Cuando la mayoría de personas descubre los LLMs, su primer instinto es escribir “actúa como un experto en X”. Es un comienzo, pero hay un universo de técnicas más efectivas que prácticamente nadie aplica. Las uso a diario y han cambiado completamente cómo trabajo.
El problema con los prompts genéricos
Un prompt vago produce una respuesta vaga. La IA no adivina: interpola a partir de tu input. Si tu input es ambiguo, el output también lo será. El primer paso es entender que el modelo hace exactamente lo que le pides, y el problema casi siempre es que no le pides lo correcto.
Técnica 1: Chain-of-Thought explícito
En lugar de pedir el resultado final, pide el proceso:
Analiza este componente React. Primero identifica todos los problemas de
rendimiento, luego priorízalos por impacto, y finalmente propón soluciones
para cada uno empezando por las de mayor ROI.El modelo “piensa” mejor cuando le dices cómo pensar. La diferencia en calidad de respuesta es del 40-60% en tareas técnicas complejas.
Técnica 2: Few-shot con ejemplos de tu estilo
¿Quieres que genere código con tu convención de nombres? Dáselo explícitamente:
Genera un custom hook de React. Mis convenciones:
- Prefijo "use" + CamelCase
- Tipos explícitos en TypeScript (nunca `any`)
- Siempre retorno nombrado como objeto, nunca array
- Comentarios en español
Ejemplo de mi estilo:
[pega aquí un hook tuyo real]
Ahora genera un hook para manejar paginación infinita.Técnica 3: Persona + restricciones + formato
La fórmula que uso para revisiones de código:
Eres un senior developer con 10 años en Angular/TypeScript.
Tu trabajo es revisar código de forma directa y sin rodeos.
RESTRICCIONES:
- No expliques lo que el código hace bien, solo los problemas
- Ordena por severidad: crítico > mayor > menor
- Para cada problema: describe el riesgo concreto, no la teoría
FORMATO DE RESPUESTA:
## [SEVERIDAD] Nombre del problema
Riesgo: ...
Fix: [código corregido]Técnica 4: Roleplaying adversarial
Para revisar arquitecturas o decisiones técnicas, le pido que me ataque:
Acabo de proponer esta arquitectura a mi equipo [descripción].
Eres el developer más escéptico del equipo. Encuentra todos los
argumentos en contra. Sé específico con escenarios reales donde esto falla.Las objeciones que genera suelen ser las mismas que recibirás en tu próxima code review. Anticiparlas es invaluable.
El meta-prompt
Mi favorito para tareas complejas: antes de resolver, pídele que mejore tu prompt:
Tengo esta tarea: [descripción vaga].
Antes de responder, reescribe mi solicitud de forma más precisa
y completa para que obtenga la mejor respuesta posible.
Luego responde usando tu versión mejorada.La diferencia en calidad es consistentemente notable.
Lo que aprendí en tres meses de uso intensivo
La IA no reemplaza el pensamiento crítico. Lo amplifica. Un desarrollador que sabe hacer las preguntas correctas a un LLM es órdenes de magnitud más productivo que uno que no sabe. La inversión en aprender prompt engineering tiene un ROI brutal.