Prompteo

Esta guía presenta las técnicas fundamentales para optimizar las interacciones con modelos de lenguaje, asegurando respuestas precisas y efectivas.

Técnicas principales

1. Prompteo Zero-shot

Consiste en realizar solicitudes directas al modelo sin proporcionar ejemplos previos.

Estructura básica:

{
    "model": "Saptiva Legacy",
    "max_tokens": 256,
    "message": [
        {
          "role": "system",
          "content": "Actúa como un asistente experto en clasificación de documentos"
        },
        {
          "role": "user",
          "content": "Clasifica este documento como legal, técnico o comercial: [contenido del documento]"
        }
    ]
}

1. Prompteo One-shot

Incorpora uno o varios ejemplos para guiar al modelo hacia el formato o estilo de respuesta deseado.

Estructura recomendada:

{
    "model": "Saptiva Legacy",
    "max_tokens": 256,
    "message": [
        {
          "role": "system",
          "content": "Eres un asistente especializado en análisis de sentimiento"
        },
        {
          "role": "user",
          "content": "Analiza el sentimiento de este texto: 'El producto superó mis expectativas'"
        },
        {
          "role": "assistant",
          "content": "Sentimiento: POSITIVO - El texto expresa satisfacción y supera las expectativas del usuario."
        },
        {
          "role": "user",
          "content": "Analiza el sentimiento de este texto: 'El servicio fue terrible'"
        },
    ]
}

1. Chain of Thought (Cot)

Técnica que solicita al modelo razonar paso a paso, mejorando la precisión en tareas complejas.

Implementación:

• Incluir "Pensemos paso a paso" en el prompt

• Solicitar explicaciones intermedias

• Pedir verificación de resultados

{
    "model": "Saptiva Legacy",
    "max_tokens": 256,
    "message": [
        {
          "role": "system",
          "content": "Eres un asistente que resuelve problemas matemáticos paso a paso"
        },
        {
          "role": "user",
          "content": "Resuelve paso a paso: Si tengo 120 manzanas y doy 3/4 partes, ¿cuántas me quedan?"
        }
    ]
}

1. ReAct (razonamiento y acción)

Combina razonamiento con acciones específicas para resolver tareas complejas.

Componentes:

1. Pensamiento: Análisis de la situación

2. Acción: Ejecución de pasos específicos

3. Observación: Evaluación de resultados

{
    "model": "Saptiva Legacy",
    "max_tokens": 256,
    "message": [
        {
          "role": "system",
          "content": "Eres un asistente que analiza problemas y propone acciones siguiendo estos pasos: 1) Pensamiento, 2) Acción, 3) Observación"
        },
        {
          "role": "user",
          "content": "¿Cómo puedo mejorar el rendimiento de mi tienda online?"
        },
        {
          "role": "assistant",
          "content": "Pensamiento: Analicemos los aspectos clave de una tienda online.\nAcción: Revisar las métricas de velocidad de carga.\nObservación: La velocidad afecta directamente la tasa de conversión.\nAcción: Examinar el diseño responsive.\nObservación: El 60% de usuarios acceden desde móviles.""
        },
        {
          "role": "user",
          "content": "¿Cómo puedo reducir el abandono de carritos en mi tienda?"
        },
    ]
}

¿Cómo hacer preguntas más efectivas?

Peor	Mejor
¿Cómo sumo números en Excel?	¿Cómo puedo sumar automáticamente una fila de montos en dólares en Excel? Quiero hacerlo para toda la hoja, con todos los totales apareciendo en la columna de la derecha llamada "Total".
¿Quién es el presidente?	¿Quién fue el presidente de México en 2021 y con qué frecuencia se celebran las elecciones?
Resume las notas de la reunión.	Resume las notas de la reunión en un solo párrafo. Luego, elabora una lista en formato Markdown con los oradores y sus puntos clave. Finalmente, enumera los próximos pasos o acciones sugeridas por los oradores, si las hay.
Escribe código para calcular la secuencia de Fibonacci.	Escribe una función en TypeScript para calcular eficientemente la secuencia de Fibonacci. Comenta el código detalladamente para explicar qué hace cada parte y por qué está escrita de esa manera.

Mejora con Prompt Engineering

El prompt engineering es una técnica esencial para optimizar el rendimiento de modelos de lenguaje. Aquí te presentamos algunos consejos para mejorar tus resultados:

1. Claridad en la Instrucción: Define claramente el objetivo del modelo. Evita ambigüedades para asegurar que el modelo interprete correctamente tu solicitud.

2. Contextualización: Proporciona contexto relevante. Contextualizar ayuda al modelo a entender mejor la tarea y producir resultados más precisos.

3. Ejemplos Específicos: Incluir ejemplos específicos en tus prompts puede guiar al modelo hacia el tipo de respuesta deseada, mejorando la precisión.

4. Iteración y Prueba: Prueba diferentes versiones de prompts y analiza los resultados. Iterar te ayudará a afinar tu enfoque y a descubrir qué formulaciones funcionan mejor.

5. Modularidad: Descompón tareas complejas en prompts más simples y separados. Esto facilita la navegación por tareas complejas y mejora el enfoque del modelo.

Implementando estas estrategias, puedes maximizar el potencial de los modelos de IA y obtener respuestas óptimas a tus consultas.