla universal" sino una "técnica precisa para usar eligiendo la aplicación". Está bien ponerla en juicios de seguridad, juicios éticos o moderación. Pero para verificación de hechos, análisis, generación de código o tareas de razonamiento, no la pongas innecesariamente. Solo con ser consciente de esta distinción, la precisión sube un nivel.

1. Poner mecánicamente "Piensa paso a paso"

"Piensa paso a paso" y "Pensemos paso a paso" también se han tratado durante mucho tiempo como los prompts más fuertes. Sin embargo, los modelos recientes están evolucionando hacia que el propio modelo juzgue cuándo y cuánto pensar. La necesidad técnica de escribir "piensa" cada vez se está desvaneciendo.

La operación futura debe centrarse en articular el propósito, las restricciones y el formato esperado de la tarea, en lugar de poner instrucciones de pensamiento mecánicamente. Y para tareas complejas que requieren razonamiento, activa la función de pensamiento propio del modelo y deja el juicio a la IA. Esto es más compatible con la nueva generación de modelos.

1. Escribir prompts a mano y ajustarlos por intuición

Este podría ser el punto más importante. Muchos japoneses escriben prompts a mano como "obras de arte" y los ajustan por elección de palabras e intuición. Mientras tanto, los profesionales globales tratan los prompts como "código". Diseñan, controlan versiones, prueban y optimizan mientras puntúan con criterios de evaluación (eval).

¿Por qué es tan diferente? La razón es simple. La intuición escrita a mano no puede detectar el "10% de los casos en los que un prompt que funciona para el 90% de las entradas falla catastróficamente". Por lo tanto, primero crean una tarjeta de puntuación para "qué cuenta como respuesta correcta" y miden el prompt contra ella.

El primer paso hacia el "pensamiento eval" que puedes hacer hoy:

(1) Ejecuta el mismo prompt 5 veces y observa la varianza en los resultados. (2) Escribe 3 condiciones comunes a los buenos resultados (esto es un eval simple). (3) Crea múltiples versiones del prompt a nivel de palabra y compáralas hasta que cumplan esas 3 condiciones.

Por cierto, incluso con palabras que significan lo mismo, el resultado cambia. La reacción de la IA es sutilmente diferente entre "Calcular" y "Computar". La intuición escrita a mano no puede controlar esta diferencia a nivel de palabra. Por eso hay valor en cambiar tu cerebro a "medir y mejorar".

He presentado muchas técnicas para agregar en los Capítulos 1 al 9. Pero aquellos que crecen también deciden qué "dejar".

Conclusión — Los Prompts Se Han Convertido en "Planos para el Pensamiento"

Hasta ahora, he presentado alrededor de 40 técnicas y conocimientos en un torbellino. Finalmente, resumiré en una sola cosa lo que quería transmitir en este artículo.

Los prompts ya no son "instrucciones". Son "planos para el pensamiento".

En el Capítulo 1, pasamos la forma de pensar en sí misma. En el Capítulo 2, trabajamos hacia atrás desde la salida. En el Capítulo 3, operamos la IA como una legión. En los Capítulos 4 al 6, diseñamos el exterior del prompt = contexto, estructura interna y arnés. En el Capítulo 7, usamos trucos secretos; en el Capítulo 8, le dimos manos y pies a la IA con MCP; en el Capítulo 9, configuramos mecanismos de automatización; y en el Capítulo 10, soltamos viejos hábitos.

Lo que todos tienen en común es que escriben "cómo hacer que piense y se mueva", no "qué generar". Comandos vs. Planos. Esa diferencia determina si la IA sigue siendo "solo una herramienta conveniente" o se convierte en un "compañero autónomo".

Las técnicas presentadas aquí no requieren talento ni habilidades de inglés. Todo lo que necesitas es intentar escribir una línea de tu prompt a partir de hoy con una estructura ligeramente diferente. Copia y pega un patrón que te haya llamado la atención y pruébalo. Ese será tu primer paso.

Gracias por leer hasta el final. Espero que este artículo sirva como catalizador para elevar tu relación con la IA en un nivel.

Consulta sobre IA aquí 👇