Depuracion de Prompts

El Problema

Tu prompt devuelve resultados incorrectos, inconsistentes o irrelevantes, y no sabes por que. Ajustar al azar desperdicia tiempo porque estas adivinando la causa raiz. La depuracion de prompts aplica una metodologia sistematica — aislar variables, probar hipotesis y hacer correcciones dirigidas — igual que depurar codigo.

El Prompt

Tengo un prompt que no produce los resultados que quiero. Ayudame a depurarlo.

MI PROMPT:
"""
[pega tu prompt problematico]
"""

SALIDA ESPERADA: [describe lo que querias]
SALIDA REAL: [describe o pega lo que obtuviste]
BRECHA: [formas especificas en que la salida real difiere de la esperada]

Diagnostica el problema verificando estos modos de falla comunes:
1. AMBIGUEDAD — ¿La definicion de la tarea es lo suficientemente clara para una sola interpretacion?
2. FORMATO — ¿El formato de salida esta explicitamente especificado?
3. CONTEXTO — ¿El modelo tiene suficiente informacion para responder correctamente?
4. RESTRICCIONES — ¿Faltan limites que permitan al modelo divagar?
5. INSTRUCCIONES CONFLICTIVAS — ¿Alguna instruccion se contradice con otra?
6. DESAJUSTE DE TEMPERATURA — ¿La tarea es creativa pero la temperatura es baja, o viceversa?

Para cada modo de falla encontrado, proporciona una correccion especifica.

Ejemplo de Salida

DIAGNOSTICO:

1. AMBIGUEDAD: ENCONTRADA — "resume los puntos clave" no especifica cuantos puntos
   ni que longitud. El modelo produjo 12 puntos cuando querias 3-5.
   FIX: "Resume en exactamente 3-5 viñetas, cada una de menos de 20 palabras."

2. FORMATO: ENCONTRADO — Sin formato de salida especificado. El modelo mezclo
   parrafos de prosa con viñetas inconsistentemente.
   FIX: Agregar "Formato de salida: solo viñetas, sin encabezados ni parrafos."

3. RESTRICCIONES: ENCONTRADAS — Sin especificacion de audiencia. El modelo explico
   a nivel principiante cuando necesitabas profundidad de ingeniero senior.
   FIX: Agregar "Asume que el lector es un ingeniero senior familiarizado con sistemas distribuidos."

4. INSTRUCCIONES CONFLICTIVAS: NO ENCONTRADAS
5. CONTEXTO: PARCIAL — El snippet de codigo estaba truncado, faltaba el error handler.
   FIX: Incluir la funcion completa o como minimo el bloque de manejo de errores.

Cuando Usar

Usa depuracion de prompts cuando un prompt que solia funcionar empieza a fallar, cuando la calidad de salida es inconsistente entre ejecuciones, o cuando no puedes descifrar por que el modelo ignora instrucciones especificas. Es la alternativa sistematica al ajuste aleatorio de prompts.

Tips Pro

• Cambia una variable a la vez — si corriges ambiguedad, formato y contexto simultaneamente, no sabras cual correccion realmente funciono.
• Mantiene un registro de fallas — documenta que salio mal y como lo arreglaste; emergen patrones que aceleran la depuracion futura.
• Prueba con la misma entrada — usa un caso de prueba fijo para comparar versiones del prompt y asi medir el prompt, no la variacion de entrada.
• Verifica sobrecarga de instrucciones — prompts con mas de 10 reglas frecuentemente causan que el modelo ignore algunas; prioriza las restricciones mas criticas.