El prompt engineering es el proceso de diseñar, refinar y optimizar las entradas o “prompts” que se le proporcionan a un modelo de inteligencia artificial para obtener respuestas específicas y de alta calidad.
| Técnica | Descripción | Uso | Ejemplo | Situaciones Efectivas |
|---|---|---|---|---|
| Zero-shot Prompting | El modelo recibe una tarea sin ejemplos previos. | Útil cuando no se dispone de ejemplos específicos. | Pedirle al modelo que traduzca una frase sin darle ejemplos. | Tareas generales o cuando se confía en la capacidad del modelo para inferir la tarea. |
| One-shot Prompting | Se proporciona un solo ejemplo de la tarea. | Efectivo cuando se necesita un poco más de orientación. | Darle al modelo una frase traducida y luego pedirle otra similar. | Tareas donde un solo ejemplo puede proporcionar suficiente contexto. |
| Few-shot Prompting | Se proporcionan varios ejemplos (generalmente entre 2 y 5). | Ideal para tareas más complejas. | Proporcionar varias frases traducidas y luego pedir una nueva. | Tareas complejas o específicas donde varios ejemplos ayudan al modelo a captar mejor el patrón. |
La claridad y especificidad en la formulación de un prompt son factores fundamentales que influyen directamente en la calidad de las respuestas generadas por un modelo de inteligencia artificial (IA). Un prompt bien diseñado permite al modelo interpretar de manera más precisa lo que se espera de su respuesta, lo que mejora tanto la relevancia como la precisión de los resultados.
El prompting iterativo es un enfoque poderoso que permite refinar las respuestas de un modelo de IA de manera progresiva, ajustando el nivel de detalle, enfoque, formato y relevancia a las necesidades del usuario. Es especialmente útil en situaciones donde las respuestas iniciales son incompletas, vagas o no están alineadas con el propósito del usuario. Esta técnica optimiza los resultados y ofrece respuestas más personalizadas, precisas y útiles.