Prompt Engineering Full Guide - Your Gateway to $250,000 Salary.

Introducción a la Ingeniería de Prompts

Conceptos Básicos

• En los últimos meses, se ha hablado mucho sobre CHBT y modelos de lenguaje grandes, así como sobre la ingeniería de prompts. Es esencial entender cómo formular el mejor prompt para obtener resultados óptimos.

• Este mini curso está diseñado para enseñar qué es la ingeniería de prompts y cómo convertirse en un ingeniero de prompts, enfocándose en el proceso de creación efectiva de prompts.

Definición y Componentes del Prompt

• Un prompt es un conjunto de instrucciones que se envían a CHBT para obtener los resultados deseados. Comprender cómo funciona el prompting es crucial para lograr resultados útiles.

• La construcción adecuada del prompt puede marcar la diferencia entre obtener buenos o malos resultados. La idea central es aprender a hacer preguntas efectivas a CHBT.

Elementos Clave del Prompt

• Un prompt debe contener instrucciones claras sobre lo que se desea lograr, así como preguntas específicas y contexto adicional que ayude al modelo a entender mejor la solicitud.

• El contexto es fundamental; cuanto más información se proporcione, mejores serán los resultados obtenidos. También pueden incluirse ejemplos e inputs relevantes.

Ingeniería de Prompts: ¿Qué Es?

Definición y Objetivo

• La ingeniería de prompts se refiere al proceso científico de aprender a crear los mejores prompts posibles para instruir al modelo (CHBT) en tareas específicas.

• Se busca desglosar cómo formular las mejores preguntas para maximizar la calidad de las respuestas proporcionadas por el modelo.

Desglose del Prompt Óptimo

• Para construir un prompt óptimo, es necesario comprender sus componentes básicos: instrucciones claras, contexto relevante e inputs específicos.

• Un buen prompt incluye una instrucción directa que le indique al modelo qué tarea realizar, asegurando claridad en lo solicitado.

Construcción Efectiva del Prompt

Importancia del Contexto

• Incluir contexto adecuado ayuda al modelo a ofrecer respuestas más precisas. Por ejemplo, especificar "los mejores perros Golden Retriever en Maine" proporciona más información que simplemente preguntar por "los mejores perros".

Inputs Adicionales

• Los datos adicionales o inputs son esenciales; estos pueden ser ejemplos concretos que guíen al modelo hacia una respuesta más alineada con las expectativas del usuario.

¿Cómo estructurar un buen prompt?

Introducción a los indicadores de salida

• Se discute la importancia de un "indicador de salida", que define el formato del resultado esperado, como una lista o un gráfico.

• Aunque se presentan componentes óptimos para un prompt, no es necesario incluir todos en cada caso; algunos prompts pueden ser más simples.

Desglose de un ejemplo de prompt

• Se introduce un ejemplo práctico para ilustrar cómo descomponer un prompt bien estructurado.

• El primer componente es la instrucción: "dime qué sentimiento evoca el texto". Esto indica la tarea que se le pide al modelo.

Elementos del prompt

• El texto proporcionado ("creo que va a llover hoy") actúa como datos de entrada que deben ser evaluados.

• El "sentimiento" mencionado es el indicador de salida, indicando lo que se espera como respuesta.

Contexto y validación del prompt

• Se señala que falta contexto en el ejemplo dado, lo cual puede ser importante pero no siempre necesario.

• A pesar de las ausencias, este sigue siendo un buen prompt y probablemente generará una respuesta neutral.

Comprendiendo la ingeniería del prompt

• La discusión se centra en entender los mecanismos detrás de la creación efectiva de prompts, enfatizando su estructura básica.

• Estos conceptos son fundamentales tanto para preguntas simples como complejas, desde resúmenes hasta libros extensos.

Frameworks para la ingeniería del prompt

Introducción a los frameworks

• Se presenta una transición hacia el estudio profundo de diferentes frameworks para mejorar las habilidades en la creación de prompts efectivos.

Framework seleccionados

• Se mencionan varios frameworks útiles: clarificación de objetivos, refinamiento iterativo y técnicas inversas entre otros.

• La variedad en los frameworks permite adaptar estrategias según las necesidades específicas al interactuar con modelos como ChatGPT.

Exploración adicional

• Aunque hay muchos frameworks disponibles, se seleccionan algunos clave para facilitar el aprendizaje sobre cómo formular mejores prompts.

Guía sobre el uso de marcos para la claridad en los objetivos

Marco de Clarificación de Objetivos

• El primer marco discutido es el de clarificación de objetivos, que busca asegurar que las instrucciones sean claras y directas.

• Un ejemplo efectivo es crear una guía comprensiva y fácil de entender sobre la Segunda Guerra Mundial para estudiantes de secundaria, lo cual establece un objetivo claro.

• Al proporcionar un objetivo específico, como una guía detallada sobre la Segunda Guerra Mundial, se obtienen resultados más relevantes y organizados.

• Es crucial identificar todos los elementos del marco; aquí se da una instrucción clara para crear una guía accesible sobre la Segunda Guerra Mundial.

• Se enfatiza la importancia de tener un objetivo bien definido al utilizar este marco, lo que permite obtener información precisa y útil.

Marco de Refinamiento Iterativo

• El segundo marco mencionado es el refinamiento iterativo, que permite ajustar las preguntas hasta obtener los resultados deseados.

• Este proceso implica negociar con el modelo AI para afinar las solicitudes iniciales y lograr respuestas más específicas.

• Un ejemplo práctico es comenzar con una pregunta general sobre la Segunda Guerra Mundial y luego refinarla para obtener detalles más concretos.

• A través del refinamiento iterativo, se pueden solicitar resúmenes estructurados o en formato de viñetas, mejorando así la claridad y utilidad de las respuestas obtenidas.

• La práctica del refinamiento iterativo ayuda a transformar preguntas vagas en solicitudes precisas que generan información relevante y concisa.

Introducción al Marco de Ingeniería Inversa

Concepto de Ingeniería Inversa

• La ingeniería inversa implica pensar hacia atrás para alcanzar el resultado deseado, comenzando desde un prompt específico.

• Un ejemplo es solicitar un resumen sobre las causas principales de la Segunda Guerra Mundial, eventos clave y sus consecuencias globales.

Estructura del Prompt

• El prompt está diseñado para guiar a ChatGPT hacia una respuesta específica, cubriendo aspectos como causas y eventos importantes.

• Se identifican las causas como el tratado de Versalles, el auge del fascismo y políticas expansionistas alemanas y japonesas.

Resultados Generados

• La respuesta incluye un resumen que destaca el impacto duradero de la Segunda Guerra Mundial en estructuras políticas, sociales y económicas.

• Este marco permite construir prompts efectivos que dirigen a ChatGPT hacia respuestas precisas.

Uso del Marco de Pregunta Respuesta

Formulación Directa de Preguntas

• Se presenta otro marco donde se formula una pregunta directa a ChatGPT para obtener respuestas específicas.

• Ejemplo: "¿Qué países iniciaron la Primera Guerra Mundial?" se utiliza para ver cómo responde directamente a la consulta.

Ejemplos Prácticos

• Al preguntar sobre los países que iniciaron la Segunda Guerra Mundial, se obtiene una lista clara: Alemania, Italia y Japón.

• Se puede seguir preguntando para profundizar en detalles adicionales sobre cada país involucrado.

Marco Basado en Instrucciones

Definición del Marco

• En este marco, se dan instrucciones explícitas a ChatGPT sobre lo que se desea lograr con el prompt.

Ejemplo de Aplicación

• Un ejemplo sería pedir un resumen detallado sobre cómo la Segunda Guerra Mundial cambió nuestra forma de vivir hoy en día.

Resultados Detallados

• La respuesta generada proporciona un análisis exhaustivo sobre cambios significativos como avances tecnológicos y transformaciones sociales.

¿Cómo mejorar la interacción con ChatGPT?

Instrucciones detalladas para prompts

• Se sugiere crear instrucciones más detalladas para mejorar la calidad de los prompts. La idea es que los usuarios compartan sus ejemplos en los comentarios.

Contexto conversacional en ChatGPT

• Se introduce el concepto de "contexto conversacional", que permite mantener una conversación continua sobre un mismo tema, facilitando el seguimiento de ideas previas.

• Ejemplo práctico: se plantea una pregunta inicial sobre cómo la Segunda Guerra Mundial ha cambiado nuestra vida actual y se hace un seguimiento preguntando sobre su impacto en el continente africano.

• El modelo responde dividiendo la información por regiones de África, mostrando cómo la guerra afectó diferentes áreas y movimientos políticos post-guerra.

Importancia del contexto

• Se destaca que el contexto es crucial; aunque no se mencione directamente, ChatGPT infiere a qué evento se refiere basándose en preguntas anteriores.

• La continuidad del contexto permite hacer preguntas adicionales sin perder el hilo de la conversación original.

Refinamiento y enfoque de las preguntas

• Se enfatiza la importancia de refinar las preguntas para obtener respuestas más precisas. Esto implica empezar con conceptos amplios y luego ir acotando hacia detalles específicos.

• Un ejemplo es preguntar inicialmente sobre el cambio climático y luego solicitar causas específicas, lo cual ayuda a obtener información más concreta.

Marco de juego de roles

• Introducción al "marco de juego de roles" como una técnica efectiva para aprender. Por ejemplo, pedirle a ChatGPT que explique un concepto como si fuera un estudiante de quinto grado facilita la comprensión.

• Este enfoque permite desglosar conceptos complejos en términos simples, haciendo que sean accesibles incluso para audiencias jóvenes o menos informadas.

¿Cómo entiende ChatGPT nuestras instrucciones?

Explicación de la fotosíntesis para diferentes niveles educativos

• ChatGPT explica la fotosíntesis a un estudiante de quinto grado, describiéndola como el proceso que utilizan las plantas para hacer su propia comida, similar a cómo los humanos necesitan comer para obtener energía.

• Se destaca que las plantas no pueden ir al supermercado y deben producir su propio alimento mediante la fotosíntesis, lo cual es una analogía sencilla y efectiva para un niño.

• Al cambiar el rol a un estudiante de posgrado, se espera una explicación más compleja. ChatGPT proporciona detalles sobre cómo las plantas convierten la luz solar en energía química.

• La fotosíntesis se describe como un proceso vital que ocurre en plantas, algas y algunas bacterias, convirtiendo la energía solar en moléculas orgánicas.

• Se menciona que al explicar conceptos avanzados como "moléculas", ChatGPT adapta su respuesta según el nivel educativo del usuario.

Rol de los personajes en las explicaciones

• Al pedirle a ChatGPT que explique la fotosíntesis desde la perspectiva de Einstein, se observa un aumento en la complejidad de la información proporcionada.

• Se profundiza en temas botánicos específicos como los cloroplastos y la clorofila, mostrando cómo el contexto influye en el nivel de detalle ofrecido por ChatGPT.

• Este ejercicio demuestra cómo asignar roles puede mejorar significativamente la calidad y profundidad de las respuestas generadas por IA.

Importancia del "prompt engineering"

• Comprender el juego de roles es crucial para crear prompts efectivos; permite acceder al núcleo del funcionamiento de ChatGPT y obtener resultados sorprendentes.

• Refinar continuamente los prompts ayuda a descubrir nuevas perspectivas y maximizar los resultados obtenidos con ChatGPT.

Ciclo de retroalimentación en conversaciones

• Se introduce el concepto del ciclo de retroalimentación: donde una salida se convierte en entrada para otro prompt, facilitando conversaciones más dinámicas e interactivas.

• Un ejemplo práctico muestra cómo iniciar una historia con Maya permite realizar preguntas adicionales basadas en esa narrativa inicial.

• Si hay falta de contexto o información incorrecta sobre personajes (como Maya), esto resalta limitaciones actuales del modelo respecto a datos personales o históricos.

¿Cómo funciona el bucle de retroalimentación en GPT?

Importancia del contexto

• Se destaca que el contexto es crucial al interactuar con modelos como GPT, especialmente en el marco de retroalimentación.

• Al formular preguntas, es esencial que estén relacionadas con la historia o el contenido previamente discutido para obtener respuestas coherentes.

• La falta de un bucle de retroalimentación completo puede llevar a confusiones en las respuestas generadas por GPT.

Ejemplo del Árbol Guardián

• Se presenta al "Árbol Guardián" como un personaje ficticio que simboliza un ser antiguo y sabio del bosque, poseedor de conocimientos mágicos.

• El "Árbol Guardián" se convierte en una entrada para nuevas preguntas, ilustrando cómo las salidas pueden servir como insumos para futuras interacciones.

• Se explica que la salida de una respuesta debe ser utilizada como entrada para la siguiente pregunta, formando así un ciclo efectivo.

¿Cómo evocar emociones en los prompts?

Marco impulsado por emociones

• Se introduce la idea de incorporar emociones en los prompts para mejorar las respuestas generadas por GPT.

• Un ejemplo incluye solicitar una historia conmovedora sobre un perro que ayuda a un niño a recuperar su confianza; esto establece una expectativa emocional clara.

Desarrollo narrativo

• La historia comienza describiendo a Max, un niño amable pero inseguro debido a experiencias difíciles, lo cual establece empatía desde el inicio.

• Las historias deben concluir con enseñanzas o moralejas; se anticipa que Max recuperará su confianza al final.

Estrategias efectivas

• La clave está en formular preguntas adecuadas; usar adjetivos emocionales puede generar resultados sorprendentes y relevantes.

• Se anima a practicar estas técnicas no solo en narrativas sino también en blogs y otros formatos escritos.

¿Cómo utilizar marcos de hipótesis en la ingeniería de prompts?

Introducción a los marcos de hipótesis

• Se presenta una hipótesis sobre el ejercicio físico regular y su impacto en la salud mental, planteando la necesidad de argumentar a favor o en contra.

• Se generan argumentos que apoyan la hipótesis: liberación de endorfinas, reducción del estrés, aumento de la función cerebral e interacción social. También se presentan argumentos contradictorios como variaciones individuales y condiciones subyacentes.

Uso de marcos comparativos

• Se introduce un marco comparativo donde se le pide a CHPT comparar música clásica y rock en términos de historia, estructura musical e impacto cultural.

• La comparación se detalla con listas que abordan cada aspecto solicitado, mostrando las diferencias entre ambos géneros musicales.

• La música clásica se origina en la tradición occidental desde la era medieval hasta hoy; mientras que el rock ganó prominencia en los años 60 y 70.

Importancia del enfoque específico

• Al formular preguntas más específicas (como enfocarse en historia y estructura), se obtienen respuestas más relevantes y detalladas.

• Es crucial reducir el enfoque para maximizar los resultados deseados al interactuar con CHPT.

¿Qué es un marco asumptivo?

Definición del marco asumptivo

• Este marco implica crear un prompt basado en suposiciones sin juzgar su veracidad.

• Ejemplo: "Asumiendo que hemos establecido una colonia en Marte, ¿cómo sería diferente la vida diaria allí comparada con la Tierra?"

Resultados del uso del marco asumptivo

• CHPT genera una lista sobre cómo podría diferir la vida diaria debido a factores como gravedad y condiciones atmosféricas.

• El marco asumptivo permite explorar ideas creativas basadas en premisas hipotéticas.

Explorando el cambio de perspectiva

Introducción al cambio de perspectiva

• Se discute cómo solicitar diferentes perspectivas puede enriquecer las respuestas generadas por CHPT.

• Ejemplo: Pedir explicaciones sobre conceptos complejos como blockchain desde múltiples ángulos para obtener una comprensión más profunda.

¿Cómo explicar la tecnología blockchain a diferentes audiencias?

Perspectivas de explicación

• El prompt solicita que se explique el concepto de tecnología blockchain desde dos perspectivas: una para un científico informático y otra para un niño de 10 años.

• La explicación dirigida al científico informático incluye términos técnicos como descentralización, criptografía, mecanismos de consenso e inmutabilidad.

• Para el niño de 10 años, se utilizan analogías más simples y un lenguaje cotidiano, lo que facilita la comprensión del concepto.

Importancia del cambio de perspectiva

• Utilizar un marco de cambio de perspectiva es poderoso; permite adaptar la enseñanza según la audiencia, ya sea una clase o explicaciones a familiares.

• Se puede aplicar este enfoque en diversas disciplinas, pidiendo a la IA que explique temas desde diferentes puntos de vista (médico, biólogo, físico).

Refinamiento del proceso de creación de prompts

• No es necesario incluir todos los marcos en un solo prompt; es importante dar direcciones claras y específicas para obtener respuestas útiles.

• El proceso implica refinar constantemente los prompts mediante el uso de diferentes contextos y cambios de perspectiva hasta lograr resultados deseados.

Ejercicio práctico

• Se sugiere crear al menos dos prompts sobre cualquier tema elegido y experimentar con el marco de cambio de perspectiva.

• Los participantes son animados a compartir sus experiencias en los comentarios y se les agradece por su tiempo al final del curso.