Prompt Engineering: Diseño y evaluación

Este curso capacita a profesionales con conocimientos básicos de prompting para diseñar prompts más sofisticados y evaluar su calidad de forma sistemática. Dirigido a quienes ya conocen la anatomía de un prompt y las técnicas zero-shot y few-shot, y necesitan dar el salto al diseño orientado a casos de uso reales: system prompts funcionales, descomposición de razonamientos complejos y traducción de objetivos de negocio en instrucciones precisas. Al finalizar, el participante será capaz de diseñar un system prompt adaptado a un caso de uso concreto —asistente, extractor o clasificador—, comparar variantes de prompt con criterios técnicos justificados, e iterar y diagnosticar con precisión por qué un output falla y cómo corregirlo.

Al finalizar el curso, el participante será capaz de:

• Estructurar un prompt con chain-of-thought para descomponer tareas de razonamiento multistep en pasos explícitos y verificables
• Diseñar un system prompt funcional adaptado a un caso de uso concreto: asistente conversacional, extractor de información o clasificador
• Traducir un objetivo de negocio ambiguo en un prompt completo con instrucción, contexto, restricciones y formato de salida definidos
• Comparar dos variantes de prompt para la misma tarea y seleccionar la más robusta justificando los criterios de decisión
• Iterar sobre un prompt usando los outputs como evidencia sistemática de mejora, sin depender de la intuición
• Diagnosticar si un output incorrecto tiene su causa en el prompt, en el modelo o en la ausencia de contexto o datos relevantes

1. Razonamiento encadenado (chain-of-thought) Descomposición de problemas complejos en pasos explícitos; cuándo aplicar CoT frente a prompts directos; variantes zero-shot CoT vs. few-shot CoT; riesgos del razonamiento incorrecto encadenado y cómo detectarlos
2. System prompts y diseño por caso de uso Diferencia entre system prompt y user prompt; anatomía de un system prompt eficaz: rol, restricciones, tono y formato de salida; diseño para tres patrones: asistente conversacional, extractor de información y clasificador; guardianes de comportamiento y límites de alcance
3. Del objetivo de negocio al prompt completo Proceso de traducción: identificar la intención, descomponer en instrucción, contexto, restricciones y formato; fuentes de ambigüedad en objetivos de negocio; validación por pregunta inversa (¿qué prompt generaría este output?); ejercicios con casos reales de negocio
4. Evaluación y comparación de prompts Criterios de robustez: claridad, completitud, ausencia de ambigüedad, estabilidad ante variaciones del input; metodología de comparación A/B con casos de prueba representativos; documentación de decisiones de diseño para equipos
5. Iteración sistemática y diagnóstico de fallos Diferencia entre iterar por intuición e iterar con evidencia; registro de versiones y justificación de cambios; diagnóstico causal: prompt ambiguo, modelo insuficiente o contexto ausente; estrategias de corrección para cada tipo de causa

• Acceso a un LLM con soporte de system prompt (Claude, GPT-4 o similar) con cuenta de pago o acceso de prueba
• Acceso a la API del proveedor elegido para experimentar con parámetros de generación (recomendado para los ejercicios de iteración)
• Navegador web actualizado (Chrome, Firefox o Edge)
• Editor de texto básico para versionar y comparar prompts durante los ejercicios (VS Code, Notepad++ o similar)

→ PRE01 — Fundamentos de Prompt Engineering (Iniciación, 6h)

• Identificar los cuatro componentes de un prompt efectivo —instrucción, rol, contexto y formato de salida— y reconocer su presencia o ausencia en prompts dados
• Distinguir un prompt vago de uno estructurado, señalando con precisión qué elementos faltan o son ambiguos
• Identificar las causas más comunes por las que un prompt produce un output incorrecto o incompleto, y proponer correcciones concretas para cada caso
• Diferenciar cuándo utilizar zero-shot y cuándo few-shot según las características de la tarea y la especificidad del criterio de salida
• Identificar qué instrucciones de tono, extensión y formato influyen en el output generado y adaptarlas a distintos contextos de uso
• Reconocer cuándo un output muestra señales de alucinación o está fuera del scope del prompt, distinguiendo ambos tipos de problema