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, no me quejaré en absoluto. Se incluyen alrededor de 40 técnicas, así que con solo extraer una técnica por publicación, puedes crear 40 piezas de contenido.
¿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 en japonés 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 entrada de blog", "Resume este texto", "Dame 5 ideas". Todos son solo comandos. Por otro lado, los profesionales globales le 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 manual vs. optimización automática. La batalla ya terminó. Es cruel, pero así es como estamos en 2026.
Pero no te preocupes. No necesitas talento ni conocimientos de inglés para cerrar esta brecha. Solo necesitas conocer los "patrones". Eso es todo.
En este artículo, he recopilado todas las técnicas de prompts y el conocimiento que he compartido en Threads. Desde patrones auténticos derivados de artículos de investigación 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 capítulos. 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 continúan gimiendo mientras escriben prompts a mano. De qué lado estés depende de si lees esto hasta el final.
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 patrones auténticos de artículos de investigación.
- Cadena de Verificación (CoVe) — Hacer que la IA interrogue sus propias respuestas
Este es un patrón para aplastar las alucinaciones (errores factuales). 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, convertir los riesgos en esa respuesta en preguntas de verificación, responder cada pregunta basándose en evidencia y, finalmente, presentar una versión final con las contradicciones corregidas. Todo este flujo se completa en un solo prompt.
Cuando se usa para tareas de investigación o redacción de artículos, el resultado es completamente diferente. Los errores factuales disminuyen visiblemente, lo que lo hace efectivo para trabajos que requieren alta fiabilidad.
Prompt para copiar y pegar
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 factuales 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: [ ]
- 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, que escriba un primer borrador como creador. Luego, que evalúe su propio trabajo como un editor severo. Finalmente, que escriba una versión final como revisor basada en esa puntuación.
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 da un salto con solo un prompt.
Prompt para copiar y pegar
Para el siguiente tema, realiza los tres pasos en una sola respuesta: (1) Escribe un primer borrador. (2) Como editor severo, puntúalo en 5 criterios: persuasividad, originalidad, lógica, legibilidad y omisiones. (3) Escribe una versión revisada basada en la puntuación. Tema: [ ]
- 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, Plan B y Plan 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 dirección, surgen ángulos inesperados.
Prompt para copiar y pegar
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: [ ]
- Esqueleto de Pensamiento (SoT) — Marco primero, detalles 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 empiezas desde el principio, la segunda mitad a menudo pierde fuerza o la estructura se desmorona. 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.
Prompt para copiar y pegar
Para el siguiente tema, sigue estos pasos: (1) Enumera 5 encabezados de esqueleto de artículo en paralelo. (2) Desarrolla cada encabezado como una tarea separada e independiente. (3) Finalmente, intégralo todo en una pieza cohesiva. Tema: [ ]
- Metaprompting — Dejar que la IA evolucione el prompt mismo
Esto es un poco avanzado. En lugar de mejorar el contenido del prompt, le pides a la IA que "evolucione este prompt mismo". Le haces crear múltiples versiones mejoradas, escribir la intención y el "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 por sí solos. Piensa en ello como un sistema para evitar que tus prompts almacenados se vuelvan obsoletos.
Prompt para copiar y pegar
Crea 5 versiones mejoradas del siguiente prompt con un rendimiento significativamente potenciado. Para cada versión, escribe la "intención" y la razón "por qué funciona". Finalmente, elige la única versión más fuerte y expresa la razón de la selección. Prompt objetivo: [ ]
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. El poder integrar esto en una sola línea determina si la IA es solo una herramienta conveniente o un "investigador autónomo".
Capítulo 2: Diseño inverso — Diseño centrado en el 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.
- Especificación del resultado primero — Fijar la plantilla final primero
La mayoría de la gente dice "Escribe una entrada de blog". Pero esto hace que el resultado sea inconsistente. En el diseño inverso, construyes la plantilla de salida final primero 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 variabilidad de la salida disminuye drásticamente y la calidad se estabiliza. Esta estabilidad es especialmente efectiva al escribir muchas piezas sobre el mismo tema.
Prompt para copiar y pegar
Completa perfectamente la siguiente plantilla. Título: [Máx. 40 caracteres, incluir números] / Introducción: [3 puntos de dolor del lector, 1 frase cada uno] / Cuerpo: [3 encabezados H2 + 300 caracteres cada uno] / Conclusión: [1 propuesta de acción] / CTA: [Máx. 15 caracteres]. Tema: [ ]
- Relleno previo (Prefilling) — Especificar el inicio de la respuesta de la IA
Este es un patrón donde especificas la "frase inicial" de la respuesta de la IA. Claude se ve obligado a escribir a partir de esa continuación, fijando la dirección de la salida. Los saludos introductorios y el relleno innecesario desaparecen, y el descarrilamiento del formato casi se elimina.
Es sutil pero efectivo. Evita respuestas que te hagan querer espetar: "Entonces, ¿cuál es la conclusión?"
Prompt para copiar y pegar
Tu respuesta debe comenzar con la siguiente frase: "A continuación, proporcionaré una respuesta estructurada basada en los requisitos. Primero, el punto más importante es..."
- Restricciones negativas — Enumerar una lista concreta de "No 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 manera concreta, las sigue. Prohíbe los tratamientos de cortesía, prohíbe los saludos de apertura, prohíbe frases específicas... enuméralas en viñetas.
Los patrones genéricos similares a la IA desaparecen significativamente. Este es un recurso básico cuando se quiere eliminar la sensación de "generado obviamente" del texto.
Prompt para copiar y pegar
Crea lo siguiente. Sin embargo, adhiérete estrictamente a estas prohibiciones: (1) Sin tratamientos de cortesía. (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: [ ]
- Etiquetado estructurado XML — Separar la información con etiquetas
Separar la información con etiquetas mejora la precisión de lectura de la IA. Objetivo, contexto, restricciones, ejemplos de referencia, formato de salida. En lugar de lanzar estos como un bloque de texto, sepáralos con etiquetas. Los profesionales no lanzan texto; lanzan planos.
Prompt para copiar y pegar
Estructuraré el prompt de la siguiente manera. 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>
- Pila de personas (Persona Stack) — Superponer roles en 3 niveles
La mayoría de la gente se detiene 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 personajes simultáneamente, ejecutas el ciclo de escribir → editar → 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", que cubriremos en el Capítulo 10.
Prompt para copiar y pegar
Asume los siguientes 3 personajes simultáneamente: (1) Redactor estrella (Escritor). (2) Editor jefe severo (Editor). (3) Lector objetivo, un oficinista de 30 años (Receptor). Ejecuta escribir → editar → corregir desde la perspectiva del lector, todo en una sola respuesta. Tema: [ ]
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 del 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.
- Patrón de enrutamiento — Colocar un clasificador
Esta es una organización de estilo militar donde una IA "clasificadora" recibe primero la entrada y la enruta al "especialista" apropiado. La mayoría de la gente lo lanza todo a una 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 hacia la especialización en lugar de que una IA finja ser omnipotente.
Prompt para copiar y pegar
Eres el "Coordinador de Enrutamiento". Lee la siguiente solicitud y clasifícala en: (1) Investigación, (2) Escritura, (3) Análisis o (4) Código. Crea un prompt de sistema de 5 líneas optimizado para esa clasificación y ejecuta la solicitud nuevamente usándolo. Solicitud: [ ]
- 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 preguntar a un experto, haces que cinco expertos respondan con diferentes enfoques y tomas la conclusión apoyada por la mayoría. Esa es la idea.
Las alucinaciones disminuyen. Cuando quieras dejar decisiones importantes a la IA, la sensación de seguridad es completamente diferente.
Prompt para copiar y pegar
Para la siguiente pregunta, primero proporciona una respuesta desde la perspectiva de 5 expertos independientes que usan diferentes enfoques. Luego, compara los 5 planes, toma la conclusión apoyada por la mayoría de las perspectivas como la respuesta final y expresa la razón de la selección. Pregunta: [ ]
- Evaluador-Optimizador — Separar completamente al creador del evaluador
La autoevaluación realizada por una sola persona inevitablemente se vuelve indulgente. Si separas al actor del juez, el juicio se vuelve severo. Reproduces esto dentro de un solo prompt. Crea la mejor respuesta como creador, cambia completamente de personaje a un evaluador severo para puntuarla, luego regresa al creador para hacer la versión final.
Similar a Autorefinamiento en el Capítulo 1, pero el punto aquí es establecer explícitamente "cambiar completamente de personaje".
Prompt para copiar y pegar
Para el siguiente tema, primero crea la mejor respuesta como la "IA Creadora". Luego, cambia completamente de personaje y, como la "IA Evaluadora Severa", puntúa esa respuesta sobre 100 y enumera 5 razones para las deducciones de puntos. Finalmente, regresa al rol de Creador y crea una versión final basada en la evaluación. Tema: [ ]
- Debate multiagente — Debatir con defensores, oponentes y un moderador
Este es un patrón donde varias IAs debaten antes de que un integrador llegue a una conclusión. Los defensores y los oponentes chocan, y un moderador neutral resume sus puntos. Los extremos y el agotamiento del pensamiento desaparecen, resultando en una conclusión equilibrada.
Esto muestra particular fortaleza en "preguntas donde es difícil decidir", como la planificación estratégica o la toma de decisiones.
Prompt para copiar y pegar
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 el razonamiento. Tema: [ ]
- Salida autoverificadora — Interrogarte a ti mismo antes de producir la salida
Este es un patrón donde el creador "interroga" su propia salida como un personaje diferente antes del envío final. Como es difícil ver fallos en tu propia escritura, fuerzas un cambio de perspectiva. Cambias a través de tres personajes: un profesional competidor global, el lector objetivo y un jefe severo, y haces que cada uno enumere problemas.
Los modelos de IA recientes están evolucionando hacia "informar después de verificar la salida ellos mismos". Piensa en esto como un patrón que anticipa ese movimiento desde el lado del prompt.
Prompt para copiar y pegar
Vuelve a leer la siguiente salida como personajes completamente diferentes. Cambia 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: [ ]
La esencia de la operación de legión es si puedes partir de la premisa de que "la IA no es algo que se use 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 sobre el "contenido del prompt". Pero en el mundo de los diseñadores de IA globales, el prompt se trata 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.
- Colocación en los extremos (Bookend Placement) — Colocar restricciones importantes tanto al principio como al final
Cuando pasas un texto largo a una 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 fallo común es tener una instrucción larga donde la restricción solo se escribe una vez en el medio.
Prompt para copiar y pegar
En la siguiente solicitud, 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 el medio del contexto es propensa a la distracción. Solicitud: [ ]
- Altitud de Ricitos de Oro (Goldilocks Altitude) — La altitud "justa" para los prompts de sistema
Los prompts de sistema tienen una "altitud" óptima. Demasiado baja (vincular 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.
Prompt para copiar y pegar
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 según el caso). (3) Libertad para tareas individuales (Qué/Dejo a tu criterio). Diseña a una altitud "justa", evitando tanto la rigidez como la abstracción.
- Inyección de contexto justo a tiempo (Just-In-Time Context Injection) — Pasar solo lo necesario cuando se necesita
El hecho de que la ventana de contexto sea grande no significa que sea bueno meter todos los materiales; en realidad puede degradar la precisión. Los profesionales primero pasan solo el "Índice, Resumen e Índice alfabético" 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 materiales grandes es "llamada dinámica", no "meter todo".
Prompt para copiar y pegar
No ingresaré el siguiente material masivo de una sola vez. En la primera etapa, lee solo el "Índice", el "Resumen de 100 caracteres de cada capítulo" y el "Índice alfabético". Si hay un capítulo donde se necesitan detalles, solicítalo explícitamente antes de recuperarlo, y agrega solo ese capítulo al contexto para el trabajo.
- Codificación de intenciones (Intent Encoding) — 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 colocarlos 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 misma cuando se pierde.
Prompt para copiar y pegar
Como premisa para el siguiente trabajo, articularé mis criterios de juicio: (1) Prioridad [A > B > C]. (2) NG absoluto [X, Y, Z]. (3) Juicio por defecto en casos ambiguos [D]. Cuando estés perdido en el juicio, vuelve siempre a estos criterios antes de decidir.
- Capa de especificación (Specification Layer) — Ponerse del lado de crear "Especificaciones"
La cima 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 pones aquí, la reproducibilidad del trabajo salta instantáneamente.
Prompt para copiar y pegar
El trabajo futuro se referirá a la siguiente "Especificación (formato estructurado en Markdown)" como el punto de partida para cada sesión. Si se requiere un juicio fuera de la especificación, no adivines; siempre consúltame. [Pega tu especificación aquí]
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 saber esto cambia la "velocidad", el "costo" y "cómo disminuyen los límites de uso" de la IA.
Dentro de la IA, está funcionando un mecanismo llamado "Caché KV". Para ponerlo de manera muy simple, la IA mantiene el contenido procesado internamente, y cuando vuelve a aparecer el mismo contenido, puede reutilizarlo. Por el contrario, si lo usas de una manera en la que la reutilización no funciona, recalcula desde cero cada vez.
"Alcanzar rápidamente los límites de uso", "respuestas 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.
- Prefijo estable primero (Stable Prefix First) — 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 principio cada vez, la caché comienza a funcionar.
Prompt para copiar y pegar
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 principio de cada sesión antes de entrar en el tema principal.
- Patrón de documento ancla (Anchor Document Pattern) — 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 para esta sesión: [Introduce aquí los materiales de referencia]. De ahora en adelante, responde a todas mis preguntas refiriéndote a estos materiales. No es necesario que vuelvas a presentarlos.
- Continuidad de la sesión — Continuar trabajo relacionado 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 sola sesión larga una vez al día cambia la forma en que disminuyen los límites de uso y la calidad de los resultados. Los chats frecuentes son una de las razones por las que "se alcanzan los límites rápidamente."
Pauta operativa:
Siempre continúa el trabajo sobre el mismo tema en un mismo hilo. Si el hilo se vuelve demasiado largo, crea un "resumen hasta ahora" al principio y continúa usándolo como ancla.
- Patrón de edición diferencial — Indicar solo las diferencias al corregir
Cuando quieras mejorar un resultado, volver a publicar el texto completo está mal. Volver a publicar todo borra la valiosa caché y recalcula desde el principio. Indica 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. Indicaré solo las diferencias, como "Solo la parte [ ]" o "Cambia [ ] por [ ]". No volveré a presentar premisas ni materiales de referencia en absoluto.
- Diseño de subagentes consciente de la caché — Alinear los inicios de los subagentes
Incluso al realizar operaciones en legión (como en el Capítulo 3), alinear la "parte inicial" (definición de rol, premisas, reglas) del prompt del sistema de cada agente facilita que la caché funcione. Cambia solo el contenido de la tarea de forma individual al final. Esto por sí solo 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 prompts del sistema de todos los agentes. Cambia solo el contenido de la tarea de forma individual al final.
La esencia de este capítulo es "competir con la estructura, no solo con el contenido". Dónde colocas las cosas es tan importante como lo que escribes.
Capítulo 6: Crear el "exterior" del prompt — Arnés y agentes
Entrando en 2026, los desarrolladores globales de IA dejaron de competir por el "contenido del prompt" y empezaron a diseñar el "exterior del prompt". Ese exterior se llama "arnés". Primero, organicemos el panorama general.
¿Qué es un "agente arnés"?
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 añaden partes a ese cerebro para convertirlo en una "máquina autónoma".
Un agente consta aproximadamente de los siguientes elementos:
- Modelo (El cuerpo): La "inteligencia" del agente. El LLM en sí. Con solo un cerebro, puede tomar decisiones pero no puede actuar.
- Arnés: El conjunto de instrucciones (prompt del sistema) y barreras de protección (qué no hacer) que se le dan al modelo. Por ejemplo, una válvula de seguridad como "Obtén siempre 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 electrónicos, 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 mucho según el entorno en el que se mueva.
- Bucle del agente (Ciclo autónomo): Todo esto funciona en conjunto para mantener un bucle 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, presentaré cinco técnicas para diseñar altamente ese exterior = arnés.
- 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" de una sola vez.
Indicación para copiar y pegar
Al ejecutar la siguiente tarea, 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 su razón. (3) Autocrítica: Un punto ciego de ese movimiento. (4) Acción: La acción final después de la corrección. Tarea: [ ]
- Compactación de contexto — Comprimir conversaciones largas por etapas
A medida que las conversaciones se alargan, el contexto se deteriora. Para evitarlo, comprime forzosamente las interacciones pasadas en un formato fijo cada cierto número de rondas. Es un diseño esencial para evitar que el contexto se "pudra" en tareas largas.
Indicación para copiar y pegar
De ahora en adelante, cada vez que la conversación supere las 10 rondas, comprime forzosamente las interacciones pasadas en el formato de "3 hechos confirmados + 2 tareas pendientes + 1 acción más importante a continuación", y ejecuta nuevas instrucciones comenzando desde esa versión comprimida.
- Memoria de jugadas (Playbook) — Acumular "patrones" reutilizables
Este es un diseño para acumular estrategias como "patrones reutilizables (jugadas)" 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, genera siempre "3 reglas generales de esta vez" en una lista con viñetas de Markdown. A partir de la próxima vez, las presentaré al principio, así que léelas como un manual de jugadas antes de trabajar.
- Bucle de automodificación — Dejar que la IA reescriba su propio manual de instrucciones
Este es un patrón en el que el propio agente escribe una "plantilla de autoinstrucción" para hacerlo mejor la próxima vez. Puedes crear un estado en el que la IA actualice 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 ti mismo a fin de ejecutarla con mayor precisión la próxima vez. También indica la intención y el objetivo de la mejora. Usaré esa plantilla a partir de la próxima vez.
- Optimización automática del arnés — Mejorar iterativamente todo el mecanismo
Similar al Metaprompting 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 posterior.
Pulir el contenido del prompt línea por línea es importante. Pero hay un mundo mucho más grande "fuera" de eso. Tener la perspectiva de un arnés cambia la forma en que usas la IA en un nivel superior.
Capítulo 7: 5 indicaciones secretas que nadie conoce
Este capítulo recopila patrones poco comunes que rara vez se encuentran en los libros estándar de prompts. Algunos provienen de investigaciones, otros aplican la ciencia cognitiva. Estos son ángulos que rara vez se comparten.
- Replanteamiento de la pregunta — Hacer que reformule en una pregunta neutral antes de responder
La IA tiene el hábito de "complacer al usuario (conformidad excesiva)". Anticipa si estar de acuerdo o en desacuerdo con tu afirmación y devuelve una respuesta aduladora. Como forma de suprimir esto, se ha reportado que hacer que reformule tu afirmación en una "pregunta neutral" antes de responder es más efectivo que ordenar directamente "no adules".
Prueba a usar esto cuando quieras una opinión pero solo obtengas "Es exactamente como dices".
Indicación para copiar y pegar
Antes de responder a mi siguiente afirmación, reformúlala siempre primero en un "formato de pregunta neutral". Después de negarte a expresar acuerdo o desacuerdo con la afirmación original, responde de forma lógica. Afirmación: [ ]
- 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 resultados colapsa). La contramedida es un patrón en el que 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 los 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 del 100%. Finalmente, elige y presenta un plan de esa distribución según la probabilidad. Tema: [ ]
- Anclaje contrafactual — 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 se vuelve repentinamente profunda.
Nota: "Anclaje contrafactual" es un término acuñado por mí. 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 a la siguiente pregunta, genera primero 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: [ ]
- Autopremortem — Enumerar primero las causas del fracaso
"Premortem" es un famoso método de pensamiento en el que piensas "Si este proyecto fracasara, ¿cuál sería la causa?" antes de comenzar. Lo aplicamos a la ejecución de tareas de IA. Haz que enumere los patrones de fracaso antes de la ejecución y que ejecute de manera que los evite. Efectivo para tareas largas.
Nota: El método Premortem original es real, pero aplicarlo a la IA es un uso propio.
Indicación para copiar y pegar
Antes de ejecutar la siguiente tarea, enumera primero "5 causas supuestas si esta tarea terminara con la calidad más baja". Escribe una medida de evitación de una línea para cada causa y ejecuta la tarea siguiendo estrictamente todas esas medidas de evitación. Tarea: [ ]
- Indicación de confianza calibrada — Hacer que indique niveles de confianza
La mayor debilidad de la IA es "decir las cosas con total confianza incluso cuando se equivoca". Para detener esto, usa un patrón en el que debe acompañar cada afirmación con un "nivel de confianza (0-100%)". Las alucinaciones se vuelven visibles, lo que hace mucho más fácil juzgar la fiabilidad de la información.
Indicación para copiar y pegar
Al responder a la siguiente pregunta, acompaña cada afirmación con un "nivel de confianza del 0 al 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 los estudies como técnicas estándar o los operes como trucos secretos de artículos y principios, la mayoría de las fuentes están disponibles de forma gratuita. La brecha se amplía a partir de quienes se dan cuenta.
Capítulo 8: Darle a la IA "manos y pies" — MCP 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 añadir "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 transferir. Aquí, he seleccionado cuatro que son realmente útiles para creadores de contenido.
- 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 internacional, el análisis de videos de la competencia y la captura 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 del siguiente video de YouTube/TikTok/X y resúmela en 5 puntos clave. URL: [ ]
Puedes dejar la tarea de ver videos virales internacionales hasta el final.
- 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 estructurales o propuestas de mejora.
Ejemplo de uso:
Convierte a Markdown la siguiente URL con Firecrawl y analiza la estructura y las debilidades del atractivo de ese artículo. URL: [ ]
Las personas que copian y pegan manualmente cada vez pueden recuperar su tiempo aquí.
- 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 hechos 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.
- Memory MCP — Darle a la IA memoria permanente
La IA tiene una debilidad: "el historial de conversación se reinicia desde cero cada vez". Memory MCP lo soluciona. Las decisiones del proyecto, tus preferencias y las reglas aprendidas en interacciones pasadas permanecen incluso después de que finaliza la sesión.
Ejemplo de uso:
Registra las siguientes preferencias, premisas e información del proyecto en curso como memoria permanente en Memory MCP. A partir de la próxima vez, consulta siempre este contenido primero antes de trabajar.
Cuanto más vuelvas a pegar las mismas premisas en cada sesión, más notarás 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 entidades)" como "Memoria". Acumula la información recopilada con los tres primeros 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 dificultades
Si estás "de alguna manera ejecutando" la automatización con Claude Code o Codex, estás perdiendo bastante. Este capítulo presenta cinco puntos para obtener resultados con la automatización, junto con sus respectivas dificultades.
- Inserta siempre el Modo Planificación
El salvavidas de la automatización es no dejar que ejecute repentinamente. En el Modo Planificación, haz que concrete los nombres de archivo, nombres de funciones y la secuencia de pasos a editar antes de que apruebes. Insértalo siempre.
Dificultad: Saltarse el Modo Planificación y saltar a la ejecución en paralelo. La paralelización sin una puerta de planificación solo produce en masa resultados incorrectos a alta velocidad. La velocidad solo es valiosa cuando la dirección es correcta.
- Reglas duraderas en archivos de configuración, instrucciones por vez en el prompt
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 vez" en el prompt.
Dificultad: Hacer que el archivo de configuración sea demasiado grande. Si supera el límite de tamaño, el contenido se cortará. Si el archivo se vuelve grande, la práctica estándar es dividirlo por jerarquía de directorios.
- Los subagentes deben ser "Especializados + Permisos restringidos"
Asigna "1 función = 1 rol especializado" a los subagentes y dales solo las herramientas mínimas necesarias.
Dificultad: 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 costos es estructuralmente inevitable, reduce a tareas que valga la pena ejecutar.
- "No sobrecargar" es la respuesta correcta para MCP
Presenté MCP en el Capítulo 8, pero está prohibido excederse. Cuantos más MCP agregues, más se hincha el contexto de cada mensaje, lo que reduce el límite de uso. Desactiva los MCP que no uses. Esto es básico.
Dificultad: Convertir todo en MCP y enchufar 10 o 20. Además de exprimir el contexto, también aumentan los riesgos de seguridad. Es seguro reducirlo a 3-5 que realmente uses a diario.
- Empaqueta el trabajo repetitivo como "Habilidades"
Para los flujos de trabajo que usas repetidamente, no copies y pegues el prompt cada vez; empaquétalo como una Habilidad. Tanto Claude Code como Codex tienen mecanismos para resumir el trabajo repetitivo en archivos de definición y llamarlos de manera consistente.
Dificultad: Operar copiando y pegando prompts cada vez sin crear Habilidades. La varianza se acumula y la carga mental sigue aumentando. Cualquier flujo de trabajo con 2-3 ejemplos de uso concretos está listo para convertirse en Habilidad. Escribirlos con la premisa de usar la misma Habilidad tanto en Claude Code como en Codex garantiza que no haya costo incluso si cambias de herramienta.
La esencia de la automatización es la diferencia entre "volcar todo" en la IA o "sistematizarlo". Inserta el Modo Planificación, organiza los archivos de configuración, restringe los permisos, minimiza los MCP y convierte las repeticiones en Habilidades. Configura estos cinco mecanismos primero antes de ejecutar. Eso por sí solo determina si la automatización se convierte en una "aceleración" o un "descontrol".
Capítulo 10: Está obsoleto — Hábitos de prompts que deberías dejar
El capítulo final trata sobre la resta, no la suma. Cubriré tres hábitos que durante mucho tiempo se han considerado "correctos" pero que están siendo reconsiderados por las últimas investigaciones y especificaciones.
- Poner "Eres un experto en..." en todo
Los prompts que dan una personalidad son un clásico. 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 la búsqueda de hechos, análisis, generación de código o tareas de razonamiento, no la pongas innecesariamente. Con solo ser consciente de esta distinción, la precisión sube un nivel.
- Poner mecánicamente "Piensa paso a paso"
"Piensa paso a paso" y "Pensemos paso a paso" también han sido tratados 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 debería centrarse en articular el propósito, las restricciones y el formato esperado de la tarea, en lugar de pegar mecánicamente instrucciones de pensamiento. Y para tareas complejas que requieren razonamiento, activa la función de pensamiento del propio modelo y deja el juicio a la IA. Esto es más compatible con la nueva generación de modelos.
- Escribir prompts a mano y ajustarlos por intuición
Este podría ser el punto más importante. Muchas personas escriben prompts a mano como "obras de arte" y los ajustan mediante la elección de palabras y la 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 con ella.
El primer paso hacia el "pensamiento eval" que puedes hacer hoy:
(1) Ejecuta el mismo prompt 5 veces y observa la variación 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 vale la pena cambiar tu cerebro a "medir y mejorar".
He presentado muchas técnicas para agregar en los Capítulos 1 al 9. Pero quienes crecen también deciden qué "dejar".
Conclusión — Los prompts se han convertido en "planos para el pensamiento"
Hasta ahora, he presentado unas 40 técnicas y conocimientos en un torbellino. Finalmente, resumiré lo que quería transmitir en este artículo en una sola cosa.
Los prompts ya no son "instrucciones". Son "planos para el pensamiento".
En el Capítulo 1, pasamos la forma de pensar en sí. En el Capítulo 2, trabajamos hacia atrás desde la salida. En el Capítulo 3, operamos la IA como una legión. En los Capítulos 4 a 6, diseñamos el exterior del prompt = contexto, estructura interna y arnés. En el Capítulo 7, usamos trucos secretos; en el Capítulo 8, le dimos a la IA manos y pies con MCP; en el Capítulo 9, configuramos mecanismos de automatización; y en el Capítulo 10, dejamos atrás viejos hábitos.
Lo que todos tienen en común es que escriben "cómo hacer que piense y se mueva", no "qué generar". Órdenes vs. Planos. Esa diferencia determina si la IA sigue siendo "solo una herramienta conveniente" o se convierte en un "compañero autónomo".
Las técnicas aquí presentadas no requieren talento ni habilidades de inglés. Todo lo que necesitas es intentar escribir una línea de tu prompt 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 👇
