Un buen set de patrones de prompt te evita la improvisación y sube la calidad del sistema. Aquí tienes 10 patrones prácticos con ejemplos listos para copiar y adaptar a tu dominio.

10 patrones listos para usar

1) Delimitadores estrictos

Separa instrucciones de datos para reducir ambigüedad.

Rol: Analista técnico.
Instrucciones: Responde solo con lo solicitado. No alucines.
Datos (DELIMITED_INPUT):
<input>{TEXTO_O_DOC}</input>

2) Contrato de salida (JSON/tabla)

Define un esquema explícito y exige cumplimiento.

Rol: Extractor estricto.
Salida: SOLO JSON válido (sin texto extra).
Schema:
{
  "title": "string",
  "date": "YYYY-MM-DD|null",
  "labels": ["string"]
}
Texto:
{INPUT}

3) Crítica y corrección (Reviewer)

Dos pasos: generar y luego revisar/corregir.

Rol: Revisor crítico.
Criterios: precisión, completitud, tono, formato JSON.
Entrada:
- Pregunta: {P}
- Respuesta: {R}
Salida:
{
  "is_ok": true|false,
  "issues": ["string"],
  "fixed_answer": "string"
}

4) Few-shot contrastivo

Ejemplos buenos y malos para fijar límites.

Rol: Clasificador.
Etiquetas: ["soporte","factura","legal","marketing"]
Buen ejemplo:
Input: "Necesito ayuda con mi pedido."
Output: ["soporte"]
Mal ejemplo:
Input: "Hola"
Output: []
Clasifica:
{TEXTO}

5) Planner → Executor

Primero plan, luego ejecución (útil para tareas multi-paso).

Rol: Planificador.
Tarea: {OBJETIVO}
Devuelve un plan JSON con pasos y herramientas. No ejecutes.
---
Rol: Ejecutor.
Entrada: {PLAN_JSON}
Ejecuta cada paso y devuelve reporte.

6) Preguntas aclaratorias

Evita suposiciones: pide máximo N aclaraciones antes de responder.

Rol: Consultor.
Si faltan datos críticos, realiza hasta 2 preguntas aclaratorias y espera respuesta.
Si hay suficientes datos, responde directo.
Entrada:
{CASO}

7) RAG con citas obligatorias

Responde solo si hay evidencia en los fragmentos.

Rol: Asistente con acceso a fragmentos.
Reglas:
- Usa únicamente el CONTEXTO proporcionado.
- Si no hay evidencia suficiente, responde "No lo sé".
Salida:
{
  "answer":"string",
  "citations":[{"title":"string","url":"string"}]
}
CONTEXTO:
{FRAGMENTOS}
PREGUNTA:
{Q}

8) Normalización y validación

Ideal para ETL semántico; incluye reglas de limpieza.

Rol: Normalizador.
Tarea: extrae campos y normaliza mayúsculas, fechas ISO y trimming.
Salida: SOLO JSON.
Entrada:
{DOC}

9) Redacción con tono y longitud controlados

Cuando el branding y la concisión importan.

Rol: Redactor.
Tono: profesional y claro.
Límites: 130-160 palabras, 1 CTA al final.
Tema: {TEMA}

10) Verificación de hechos (fact-check)

Separa respuesta y verificación con criterios.

Rol: Verificador.
Entrada:
- Afirmación: {CLAIM}
- Evidencia: {EVIDENCIAS}
Salida:
{"verdict":"supported|refuted|insufficient","rationale":"string"}

Tips para adaptarlos a tu dominio

• Nombre y versión del prompt (ej. extract.invoice.v2).
• Idioma de salida fijo y formato consistente.
• Límites: max_tokens, tiempo, tamaño de entrada.
• Campos obligatorios y valores nulos explícitos.

Nota Laravel: guarda plantillas en una tabla prompts (slug, versión, schema, idioma) y cachea por clave.

Mini-workflow n8n: “Librería y ruteo de prompts”

1. Webhook → recibe {task, payload}.
2. Function → busca plantilla por task (DB) y compone prompt.
3. LLM → ejecuta con max_tokens y temperatura definidos por plantilla.
4. Function → valida JSON (si aplica); si falla, reintento con “SALIDA SOLO JSON”.
5. Database → guarda costo, latencia, versión de plantilla y resultado.
6. IF → si es “riesgoso”, enruta a approval humano.

Errores comunes (y cómo evitarlos)

• Prompts sin contrato de salida → respuestas inconsistentes.
• Ejemplos poco representativos → efecto “sobreajuste” a casos raros.
• Sin límites de longitud → costos altos y latencias impredecibles.
• Falta de versión y métricas → imposible mejorar con método.

Conclusión

Con estos 10 patrones puedes cubrir el 80% de casos: extracción, resumen, Q&A con RAG, validación, redacción, planificación y verificación. Adáptalos a tu dominio, versiónalos y mide.

← Anterior: Prompting con intención de negocio: cómo pedirle a la IA lo que realmente quieres

Siguiente: Cómo evaluar prompts sin sesgos (y elegir el mejor) →