Última revisión:
¿Qué son los patrones de prompting? Definición y buen reflejo vs mal reflejo
Los patrones de prompting son convenciones de formulación que estructuran un prompt para orientar la salida del modelo. No existen como comandos nativos del LLM, solo como guías del redactor. La distinción importa: ningún patrón desencadena una funcionalidad, el efecto viene de la precisión lingüística.
Quizás haya cruzado gráficos listando 80 o 90 « comandos Claude ». Estos comandos no existen técnicamente: el modelo Claude no reconoce ningún comando nativo (los slash-commands de Claude Code son funciones de la herramienta, no del modelo). Son patrones de prompting, convenciones de escritura que estructuran la solicitud sin desencadenar una funcionalidad específica del lado del modelo. La distinción importa. Un patrón no es una instrucción interpretada por el modelo como una directiva técnica, es una convención lingüística aplicada por el usuario para clarificar su intención. El valor real de los patrones es cognitivo: ayudan al redactor a estructurar su pensamiento antes de prompter (rol, contexto, restricciones, razonamiento esperado), y estadísticamente, los prompts mejor estructurados producen salidas mejor orientadas. Sin magia del lado del modelo, solo disciplina de escritura del lado humano. La grilla WYP retiene 12 patrones recurrentes seleccionados por su utilidad directiva: rol asignado, contexto de entrada, restricciones de salida, chain-of-thought, few-shot, rechazo de inventar, fuentes solicitadas, crítica adversaria, reformulación, comparación estructurada, hipótesis listadas, pre-mortem. Algunos patrones envejecen con los modelos: en los modelos Claude actuales, la documentación de Anthropic recomienda apoyarse en el razonamiento integrado (adaptive thinking) en lugar de un chain-of-thought redactado a mano, y aconseja de 3 a 5 ejemplos variados, delimitados con etiquetas XML.
Ejemplo concreto
Caso ilustrativo. Una directora general de mediana empresa de consultoría (180 empleados) compara en 2026 dos enfoques de prompting sobre 20 solicitudes sucesivas a Claude (síntesis competitivas). Primer intento: prompts vagos del tipo « hazme un resumen del mercado X ». Salida media juzgada útil a 4/10 en la grilla interna. Segundo intento: aplicación sistemática de 4 patrones combinados (rol asignado « analista senior », contexto de una página, restricciones de salida tres columnas más 300 palabras, un ejemplo de la salida esperada). Salida media 7,5/10 en la misma grilla. Diferencia no ligada al modelo (idéntico), únicamente a la disciplina de escritura. Tiempo de redacción del prompt: 3 minutos en lugar de 30 segundos, es decir 2 minutos 30 adicionales para una ganancia del 87,5 % en la nota media (de 4 a 7,5).
Preguntas frecuentes
¿Qué es un patrón de prompting?
Es una convención de formulación que estructura un prompt para orientar la salida del modelo. Un patrón no es un comando nativo del LLM ni una directiva técnica: es una convención lingüística aplicada por el redactor para clarificar su intención.
¿Existen de verdad los 80 o 90 comandos Claude de los gráficos?
No, no existen técnicamente: el modelo Claude no reconoce ningún comando nativo (los slash-commands de Claude Code son funciones de la herramienta, no del modelo). Son patrones de prompting, convenciones de escritura que estructuran la solicitud sin desencadenar funcionalidad alguna del lado del modelo.
¿Para qué sirven realmente los patrones?
Su valor es cognitivo: ayudan al redactor a estructurar su pensamiento antes de prompter (rol, contexto, restricciones, razonamiento esperado), y estadísticamente, los prompts mejor estructurados producen salidas mejor orientadas. En el ejemplo de una mediana empresa de consultoría, pasar de prompts vagos a cuatro patrones combinados sube la calidad media de 4 a 7,5 sobre 10, con el mismo modelo.
¿Cuántos patrones conviene adoptar?
De cinco a ocho patrones recurrentes, industrializados en plantillas compartidas, no una lista de 89 inmanejable y medio redundante. Haga practicar cada patrón al menos veinte veces por usuario: la disciplina de aplicación prima sobre el número de patrones conocidos.
¿Cómo evitar el sobre-prompting?
Privilegie los patrones con valor cognitivo (rol, contexto, restricciones, ejemplos, rechazo de inventar) sobre los decorativos, y documente dónde cada patrón es rentable y dónde no aporta nada. Mida la brecha de calidad antes y después sobre una muestra de solicitudes reales.
Ver también
Para profundizar
Prompting best practices, documentación oficial de Anthropic, 2026
Fuentes
- Prompting best practices, documentación oficial de Anthropic, 2026. https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
- Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, Wei, Wang, Schuurmans, Bosma, Ichter, Xia, Chi, Le, Zhou, arXiv 2201.11903, 2022 (revisado enero 2023). https://arxiv.org/abs/2201.11903
- Language Models are Few-Shot Learners, Brown et al., arXiv 2005.14165, 2020 (artículo de referencia GPT-3 introduciendo el few-shot learning por prompting). https://arxiv.org/abs/2005.14165
- Guía de ingeniería de prompts, documentación de OpenAI, 2026. https://developers.openai.com/api/docs/guides/prompt-engineering
- Comandos slash de Claude Code, documentación de Anthropic. https://code.claude.com/docs/en/slash-commands