Mejores prácticas de ingeniería rápidas
Trate las indicaciones como código: déles estructura, versionelas, evalúelas. A continuación se presentan seis prácticas que sobrevivieron a docenas de rutas de producción en Starsg, las que constantemente movieron la aguja, en el orden en que tienden a importar.
1. Establecer el rol y el objetivo
Las primeras una o dos líneas deben anclar la perspectiva del modelo: quién es, para quién escribe, cómo se ve el éxito. La densidad de términos, el tono y la elección de qué incluir se desprenden de ese ancla, mucho más barato que retirar el modelo más tarde diciendo "no demasiado detallado" o "no demasiado académico". Una apertura sólida responde a tres cosas: identidad, audiencia, objetivo.
Plantilla de establecimiento de roles
Eres un ingeniero de relaciones con desarrolladores. Público: ingenieros de backend que se sienten cómodos con las API HTTP pero nuevos en los LLM y los precios basados en tokens. Objetivo: en tres minutos, ayudar al lector a decidir si vale la pena integrar Starsg y decirle el siguiente paso. Utilice un tono sencillo pero profesional. Evite las tonterías de marketing.
2. Escribe la tarea explícitamente
«Escribir una propaganda de producto» entrega cada decisión al modelo: cada ejecución es una suposición. Una instrucción reutilizable tiene al menos cinco elementos: acción (escribir/resumir/traducir), objeto (qué), audiencia (para quién), tono/estilo y longitud o forma. Explíquelos y su estabilidad de producción saltará un nivel inmediatamente.
❌ Demasiado vago
Escríbame una propaganda del producto.
✅ Los cinco elementos
En palabras ~200, para los ingenieros de backend, introduzca tres diferenciadores de Starsg (puerta de enlace unificada, facturación por clave, respaldo multimodelo). Tono: profesional y comedido. Evite palabras como «empoderar» o «próxima generación». Termine con un llamado a la acción concreto.
3. Proporcionar contexto y ejemplos (pocas tomas)
Cuanto más abstracto sea el requisito, más ejemplos se mantendrán. De uno a tres pares «entrada → salida esperada» equivalen a diez líneas de explicación. Few-shot es especialmente decisivo cuando el formato es fijo (clasificación, extracción, JSON), cuando el estilo es difícil de describir con palabras o cuando el dominio tiene sus propias convenciones (legales, médicos, sistemas internos). Haga que los ejemplos cubran la distribución real, no sólo los casos fáciles.
Ejemplo de extracción de pocos disparos
Del texto del ticket de soporte a continuación, extraiga tres campos: «type / scope / severity». Salida JSON únicamente.
Ejemplo 1:
Entrada: Los usuarios informan de fallos de inicio de sesión en toda la región de Guangzhou; El soporte telefónico está sobrecargado.
Salida: {"type":"login","scope":"Guangzhou region","severity":"P1"}
Ejemplo 2:
Entrada: Una cuenta de prueba muestra un saldo incorrecto; sólo el control de calidad interno se ve afectado.
Salida: {"type":"account","scope":"internal QA","severity":"P3"}
Ahora procesa:
Entrada: La puerta de enlace Beijing API devuelve 502; todos los usuarios pagos se ven afectados.4. Restringir el formato de salida
Todo lo que consume un sistema posterior debe ser analizable. ¿JSON? Proporcione un esquema y notas de campo. ¿Lista? Fija el recuento y la forma por artículo. ¿Longitud de la tapa? Dilo. Agregue una cláusula como "si falta el campo, configúrelo como nulo, no invente" y reducirá considerablemente las alucinaciones.
Restricción de salida JSON
Convierta el currículum a continuación a JSON, coincidiendo estrictamente con este esquema:
{
"name": string,
"yearsOfExperience": number,
"skills": string[], // at most 5, lowercase
"summary": string // <= 60 words
}
Si la fuente no menciona un campo, configúrelo como nulo; no invente. Salida JSON únicamente, sin texto circundante.5. Descomponer tareas complejas (con cadena de pensamiento)
Pedirle a un modelo que «analice + planifique + produzca» de una sola vez generalmente pierde detalles o trata el razonamiento como la respuesta final. Dos opciones: dejar que piense paso a paso internamente o dividir el trabajo en varios turnos usted mismo. Para los flujos de trabajo auditables preferimos lo último: conserve todos los pasos intermedios para que luego pueda identificar qué paso falló.
Plantilla paso a paso
Te daré una especificación del producto. Proceselo en tres pasos y separe cada uno con un encabezado ##: ##1. Información clave Lista de viñetas: usuario objetivo, escenario principal, características imprescindibles, cosas explícitamente fuera de alcance. ##2. Riesgos y puntos poco claros Enumere cualquier cosa ambigua o contradictoria en la especificación, una oración cada una. ##3. Próximos pasos Proporcione al primer ministro tres próximas acciones concretas y ejecutables, ordenadas por prioridad. Especificaciones: <<< >>>
6. Iterar y evaluar
Las buenas indicaciones no se escriben, se repiten. Cree un conjunto de evaluación fijo (casos 20 – 50 que cubren normal + borde + adversario). Ejecútelo en cada cambio de solicitud y registre la tasa de aciertos, la duración promedio y el costo del token. Versione sus indicaciones como código: cada cambio tiene un motivo y una línea de base de regresión, no "se siente mejor esta vez".
- Conjunto de datos fijo que cubre casos normales, extremos y contradictorios.
- Cambie una variable por iteración (instrucción, recuento de ejemplos, restricción de formato); de lo contrario, la atribución es confusa.
- Realice un seguimiento de la tasa de aciertos, los tokens promedio y los modos de falla por versión en una sola hoja.
- Pruebe en todos los modelos: el mismo mensaje a menudo se comporta de manera muy diferente en Claude / GPT / Gemini.