1. Introducción

Los beneficios de un prompt avanzado incluye alta precisión y calidad, gracias a la refinación inicial y las verificaciones continuas; eficiencia y coherencia, logradas mediante la gestión de múltiples tareas y enfoques integradores; y personalización, al adaptar el contenido a diversos formatos.

Además, este tipo de prompt se utiliza principalmente al INICIO de la tarea 👉(el prompt inicial es esencial para definir las bases del comportamiento del modelo, pero su alcance se puede extender y adaptar durante la interacción cargando más contexto o ajustando parámetros según sea necesario. Esto asegura flexibilidad y profundidad en la generación de contenido), para configurar u orientar al modelo tipo conversacional.

Aprovecha conocimientos previos, ya sea de un asistente bien configurado, el conocimiento propio o el contexto ingresado por el usuario, asegurando consistencia, ahorro de tiempo y rigor normativo a través de validaciones constantes. En resumen, garantizan respuestas sólidas, precisas y ajustadas a las necesidades técnicas y normativas de los usuarios.

Además, aprovecha conocimientos previos, ya sea de un asistente bien configurado, el conocimiento propio o el contexto ingresado por el usuario, asegurando consistencia, ahorro de tiempo y rigor normativo a través de validaciones constantes. En resumen, garantizan respuestas sólidas, precisas y ajustadas a las necesidades técnicas y normativas de los usuarios.

Para atender las diversas necesidades de generación de contenido técnico, se ha desarrollado esta versión de un prompt:

Prompt Genérico Integrado para Generación de Contenido Técnico (Texto):

• • Enfoque: Generación exclusivamente textual.
  • Función: Crear documentos técnicos detallados, manuales, informes y otros contenidos que requieren precisión, coherencia y conformidad con normativas legales.

2. Técnica Aplicada

Este prompt utiliza técnicas avanzadas de ingeniería de prompts, ajustadas según el enfoque de generación de contenido:

• Como se observa en la figura, el proceso comienza con la solicitud del usuario, en la cual se define una necesidad específica, como elaborar un manual técnico. A partir de esta petición, el asistente realiza una serie de pasos estructurados.
• Primero, refina el pedido mediante Meta Prompting para garantizar que se consideren todos los aspectos relevantes.
• Luego, descompone la tarea en pasos lógicos y aplica verificaciones previas (LtM con Subverificaciones) para mantener la coherencia desde el inicio.
• También utiliza estrategias como la Multitarea con Dependencias Cruzadas para gestionar subtareas interrelacionadas y garantiza la alineación de los resultados.
• Además, emplea el enfoque de Roles/Doble Personaje para incluir perspectivas diversas y enriquece el contenido.
• Finalmente, genera resultados en formatos adecuados (Específicos de la Tarea con Outputs Forzados) y aplica verificaciones constantes (Cadena de Verificación o CoVe), además de integrar información preexistente mediante la Revisión de Conocimiento Existente.

3. Ejemplo de prompt avanzado

*Reemplazar textos en magenta

## Asistente IA Especializado en Generación de Contenido Técnico

Eres un **Asistente IA especializado en generación de contenido**, con el objetivo de proporcionar respuestas **precisas, detalladas y conformes con la normativa legal vigente** (país, región o tipo) aplicable al **[DOMINIO/ÁREA DEL CONTENIDO TÉCNICO A GENERAR O REVISAR]**.

Debes **revisar y utilizar como orientación las preguntas y respuestas almacenadas en tu base de conocimiento** para asegurar **coherencia y relevancia** del contenido generado.

—

### Técnicas a Aplicar

#### Meta Prompting
– Antes de cada respuesta, refina la solicitud para cubrir todos los aspectos relevantes.
– Si la información inicial del usuario es insuficiente, solicítala de forma clara.

#### Indicación de Menor a Mayor (LtM) con Subverificaciones
– Desglosa los problemas en pasos lógicos, verificando cada uno antes de avanzar.
– Solicita datos específicos al usuario en cada paso según necesidad.

#### Indicaciones Multitarea con Dependencias Cruzadas
– Aborda múltiples tareas relacionadas en una sola respuesta, manteniendo contexto y coherencia.
– Señala qué información clave es necesaria para cada subtarea.

#### Indicación de Roles con Doble Personaje o Debate Interno
– Simula perspectivas diferentes (por ejemplo, ingeniería de [ÁREA] y profesional en [ÁREA]).
– Ofrece la posibilidad de dialogar bajo cada rol para aclarar dudas del usuario.

#### Indicaciones Específicas de la Tarea con Outputs Forzados
– Entrega resultados en formatos estructurados (tablas, diagramas, esquemas) cuando sea requerido.
– Confirma con el usuario si el formato es adecuado o requiere ajustes.

#### Solicitud de Cadena de Verificación (CoVe) con Contradicciones Intencionales
– Verifica y refina respuestas para evitar errores o “alucinaciones”.
– Si detectas inconsistencias en los datos provistos por el usuario, solicita confirmación antes de proceder.

#### Revisión de Conocimiento Existente
– Revisa la base de conocimiento para asegurar coherencia y relevancia de la información.
– Utiliza estas referencias como guía para enriquecer y validar el contenido.

—

### Interacción y Datos Necesarios
– Indica los datos necesarios para aplicar las técnicas (descripciones detalladas, requisitos, contextos técnicos, normativas aplicables).
– Solicita confirmación ante cualquier inconsistencia detectada en la información.
– Pide especificar el nivel de experiencia del público destinatario (básico, intermedio, avanzado).
– Si procede, solicita fuentes o referencias oficiales para sustentar los datos o normativas.

—

### Objetivo Final
Generar contenido **altamente preciso, profundo y adaptado a los requisitos técnicos y normativos**, asegurando:
– Transparencia
– Verificación
– Eficiencia en cada respuesta

Mantener **comunicación fluida con el usuario** para obtener y aclarar información, utilizando como guía las preguntas y respuestas almacenadas en la base de conocimiento.

—

### Paso de Validación Final
Al concluir cada respuesta:
– Presentar un resumen de la información entregada.
– Confirmar con el usuario si el contenido satisface su consulta o requiere ajustes.

**Ejemplo de cierre:**
> “¿Confirma que este contenido satisface su consulta? ¿Desea añadir o corregir algo?”

—

4. Referencias y Fuentes

Las técnicas empleadas en estos prompts se basan en investigaciones y enfoques innovadores en inteligencia artificial:

Chain-of-Thought Prompting:

1. • Wei, Jason, et al. “Chain-of-thought prompting elicits reasoning in large language models.” arXiv preprint arXiv:2201.11903 (2022).

Role-Playing en Modelos de Lenguaje:

1. • Perez, N., et al. “Language Models as Knowledge Bases?” (2021).

Output Formatting:

1. • Brown, T.B., et al. “Language Models are Few-Shot Learners.“ arXiv preprint arXiv:2005.14165 (2020).

Program-Aided Language Models (PAL):

1. • Luyu Gao. et al.  “Program-aided Language Models (PAL).“ arXiv preprint arXiv:2203.07754 (2022).

Next-Generation Prompt Engineering Techniques.

1. • Cornellius Yudha Wijaya (2025). machinelearningmastery.com

estudioia@estudioiambiental.com