Patrón: dar contexto en vez de preguntar de forma vaga
Dale a la IA archivos, mensajes de error y restricciones: eso da mejores respuestas que una pregunta vaga.
El problema
"¿Por qué no funciona mi código?" es un prompt difícil de responder bien: la IA no ve nada de tu código. Sin contexto, tiene que adivinar. Y adivinar lleva a alucinaciones o a respuestas genéricas e inútiles.
El patrón
Dale a la IA material concreto en vez de una pregunta abstracta:
- El archivo afectado o el fragmento relevante
- El mensaje de error exacto (texto completo, no un resumen)
- Qué esperabas frente a qué pasó realmente
- Restricciones relevantes ("no puedo instalar paquetes nuevos", "tiene que correr en Node 18")
Antes/después
Débil: "Mi login no funciona, ayúdame." Fuerte: "Aquí está login.js [pega el archivo]. Al hacer clic en 'Iniciar sesión' recibo este error en la consola: 'TypeError: Cannot read property token of undefined'. Esperado: login exitoso y redirección a /dashboard."
Por qué funciona
Un LLM solo puede trabajar con lo que hay en la ventana de contexto. Cuanta más información real y relevante le des, menos tiene que adivinar, y más precisa y correcta será la respuesta. Más contexto no significa "pegar todo", significa compartir de forma deliberada lo relevante.
EJEMPLO
Prompt: 'Aquí está el stack trace [pega] y el archivo auth.py [pega]. El error pasa al hacer login con credenciales válidas. Encuentra la causa.'
QUIZ RÁPIDO
¿Qué mejora más una petición a una IA?
FUENTES
- Documentación de Anthropic: Sé claro y directo ↗ docs.anthropic.com
- Documentación de Anthropic: Consejos para contextos largos ↗ docs.anthropic.com
- Documentación de Anthropic: Resumen de prompt engineering ↗ docs.anthropic.com