Cargando
Cargando

Cuando trabajas con Claude, una de las formas más efectivas de mejorar tus resultados es ser específico sobre lo que quieres. En lugar de dejar todo a la interpretación del modelo, puedes proporcionar pautas claras o pasos que orienten a Claude hacia el tipo de salida que estás buscando.

Piénsalo así: si le pides a Claude que "escriba un relato corto sobre un personaje que descubre un talento oculto", Claude podría ir en innumerables direcciones. El relato podría tener 200 palabras o 2.000 palabras. Podría tener un personaje o cinco. Podría centrarse en la comedia o en el drama. Sin orientación, estás jugando a los dados con lo que vas a obtener.

La misma indicación de relato corto etiquetada como "No muy buena" junto a una versión "¡Mejor!" que agrega tres pautas numeradas.

Dos tipos de pautas

Hay dos enfoques principales para ser específico en tus indicaciones, y a menudo los verás usados juntos en aplicaciones profesionales.

Pautas de calidad

El primer tipo se centra en enumerar las cualidades que debería tener tu salida. Estas pautas controlan atributos como:

  • Restricciones de longitud (mantener menos de 1.000 palabras)
  • Requisitos estructurales (incluir una acción clara que revele el talento del personaje)
  • Especificaciones de contenido (incluir al menos un personaje secundario)

Pasos del proceso

El segundo tipo proporciona pasos específicos para que el modelo los siga. Este enfoque hace que Claude piense en diferentes opciones y consideraciones antes de generar la respuesta final. Por ejemplo:

  1. Generar 3 ideas de talentos que crearían tensión dramática
  2. Elegir el talento más interesante
  3. Esbozar una escena clave que revele el talento
  4. Generar 3 tipos de personajes secundarios que podrían aumentar el impacto de este descubrimiento

La misma indicación de relato corto dos veces, una vez con una lista de cualidades que debería tener la salida y otra vez con cuatro pasos a seguir.

Resultados en el mundo real

El impacto de ser específico puede ser dramático. Al probar una indicación de planificación de comidas, agregar pautas mejoró la puntuación de evaluación de 3,92 a 7,86, más que duplicando la calidad de la salida. Así es como se veía esto en la práctica:

Generate a one-day meal plan for an athlete that meets their dietary restrictions.

- Height: {prompt_inputs["height"]}
- Weight: {prompt_inputs["weight"]}
- Goal: {prompt_inputs["goal"]}
- Dietary restrictions: {prompt_inputs["restrictions"]}

Guidelines:
1. Include accurate daily calorie amount
2. Show protein, fat, and carb amounts
3. Specify when to eat each meal
4. Use only foods that fit restrictions
5. List all portion sizes in grams
6. Keep budget-friendly if mentioned

Cuándo usar cada enfoque

Las pautas de calidad funcionan bien para casi cualquier indicación que escribas. Son tu base para garantizar una salida consistente y útil.

Los pasos del proceso son particularmente valiosos cuando estás lidiando con:

  • Resolución de problemas complejos
  • Escenarios de toma de decisiones
  • Tareas de pensamiento crítico
  • Situaciones en las que quieres que Claude considere múltiples perspectivas

Por ejemplo, si le estás pidiendo a Claude que analice por qué el rendimiento de un equipo de ventas cayó un 30% el último trimestre, podrías querer forzarlo a considerar las condiciones del mercado, el rendimiento individual, los cambios organizacionales y los comentarios de los clientes, áreas que podría no explorar de forma natural sin una orientación específica.

Un ejemplo de indicación que solicita un informe de decisión de una página sobre la caída del 30% de un equipo de ventas, con cinco pasos numerados a seguir.

La clave es reconocer que Claude, como cualquier herramienta, funciona mejor cuando le das instrucciones claras sobre qué quieres y cómo lograrlo. Ser específico no se trata de microgestionar la IA, sino de crear las condiciones para el éxito.