Hablar con Claude

Estructura básica de un prompt

Una llamada a Claude se compone de tres bloques, de los cuales solo uno es obligatorio:

• System prompt (opcional): quién es Claude, su rol, sus reglas. El conjunto permanente.
• Mensajes User / Assistant: la conversación, en alternancia. El mensaje User es obligatorio.
• La respuesta de Claude completa el último turno.

El principio fundamental detrás de todo lo demás: los modelos recientes siguen instrucciones explícitas, no adivinan. Si deseas un formato, una longitud, un tono, un idioma: dilo. No esperes que el modelo infiera tu intención.

Malo: "háblame de las herramientas Sept-Tools". Mejor: "Lista las 5 familias de productos Sept-Tools, una frase por familia, en español, sin introducción."

Ser claro y directo

Trate a Claude como un nuevo empleado brillante sin contexto : capaz, pero que no conoce ni su empresa, ni sus convenciones, ni lo que tiene en mente. Todo lo que no diga, tendrá que adivinarlo, y a veces se equivocará.

Tres palancas concretas :

• Proporcione contexto de la tarea : para qué sirve el resultado, quién lo leerá, en qué entorno.
• Sea secuencial : si el orden importa, numere los pasos.
• Diga lo que quiere, no lo que no quiere cuando sea posible : "responde en 3 oraciones" es mejor que "no seas demasiado largo".

Prueba mental infalible : muestre su prompt a un colega. Si necesita hacer una pregunta para ejecutarlo, el modelo también. Llene el vacío.

Asignar un rol (system prompt)

Darle a Claude un rol a través del system prompt cambia la calidad base y el tono. "Eres un experto en seguridad de aplicaciones auditando código PHP de WooCommerce" orienta todo el vocabulario, el nivel de detalle y las prioridades de las respuestas que siguen.

Por qué funciona: mueves el modelo hacia la región del lenguaje donde viven los buenos expertos. Un rol bien elegido suele valer varios párrafos de instrucciones.

Buenas prácticas:

• Pon el rol en el system prompt, no enterrado en el mensaje del usuario.
• Sé específico: "redactor técnico para una audiencia de seguridad no técnica" supera a "escribe bien".
• Combina rol + misión + restricciones: "Eres X. Tu misión es Y. Reglas: Z."

Esto es exactamente lo que hace el modo Frankenstein de Pierre, pero llevado al extremo: un system prompt compuesto que ensambla varias personalidades de expertos. Lo diseccionaremos en el módulo 6.

Separar los datos de las instrucciones (XML)

Cuando tu prompt mezcla las instrucciones y los datos a procesar, el modelo los confunde: toma un fragmento de texto para analizar como una instrucción, o al revés. La solución canónica con Claude: las etiquetas XML.

Claude está específicamente entrenado para respetar etiquetas como <document>, <instructions>, <example>. Estas crean límites claros.

<instructions>
Resume el documento a continuación en 3 puntos, para un ejecutivo con poco tiempo.
</instructions>

<document>
{ ... el texto largo a resumir, pegado aquí ... }
</document>

Ventajas: cero confusión entre datos e instrucciones, respuestas más fiables, y puedes referenciar las etiquetas ("en el <document>, encuentra..."). Este es EL reflejo para cualquier prompt que contenga un bloque grande de texto, una transcripción, código o datos pegados.

Formatear la salida y hablar por Claude (prefill)

Dos técnicas para controlar la forma exacta de la respuesta.

1. Especificar el formato de salida. Pídalo de forma explícita: JSON, tabla markdown, lista, etiquetas. Para un JSON robusto, describa el esquema esperado e indique "devuelve solo el JSON, sin texto alrededor".

2. Prefill (hablar por Claude). Con la API, puede comenzar usted mismo el mensaje del Asistente. Claude continuará desde ese punto. Es la forma más fiable de imponer un formato.

User: Give me the 3 risks, as JSON.
Assistant: {          <-- you prefill this brace

Al comenzar la respuesta con { o [, garantiza que Claude no añada "Claro, aquí tienes..." antes del JSON. Hacer prefill de <analysis> obliga a que la respuesta comience dentro de esa etiqueta. Muy utilizado para extracción automatizada y para eliminar preámbulos.

Precognicion: razonar paso a paso

En una tarea que requiere razonamiento (matematicas, logica, una decision multicriterio, depuracion de errores), pedir la respuesta directa suele dar un resultado incorrecto. Pedir a Claude que razone primero y concluya despues mejora notablemente la precision. A esto se le llama chain-of-thought.

Por que funciona: el modelo genera texto de forma secuencial. Dejarle "exponer su razonamiento" le proporciona pasos intermedios en los que apoyarse. Sin ese espacio, tiene que adivinar la respuesta de una sola vez.

Tres formas de activarlo:

• Directo: "Piensa paso a paso antes de responder."
• Estructurado: "Primero, en <reasoning>, analiza. Despues, en <answer>, concluye."
• Extended thinking: los modelos recientes disponen de un modo de razonamiento extendido que puedes activar (un presupuesto de "thinking" antes de la respuesta).

Clave practica: si luego necesitas procesar la respuesta, aísla el razonamiento en una etiqueta para quedarte solo con la conclusion.

Usar ejemplos (few-shot)

Mostrar es mejor que explicar. Dar 2 a 5 ejemplos de entrada -> salida (few-shot) es a menudo la forma más rápida de fijar un formato, un tono, un nivel de detalle, una convención de nombres.

El modelo imita el patrón. Si tus ejemplos son JSON conciso y minimalista, las respuestas seguirán ese estilo. Si tus ejemplos son extensos, las respuestas también lo serán.

Reglas:

• Elige ejemplos representativos, incluye un caso límite si el problema es conocido.
• Sé consistente: el mismo formato en cada ejemplo; de lo contrario, enseñas la inconsistencia.
• Envuélvelos en etiquetas <example> para distinguirlos de la tarea real.

Few-shot + rol + formato de salida = la combinación que resuelve la mayoría de las tareas de extracción y transformación sin ningún otro truco.

Evitar las alucinaciones

La alucinación no es un error raro, es una consecuencia de cómo funciona el modelo (lección 1.1). No se elimina, se controla. La caja de herramientas:

• Ofrecer una salida: "Si la información no está en el documento, responde exactamente: Desconocido." Sin ella, el modelo llena el vacío inventando.
• Anclar en fuentes: proporcionar el texto de referencia y pedirle que cite el pasaje exacto que justifica cada afirmación.
• Pedir las pruebas primero: "Antes de responder, extrae las citas relevantes y luego responde solo a partir de ellas."
• Buscar en la web cualquier hecho de la fecha de corte en adelante, en lugar de confiar en la memoria de entrenamiento.
• Reducir la temperatura en tareas factuales.

La regla de oro de la práctica de Pierre: para una pregunta factual sobre el presente, buscar en la web supera a la memoria del modelo. Está escrito en su Frankenstein prompt.

Componer prompts complejos (casos reales)

Los prompts de producción reales apilan las técnicas anteriores en un orden estable. Un esqueleto que funciona para la mayoría de los casos serios:

1. ROL          -> "Eres un ..."
2. CONTEXTO     -> para que sirve el resultado, quien lo lee
3. DATOS        -> <document> ... </document> (etiquetas)
4. INSTRUCCIONES -> la tarea, paso a paso
5. EJEMPLOS     -> <example> entrada -> salida </example>
6. THINKING     -> "razona dentro de <analysis> primero"
7. FORMATO      -> estructura exacta de la salida
8. SALVAGUARDAS -> "si X falta, responder Desconocido"

No necesitas los 8 en cada ocasión. El consejo oficial de Anthropic: agregar una técnica avanzada solo cuando resuelve un problema concreto. El mejor prompt no es el más largo ni el más sofisticado, es el más claro para la tarea.

Método de trabajo: comenzar simple, observar qué falla, y agregar la técnica que repara ese fallo preciso. Iterar. Un prompt de producción se refina, no se adivina a la primera.

Pensamiento extendido vs cadena de pensamiento

Cuando le haces una pregunta difícil a Claude, puedes influir en cuánto razonamiento te muestra. Los dos modos principales son la cadena de pensamiento (CoT) y el pensamiento extendido.

La cadena de pensamiento consiste en pedirle a Claude que razone paso a paso dentro de su respuesta. Se activa con una instrucción simple: "Piensa paso a paso antes de responder." Claude escribe su razonamiento como texto visible y luego da la respuesta. Esto funciona en el chat de Claude.ai y en cualquier llamada a la API sin opciones especiales.

El pensamiento extendido es una función a nivel de modelo disponible en Opus y Sonnet. Cuando se activa, el modelo ejecuta un borrador interno (llamado bloque de pensamiento) antes de producir la respuesta final. Puedes ver un resumen de ese borrador. El pensamiento extendido consume más tokens (y cuesta más) pero aborda problemas donde una CoT superficial no es suficiente, como matemáticas de varios pasos, depuración de código o análisis jurídico.

• Cadena de pensamiento: la activas mediante un prompt, es gratuita, funciona en todos lados y el razonamiento forma parte de la respuesta.
• Pensamiento extendido (API): agrega thinking: { type: "enabled", budget_tokens: N } en la llamada a la API; solo disponible en claude-opus-4-8 y claude-sonnet-4-6.
• Pensamiento extendido (Claude.ai): activa el interruptor "Extended thinking" antes de enviar tu mensaje; no disponible en todos los planes.
• Cuándo usar CoT: explicaciones, planificación, esquemas de redacción, cualquier tarea cotidiana.
• Cuándo usar el pensamiento extendido: demostraciones, depuración compleja, estrategia con muchas compensaciones, en cualquier caso donde necesites que el modelo explore callejones sin salida en privado antes de comprometerse con una respuesta.

Obtener JSON limpio como salida

JSON (JavaScript Object Notation) es un formato de texto para datos estructurados: claves y valores, listas, objetos anidados. Muchas herramientas, aplicaciones y automatizaciones esperan JSON en lugar de texto plano. Claude puede producirlo de forma fiable si se lo solicitas con precisión.

Los tres controles son: el esquema explícito (indicar a Claude los campos y tipos exactos que deseas), el prefill (iniciar la respuesta de Claude por ti, obligándolo a continuar en ese formato), y la validación (verificar la salida antes de confiar en ella). Usar los tres en conjunto hace que la salida estructurada sea casi infalible.

Técnicas clave:

• Esquema en el prompt: pega o describe la estructura JSON exacta que necesitas, incluyendo nombres de campos, tipos de valores, y campos obligatorios u opcionales.
• Prefill: en la API, coloca {"role":"assistant","content":"{"} como último mensaje para que Claude deba continuar con JSON válido.
• Instrucción estricta: agrega "Output raw JSON only. No prose before or after. No markdown code fences." al prompt del sistema.
• Validación: parsea la salida con JSON.parse() o un validador de esquemas como Zod o Pydantic antes de usarla en pasos posteriores.

En el chat de Claude.ai no puedes usar el truco del prefill de la API, pero un esquema claro junto con la instrucción estricta funciona muy bien. Para automatización o uso en producción, la API con prefill es el camino más seguro.

Delimitadores más allá del XML

Las etiquetas XML como <context> son una forma de separar partes de un prompt, pero no son la única. Los delimitadores son cualquier marcador que usas para indicarle a Claude dónde termina una sección y dónde comienza la siguiente. Elegir el delimitador correcto hace que tu prompt sea más fácil de leer y reduce las posibilidades de malinterpretación.

Tres familias de delimitadores funcionan bien en la práctica:

• Encabezados Markdown (##, ###): ideales para etiquetar secciones con nombre como "Background", "Task" o "Constraints". Claude está entrenado con grandes cantidades de Markdown, por lo que los encabezados le resultan naturales.
• Bloques de código delimitados (triple acento grave): ideales cuando pegas código, JSON, CSV o cualquier texto que debe tratarse de forma literal y no interpretarse como instrucciones.
• Líneas de marcador explícitas como --- START OF CONTRACT --- y --- END OF CONTRACT ---: útiles cuando necesitas límites claros y legibles alrededor de un documento largo que insertas en el prompt.

El principio clave es la coherencia: elige un estilo de delimitador por rol (encabezados para secciones, bloques para datos sin formato, marcadores para documentos pegados) y úsalo a lo largo de todo el prompt. Mezclar estilos al azar confunde tanto a Claude como a ti.

Di lo que hay que hacer, no solo lo que hay que evitar

Cuando le dices a Claude lo que no debe hacer, dejas el espacio de acciones permitidas completamente abierto. Claude tiene que adivinar lo que realmente quieres, y a menudo se equivoca. Una instruccion positiva (decirle a Claude exactamente lo que debe hacer) le da un objetivo claro y produce resultados mucho mejores.

Piensa en ello como dar indicaciones para llegar a un lugar. "No vayas por el camino equivocado" no sirve de nada. "Gira a la izquierda en la calle Principal, luego a la derecha en la avenida de los Robles" es algo accionable. La misma logica aplica a los prompts.

Situaciones habituales donde las instrucciones positivas ganan:

• Tono: En lugar de "no seas demasiado formal", escribe "usa un tono amigable y conversacional".
• Extension: En lugar de "no escribas demasiado", escribe "limita tu respuesta a 100 palabras como maximo".
• Formato: En lugar de "no uses viñetas", escribe "redacta en prosa fluida, en un solo parrafo".
• Alcance: En lugar de "no te vayas por las ramas", escribe "concentrate unicamente en los precios y las opciones de pago".

Puedes seguir usando formulas negativas cuando una exclusion especifica realmente importa, por ejemplo "no incluyas ningun ejemplo de codigo". Pero comienza siempre por lo que quieres y agrega exclusiones solo para prevenir un error conocido.

El bucle de refinamiento

El bucle de refinamiento consiste en tratar una conversación como una serie de pequeñas correcciones de rumbo en lugar de una única solicitud perfecta. En vez de redactar un prompt largo y empezar de cero cuando el resultado no es el esperado, se envía un breve mensaje de seguimiento que apunta exactamente a lo que necesita cambiar.

Esto funciona porque Claude conserva la conversación completa en su ventana de contexto (la memoria de todo lo dicho hasta ese momento). Cada mensaje de seguimiento hereda todo el contexto anterior, por lo que solo es necesario describir el delta, el cambio específico deseado, sin repetir todo el encargo.

Los mensajes de corrección efectivos comparten algunas características:

• Identifica el problema con precisión: "El tercer párrafo es demasiado formal" es mejor que "reescríbelo."
• Indica la dirección: "Hazlo más corto" o "Agrega un ejemplo concreto aquí."
• Confirma lo que hay que conservar: "Deja la lista con puntos, cambia solo la introducción."
• Pide un solo cambio a la vez: acumular varias correcciones en un mismo mensaje arriesga que algunas se pierdan.

Cuando una conversación se desvía demasiado, está bien iniciar una nueva. Pero agota primero el bucle de refinamiento: la mayoría de los problemas están a una o dos correcciones precisas de un buen resultado.

Plantillas de prompts reutilizables

Una plantilla de prompt es un prompt con marcadores de posición con nombre que se reemplazan cada vez que se reutiliza. En lugar de reescribir la misma instrucción desde cero, se redacta una vez, se marcan las partes que cambian con una etiqueta como [TOPIC] o {{LANGUAGE}}, y se rellenan esos espacios cada vez que se necesitan.

Las plantillas ahorran tiempo y mantienen la calidad de forma consistente. Si elaboras un prompt que produce un excelente resultado, una plantilla fija esa calidad para que cada ejecución futura comience desde la misma base sólida. Son especialmente útiles para tareas que se repiten semanalmente, como resumir notas de reunión, traducir descripciones de productos o redactar respuestas a correos electrónicos.

Una buena plantilla tiene tres partes:

• Instrucciones fijas: el contexto y las reglas que nunca cambian (por ejemplo, "Eres un redactor de negocios conciso").
• Marcadores de posición: espacios claramente etiquetados para las partes variables, escritos entre corchetes o llaves para que se distingan visualmente.
• Formato de salida: indica a Claude exactamente cómo estructurar la respuesta (lista de puntos, pasos numerados, una tabla, etc.).

Puedes guardar las plantillas como archivos de texto, notas o incluso dentro de una columna de hoja de cálculo. Cuando necesites una, cópiala, rellena los espacios y pega el prompt completo en Claude.ai, Claude Code o cualquier otra interfaz.

Responder preguntas sobre un documento largo

Cuando le entrega a Claude un documento largo (un contrato, un informe, un manual), el orden de su mensaje importa. Coloque el documento primero y luego su pregunta. Claude lee de arriba hacia abajo, por lo que el contexto queda completamente cargado antes de procesar su solicitud. Enterrar el documento después de un largo preámbulo obliga a Claude a reinterpretar la pregunta sobre un texto que aún no ha leído.

Haga preguntas precisas. Instrucciones vagas como "resume esto" producen respuestas vagas. Preguntas concretas como "¿Cuál es el plazo de preaviso de rescisión en el artículo 12?" producen respuestas específicas y verificables. La precisión también facilita detectar una respuesta incorrecta.

Pida a Claude que cite antes de responder. Esta técnica (a veces llamada "citar y luego concluir") obliga al modelo a anclar su respuesta en el texto real en lugar de parafrasear de memoria. Si la cita no existe en el documento, eso es una señal de que la respuesta puede ser alucinada (inventada con falsa confianza).

• Pegue el documento al inicio de su mensaje.
• A continuación escriba una pregunta clara y concreta.
• Agregue la instrucción: "Cite primero la oración o las oraciones relevantes, luego responda."
• Verifique la cita en la fuente original antes de actuar según la respuesta.

Prompts en varios idiomas

Claude lee y escribe en mas de 50 idiomas sin ninguna configuracion previa. Puedes escribir tu prompt en frances, recibir la respuesta en aleman y luego cambiar al espanol a mitad de la conversacion. El modelo detecta tu idioma y lo refleja por defecto, por lo que la regla mas sencilla es: escribe en el idioma en el que quieres recibir la respuesta.

El verdadero reto no es la fluidez sino la coherencia terminologica: el mismo termino tecnico debe aparecer siempre de la misma forma. Si llamas a un producto "ponceuse orbitale" en un mensaje y "orbital sander" en el siguiente, Claude puede tratarlos como cosas distintas y producir un resultado inconsistente. Fija tu vocabulario desde el principio y repitelo exactamente.

Tres tecnicas te ayudan a mantener la coherencia entre idiomas:

• Bloque de glosario: comienza tu primer mensaje con una lista breve de terminos fijos, por ejemplo Glossaire: ponceuse orbitale = orbital sander = Orbitalschleifer, y luego haz referencia a esas etiquetas a lo largo de la conversacion.
• Instruccion de idioma: añade una instruccion explicita como Always answer in English, even if I write in French. Claude la sigue de manera fiable.
• Indicador de idioma en Claude Code: al usar el CLI (la herramienta de linea de comandos que usas en un terminal), puedes inicializar la sesion con un prompt de sistema mediante

  claude --system "Reply only in Spanish, keep all code comments in English."

  Esto separa el idioma humano del idioma del codigo.

Los proyectos multilingues, por ejemplo un equipo francofono que construye una base de codigo en ingles, son los que mas se benefician de esta ultima tecnica. Mantén el codigo y los comentarios en ingles (el estandar universal para el codigo fuente) mientras todas las explicaciones llegan en el idioma del equipo.

Resúmenes que conservan lo que importa

Existen dos formas fundamentalmente distintas de resumir un texto. El resumen extractivo toma frases o expresiones exactas del original y las une. El resumen abstractivo reformula las ideas con nuevas palabras, igual que lo haría una persona al explicar un documento a un colega. Claude realiza resumen abstractivo de forma predeterminada, lo que significa que puede condensar, reordenar y aclarar en lugar de simplemente copiar.

Sin indicaciones concretas, Claude elige por su cuenta la longitud y el enfoque. Un artículo breve puede dar lugar a tres frases; un documento jurídico extenso puede dar lugar a tres párrafos. Para mantener el control, debe ser explícito en dos aspectos: la longitud (número de palabras, de puntos o de frases) y el enfoque (qué temas, públicos o casos de uso tienen prioridad).

Parámetros de enfoque habituales que puede combinar en un mismo prompt:

• Público: "para un directivo no técnico" frente a "para un ingeniero que revisa la API"
• Formato de salida: "tres puntos de lista", "una sola frase", "un texto de la longitud de un tweet"
• Ángulo: "destacando solo los riesgos", "solo las acciones a tomar", "solo el impacto financiero"
• Regla de preservación: "conservar todos los números y fechas tal como aparecen" (ancla extractiva dentro de un resumen abstractivo)

Combinar anclas extractivas con prosa abstractiva es la técnica más fiable para resúmenes de alto impacto: Claude reescribe la narrativa pero cita cifras, nombres y fechas exactas para que ningún detalle sea reformulado por error.