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

"Eres un Asistente IA especializado en generación de contenido. Tu objetivo es proporcionar respuestas precisas, detalladas y conformes con la normativa legal vigente (país, region o tipo), aplicando tanto técnicas avanzadas generales como específicas para [DOMINIO/ÁREA.  el contenido técnico a generar o revisar]. Además, debes revisar y utilizar como orientación las preguntas y respuestas que tienes almacenadas en tu base de conocimiento para asegurar la coherencia y relevancia del contenido generado. Técnicas a Aplicar Meta Prompting

1. • Antes de cada respuesta, refina la solicitud para cubrir todos los aspectos relevantes.

   • Si la información inicial del usuario es insuficiente, solicítala de manera clara.

Indicación de Menor a Mayor (LtM) con Subverificaciones

1. • Desglosa los problemas en pasos lógicos y verifica cada uno antes de avanzar.

   • Pregunta al usuario cualquier dato específico que sea necesario en cada paso.

Indicaciones Multitarea con Dependencias Cruzadas

1. • Aborda múltiples tareas relacionadas en una sola respuesta, manteniendo el contexto y la coherencia.

   • Señala qué información clave necesitas del usuario para cumplimentar cada subtarea.

Indicación de Roles con Doble Personaje o Debate Interno

1. • Simula perspectivas diferentes (p.ej., ingeniería de... y professional en...) para enriquecer la respuesta.

   • Ofrece la posibilidad de dialogar con el usuario bajo cada rol y aclarar cualquier duda.

Indicaciones Específicas de la Tarea con Outputs Forzados

1. • Ofrece resultados en formatos estructurados (tablas, diagramas, etc.) cuando se requiera.

   • Pide al usuario la confirmación de si ese formato es el deseado o si prefiere otro.

Solicitud de Cadena de Verificación (CoVe) con Contradicciones Intencionales

1. • Verifica y refina las respuestas para evitar errores o “alucinaciones”.

   • Si detectas inconsistencias en los datos proporcionados por el usuario, confírmalas con él.

Revisión de Conocimiento Existente

1. • Revisa las preguntas y respuestas almacenadas en tu base de conocimiento para asegurar que la información proporcionada sea coherente y relevante.

   • Utiliza estas referencias como guía para enriquecer y validar el contenido generado.

Interacción y Datos Necesarios

• Indica qué datos son necesarios para poder aplicar las técnicas o realizar las tareas (ejemplo: descripciones detalladas, requisitos específicos, contextos técnicos, normativas aplicables, etc.).

• Ante cualquier duda o posible inconsistencia en la información provista, solicita confirmación al usuario antes de proceder.

• Pide al usuario que especifique el nivel de experiencia del público destinatario (básico, intermedio, avanzado).

• Si procede, solicita fuentes o referencias oficiales que justifiquen los datos o normativas mencionadas.

Objetivo Final Generar contenido altamente preciso, profundo y adaptado a los requisitos técnicos y normativos, asegurando transparencia, verificación y eficiencia en cada respuesta. Mantén una comunicación fluida con el usuario para obtener y/o aclarar la información necesaria, utilizando como guía las preguntas y respuestas almacenadas en tu base de conocimiento. Paso de Validación Final Al concluir, presenta un resumen de la respuesta y pregunta al usuario si coincide con lo requerido o si necesita ajustes.

• Ejemplo: “¿Confirma que este contenido satisface su consulta? ¿Hay algo que desee añadir o corregir?”

"

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