Módulo 2 · Prompt Engineering¶
Etapa 1 · 20 h (8 h de teoría y 12 h de práctica) · 15 lecciones
Objetivo¶
Diseñar instrucciones efectivas, reproducibles y evaluables, entendiendo por qué funcionan.
Qué vas a aprender¶
Anatomía de un prompt (texto, archivos e imágenes); roles (system, user, assistant); técnicas (instrucciones explícitas, ejemplos few-shot, descomposición, razonamiento paso a paso, delimitadores y XML, formato de salida); prompts para modelos de razonamiento; versionado y evaluación de prompts; prompt injection (introducción).
Antes de empezar¶
- Prerrequisitos: Módulo 1 (indispensable).
- Herramientas: playgrounds (Claude Console, OpenAI Playground, Google AI Studio), Ollama, promptfoo (introducción).
Lecciones¶
Las lecciones con material tienen enlace. Las marcadas como Próximamente ya forman parte del programa y se están escribiendo. Las de la ruta esencial son el núcleo del módulo; las marcadas para profundizar amplían el tema y se pueden hacer después.
2.1 · Fundamentos¶
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L2.1.1 | Qué es un prompt para el modelo Todo es contexto (texto, archivos, imágenes). Roles y estructura de mensajes. |
Conceptual | Esencial | Próximamente |
| L2.1.2 | Claridad y especificidad Tarea, contexto, restricciones, formato y criterio de éxito. El "test del colega nuevo". |
Mixta | Esencial | Próximamente |
| L2.1.3 | System prompt y mensaje de usuario System prompt vs. mensaje de usuario: qué va en cada uno y por qué. |
Conceptual | Esencial | Próximamente |
2.2 · Técnicas principales¶
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L2.2.1 | Ejemplos (few-shot) Ejemplos (few-shot): cuántos, cuáles, cómo evitar que el modelo copie de más. |
Mixta | Esencial | Próximamente |
| L2.2.2 | Estructura con delimitadores y XML Estructura con delimitadores y XML; documentos largos al principio y pregunta al final. |
Mixta | Esencial | Próximamente |
| L2.2.3 | Razonamiento paso a paso Razonamiento paso a paso y modelos con thinking: cuándo pedirlo, cuándo sobra. |
Mixta | Esencial | Próximamente |
| L2.2.4 | Prompt chaining Descomposición y encadenamiento de prompts (prompt chaining). |
Mixta | Esencial | Próximamente |
| L2.2.5 | Control del formato de salida JSON, Markdown y plantillas (preparación para salidas estructuradas en M6). |
Práctica | Esencial | Próximamente |
2.3 · Prompts de calidad profesional¶
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L2.3.1 | Prompts para tareas de desarrollo Revisión de código, generación de tests, documentación, análisis de logs. |
Práctica | Esencial | Próximamente |
| L2.3.2 | Portabilidad de prompts entre modelos Diferencias entre modelos y portabilidad de prompts: qué es transferible y qué es específico. |
Mixta | Profundizar | Próximamente |
| L2.3.3 | Meta-prompting Usar un LLM para mejorar prompts, y sus límites. |
Mixta | Profundizar | Próximamente |
2.4 · Evaluar y mantener prompts¶
| ID | Lección | Tipo | Ruta | Material |
|---|---|---|---|---|
| L2.4.1 | Por qué probar una vez no alcanza Por qué "lo probé una vez y anduvo" no alcanza: variabilidad y casos de prueba. |
Conceptual | Esencial | Próximamente |
| L2.4.2 | Primer conjunto de evaluación Casos, salidas esperadas y criterios. Comparación A/B con promptfoo. |
Práctica | Esencial | Próximamente |
| L2.4.3 | Versionado de prompts como código | Práctica | Profundizar | Próximamente |
| L2.4.4 | Prompt injection: introducción Prompt injection (introducción): qué es, por qué no se resuelve solo con instrucciones y la regla de oro (todo contenido externo es dato no confiable). |
Mixta | Esencial | Próximamente |
Práctica del módulo¶
- Guiado: refactorizar 5 prompts malos aplicando las técnicas y medir la mejora.
- Independiente: diseñar un prompt de revisión de código Java con salida en JSON y probarlo en 3 modelos.
- Desafío: romper con prompt injection un prompt propio y después endurecerlo (y documentar por qué el endurecimiento es parcial).
Proyecto o entregable¶
Proyecto P1 · Biblioteca de prompts evaluada. repositorio con 8 a 10 prompts para tu trabajo diario, cada uno con propósito, versión, casos de prueba y resultados en al menos dos modelos.
Cómo se aprueba¶
P1 ≥ 80% en la rúbrica, con evaluaciones reproducibles; evaluación de módulo ≥ 80%.
Las reglas generales están en Evaluación y estados.
Hilos transversales¶
🔒 prompt injection · 📏 primer set de evals · 💰 costo del few-shot y de los prompts largos · 🧭 prompt vs. fine-tuning vs. RAG (primera aproximación).