Generador de Prompts de IA: la guía completa (2026)

Un generador de prompts es una herramienta que convierte las piezas de una buena petición en un prompt completo. Al terminar esta guía sabrás armar en minutos un prompt que el asistente siga al pie de la letra, y qué campo tocar cuando la respuesta no sea la que esperabas. Escribes quién debe ser el modelo, qué quieres, qué necesita saber, quién leerá la respuesta, qué forma debe tener y qué no debe hacer; el generador ordena esas piezas en secciones rotuladas que un asistente de IA sabe seguir. Parece poca cosa. En la práctica elimina la principal causa de las respuestas decepcionantes, que no es escribir mal, sino dejar al modelo adivinando información que nunca le diste.

Esta guía explica de qué está hecho un prompt estructurado, qué dice de verdad la guía publicada por OpenAI, Anthropic, Google y Microsoft sobre cada parte, qué encontró la investigación sobre los ejemplos y el razonamiento paso a paso, y cómo usar el Generador de Prompts de IA para producir prompts que puedas reutilizar. Cada afirmación sobre la guía de un proveedor remite a una página que puedes leer por tu cuenta en las fuentes del final.

Qué es un generador de prompts, y qué no es

Dos herramientas distintas comparten el nombre. La primera le pide a un modelo de lenguaje que escriba o «mejore» un prompt por ti; Anthropic, por ejemplo, incluye un generador de prompts entre las herramientas de la documentación de su plataforma. La segunda funciona con plantillas: nunca llama a un modelo, sino que ordena tus propias palabras en una estructura probada. El generador de TextKit es del segundo tipo, y esa decisión tiene consecuencias que conviene conocer. Un constructor con plantillas es gratuito, privado y determinista: los mismos campos producen el mismo prompt cada vez, nada se sube y conservas cada palabra. Tampoco puede juzgar tu tarea, inventar el contexto que no le diste ni decirte que tu idea es mala. Te da estructura y completitud; la sustancia sigue siendo tuya.

La estructura importa más que antes. La guía de OpenAI para escribir prompts con GPT-4.1 explica que el modelo está entrenado para seguir las instrucciones de forma más estricta y literal que sus predecesores, que tendían a inferir la intención con más libertad, y que una sola oración firme suele bastar para corregir su comportamiento. Un modelo que te lee al pie de la letra premia el prompt que dice exactamente lo que quieres, sección por sección, y castiga el que deja implícito lo importante.

La anatomía de un buen prompt

Los nueve campos del generador no son arbitrarios. Corresponden a las secciones a las que vuelven una y otra vez las guías de los grandes proveedores y sus estructuras de referencia. Esto es lo que hace cada uno y cómo completarlo.

Rol

El rol le dice al modelo quién ser: un editor técnico sénior, un analista de datos escéptico, el asistente de soporte de un producto concreto. La documentación de Anthropic trata el prompt del sistema como el lugar para darle un rol a Claude y describe esa técnica como una forma de moldear el tono, el enfoque y la especialidad del modelo. Con una línea alcanza. Evita apilar roles («un abogado, un publicista y un poeta»): el modelo los promedia hasta convertirlos en nadie.

Tarea

La tarea es lo único que quieres, formulada como resultado y no como actividad. «Produce una tabla comparativa de cinco filas entre X e Y con una recomendación» le dice al modelo cuándo ha terminado; «ayúdame a comparar X e Y», no. Es el único campo que el generador trata como obligatorio, porque todo lo demás lo afina.

Contexto

El contexto es lo que el modelo no puede saber: el texto fuente, lo que ya se intentó, dónde se usará el resultado, las condiciones de tu situación. Es el campo que más gente se salta y el que con más frecuencia separa una respuesta genérica de la tuya. Pega aquí el material en lugar de describirlo; el modelo trabaja mejor con la cosa misma.

Público

Declarar al lector fija el nivel de explicación, el vocabulario que hay que definir y los supuestos que el modelo puede hacer. Por defecto, los modelos escriben para nadie en particular. Incluso «usuarios nuevos sin formación técnica» cambia la respuesta.

Tono y estilo

El tono es barato de especificar y caro de corregir después. El generador ofrece siete ajustes, de neutro a ligero. Elige uno; si necesitas un estilo de casa, pon una muestra en Ejemplos en lugar de describirlo con adjetivos.

Formato de salida

La guía de ingeniería de prompts de Microsoft nombra entre sus técnicas fiables especificar la estructura de la salida y «cebar» la respuesta, y la guía de Google para Gemini dedica una sección al formato de respuesta. Listas con viñetas, pasos numerados, una tabla Markdown, solo JSON, un único bloque de código, un correo con asunto: nombra la forma y la obtendrás. Para todo lo que vaya a procesar un programa, pide solo JSON, sin texto antes ni después.

Extensión

Cada modelo tiene una longitud propia por defecto. Declarar la tuya, de una oración a unas 1500 palabras, elimina una adivinanza y una pregunta de seguimiento.

Restricciones

Las restricciones son reglas: «menos de 150 palabras», «conserva cada cifra tal cual», «sin jerga», «no menciones precios». Las restricciones negativas evitan los fallos más comunes; las de alcance impiden que el modelo responda a una pregunta vecina. El generador les da su propia sección y cierra el prompt recordando que las restricciones mandan, por una razón que se explica más abajo.

Ejemplos

Los ejemplos muestran lo que los adjetivos no pueden. La guía de Google para Gemini es tajante: los prompts sin ejemplos (few-shot, «con pocos ejemplos») tienden a ser menos eficaces, y si los ejemplos son suficientemente claros puedes quitar las instrucciones del prompt. La guía de OpenAI describe el aprendizaje con pocos ejemplos como incluir un puñado de pares entrada/salida para que el modelo capte el patrón, y recomienda mostrar una variedad de entradas posibles con la salida deseada. Uno o dos buenos ejemplos suelen valer más que un párrafo de descripción.

Una estructura de referencia de la propia guía de OpenAI

La guía de OpenAI para GPT-4.1 ofrece una estructura de partida para los prompts e invita a añadir o quitar secciones según haga falta. Sus encabezados son Rol y objetivo; Instrucciones, con subapartados para el detalle; Pasos de razonamiento; Formato de salida; Ejemplos; Contexto; y una instrucción final que repite la tarea y pide pensar paso a paso. La salida en Markdown del generador sigue esa forma casi punto por punto: Rol, Tarea, Contexto, Público, Tono y estilo, Formato de salida con Extensión, Restricciones, Ejemplos, Proceso y una línea de cierre. Los encabezados son Markdown simple con #, que la guía también trata, junto con las etiquetas XML, como una forma de delimitar secciones. Si vas a pegar en un campo que muestra los símbolos de Markdown tal cual, el modo de texto plano conserva las mismas secciones como rótulos en mayúsculas.

Ejemplos few-shot: lo que encontró la investigación

La idea de que un modelo puede aprender una tarea a partir de unos pocos ejemplos dentro del prompt, sin volver a entrenarlo, se popularizó con el artículo de Brown y colaboradores sobre GPT-3, de 2020. Mostraron que escalar un modelo de lenguaje hasta 175 000 millones de parámetros mejoraba mucho su rendimiento con pocos ejemplos en tareas para las que no había sido ajustado, a veces hasta competir con enfoques afinados con miles de ejemplos. Todas las guías de proveedores posteriores se apoyan en ese hallazgo, y el campo Ejemplos del generador existe para aprovecharlo sin esfuerzo. Dos notas prácticas: los ejemplos se pagan en cada llamada cuando viven en un prompt del sistema, así que mantenlos breves, y deben cubrir el rango de entradas que esperas, no solo el caso fácil.

Cadena de pensamiento, y cuándo pedirla

«Piensa paso a paso» es la frase más copiada del mundo de los prompts, y tiene origen. En 2022, Wei y colaboradores demostraron que darle a un modelo grande unas pocas demostraciones con pasos de razonamiento intermedios, lo que llamaron cadena de pensamiento, mejoraba su rendimiento en tareas de razonamiento aritmético, de sentido común y simbólico; con solo ocho de esas demostraciones, un modelo de 540 000 millones de parámetros alcanzó la mejor precisión registrada en GSM8K, un banco de pruebas de problemas matemáticos enunciados con palabras. La guía de Microsoft describe la misma técnica para sus modelos. La opción Razonar paso a paso del generador añade la instrucción a la sección Proceso.

Úsala con criterio. Ayuda sobre todo en tareas con una respuesta correcta que exige varios pasos: análisis, código, cálculos. Añade tokens y tiempo a las que no la exigen, como una reescritura o una lista de nombres. Y los modelos de razonamiento más recientes ya deliberan por dentro; OpenAI publica buenas prácticas separadas para ellos, y conviene leerlas antes de pedirle a uno de esos modelos que razone paso a paso, porque los consejos difieren de los que valen para los modelos generales.

Prompts del sistema, mensajes de desarrollador y prompts de usuario

Un prompt de usuario es un turno de la conversación. Un prompt del sistema es una guía permanente para toda la conversación o el producto: quién es el asistente, qué debe hacer siempre y qué nunca, cómo da formato a sus respuestas. La documentación de OpenAI describe los roles de los mensajes, entre ellos el mensaje de desarrollador que lleva este tipo de instrucciones; la API de Gemini lo llama instrucciones del sistema; la guía de Microsoft habla del mensaje del sistema; y la página de Anthropic sobre prompts del sistema es donde recomienda darle un rol a Claude. Cambian las palabras, no el trabajo.

El ajuste Prompt del sistema del generador reorganiza la salida para ese trabajo. Abre con una sección de Identidad construida a partir del rol y el contexto, sigue con Instrucciones (tu tarea, escrita como deberes permanentes), Público, Tono, Formato de salida, una lista unificada de Restricciones que incorpora las reglas de proceso, y Ejemplos de buenos intercambios. El ejemplo de ese ajuste es un prompt completo para un asistente de soporte que puedes leer como modelo. Pega el resultado en el campo de sistema o de desarrollador de una llamada a la API, de un GPT personalizado o de un proyecto de Claude, no en la caja del chat.

Formato y extensión: conseguir la forma que pediste

Dos técnicas de la guía de Microsoft merecen conocerse aunque nunca uses el generador. La primera es la sintaxis clara: separadores, encabezados de sección y rótulos coherentes ayudan al modelo a distinguir las instrucciones del material, y los mismos marcadores pueden servir como condición de parada. La segunda es cebar la salida: terminar el prompt con las primeras palabras de la respuesta que quieres, como el inicio de una lista con viñetas, empuja al modelo hacia esa forma. El generador aplica la primera técnica por construcción. Para la segunda, añade al final del campo Ejemplos la línea de apertura que quieres.

Sobre la extensión, una nota más. Los modelos aprenden de textos que en su mayoría terminan cuando están terminados, así que «lo que haga falta» es una instrucción legítima, y el generador la ofrece. Pero cuando el destino tiene un límite duro (un formulario, una meta descripción, un SMS), escribe el límite en Restricciones y comprueba el resultado con el Contador de Caracteres.

Restricciones que funcionan, y la última línea del prompt

Las buenas restricciones son concretas, verificables y pocas. «No uses rayas» se puede verificar; «escribe bien», no. «Conserva cada cifra exactamente como aparece en la fuente» evita un fallo real; «sé preciso» no evita nada. Escribe entre tres y seis en el campo Restricciones, una por línea, y deja que el generador las convierta en lista. La regla de honestidad que ofrece el generador, «decir cuando no esté seguro, nunca inventar datos ni fuentes», debería ir en casi todo prompt factual; no vuelve veraz al modelo, pero le da permiso para detenerse en lugar de rellenar un hueco.

El generador termina cada prompt de varias secciones con una línea que recuerda que rigen todas las secciones anteriores y que, si chocan, las restricciones mandan sobre la tarea. No es una ceremonia. La guía de Microsoft observa que los modelos pueden presentar sesgo de recencia, es decir, que la información al final del prompt puede pesar más que la del comienzo, y sugiere repetir las instrucciones al final y medir el efecto. Un recordatorio de cierre es la forma más barata de aprovecharlo.

Presupuesto de tokens: por qué el generador cuenta

Cada campo alarga el prompt, y la longitud del prompt se paga dos veces: contra la ventana de contexto del modelo y en la factura. Los precios se cotizan por token, y un prompt del sistema o un conjunto de ejemplos se envía en cada llamada, así que sus tokens se repiten. El generador muestra un conteo exacto para la codificación o200k que usan GPT-5, GPT-4.1 y GPT-4o, calculado en tu equipo con el mismo tokenizador del Contador de Tokens. Claude y Gemini tokenizan de otra manera, así que para ellos toma el número como una estimación cercana. Cuando un prompt supera unos cientos de tokens, el peso suele estar en Contexto y Ejemplos. OpenAI documenta además el almacenamiento en caché de prompts, que abarata un prefijo largo y estable como un prompt del sistema; una estructura fija con el material variable al final es justo lo que esa caché premia, y es lo que produce el generador.

Prompts de imagen: otra gramática

Los modelos de imagen leen una descripción, no un encargo. Rol, público y formato de salida les dicen poco; el sujeto, el estilo, la composición, la iluminación y lo que no quieres lo dicen todo. Por eso el ajuste Prompt de imagen deja vacíos Rol y Formato y coloca la escena en Contexto: qué hay en el encuadre, el estilo (vector plano, óleo, fotografía), la composición y la relación de aspecto, la iluminación y el ánimo. Las Restricciones llevan lo negativo: sin texto en la imagen, sin rostros, sin fotorrealismo. Cada generador de imágenes acepta una sintaxis distinta para la relación de aspecto y para lo negativo, así que revisa la documentación del que uses antes de pegar.

El problema del vocabulario, y por qué ayuda una estructura

El arte de escribir prompts ha crecido más rápido que su vocabulario. Un estudio sistemático de 2024, The Prompt Report, de Schulhoff y colaboradores, reunió una taxonomía de 58 técnicas de prompting para texto y otras 40 para otras modalidades, junto con un vocabulario de 33 términos, precisamente porque el campo sufría de terminología contradictoria y de una comprensión fragmentada de lo que hace eficaz a un prompt. No necesitas 58 técnicas. Necesitas el puñado que se repite en la guía de todos los proveedores: un rol y una tarea claros, contexto real, público y formato declarados, restricciones explícitas, uno o dos ejemplos y razonamiento paso a paso cuando la tarea lo pide. Un generador que pone cada una de esas cosas en su propia sección rotulada es una manera de no olvidar ninguna.

Un flujo de trabajo repetible

1. Elige un ajuste en el Generador de Prompts de IA y pulsa Ejemplo una vez para ver un prompt completo de ese tipo. Después pulsa Borrar.
2. Escribe la tarea como resultado, en una o dos oraciones. Si no puedes, la tarea tampoco está clara para ti todavía.
3. Pega el contexto en lugar de describirlo, y nombra al público aunque parezca obvio.
4. Elige formato y extensión, y añade entre tres y seis restricciones verificables, una por línea.
5. Añade un ejemplo real del resultado que quieres. Borra los adjetivos que ese ejemplo vuelva redundantes.
6. Lee el conteo de tokens. Si te sorprende, recorta primero Contexto y Ejemplos.
7. Copia, ejecuta, compara. Cambia un campo a la vez y vuelve a ejecutar. Cuando un prompt funcione, guárdalo como plantilla con espacios en blanco en la biblioteca de Plantillas de Prompts para que el siguiente uso tome segundos.

La respuesta que recibas llegará en Markdown, con asteriscos, encabezados y alguna raya. Cuando tenga que ir a un correo, a un formulario o a un documento, el Limpiador de Texto IA le quita el formato sin tocar las palabras.

Herramientas relacionadas para el mismo trabajo

El generador construye un prompt desde cero. La biblioteca de Plantillas de Prompts de IA guarda prompts reutilizables con espacios en blanco para las tareas que repites. El Contador de Tokens calcula el costo de un prompt en distintos modelos y lo compara con una ventana de contexto. Resumir Texto acorta el material que vas a pegar en Contexto, y el Limpiador de Texto IA ordena lo que el asistente te devuelve.