Comunicación técnica con LLMs
Aprende a tratar el prompt como una interfaz técnica: define comportamiento con system prompts, da contexto útil, usa roles con criterio, guía el razonamiento, trabaja con ejemplos, encadena prompts, pide outputs estructurados, usa function calling, diseña contexto, diagnostica fallas, defiende contra prompt injection, mide mejoras con evals y cierra con una prompt library personal.
Tres semanas para que el prompt deje de ser un deseo y pase a ser una interfaz técnica. Progresión: Calibrar → Componer → Consolidar.
- Duración
- 3 semanas
- Formato
- 3 semanas · 15 lecciones · proyecto final integrado
- Prerrequisitos
- Ninguno. Literalmente cero.
- Stack
- OpenAI API (básico) · Claude · Playgrounds
Proyecto final
Prompt library personal con 20+ prompts probados y categorizados
Skills
- System prompts
- Razonamiento guiado
- Few-shot
- Role playing
- Structured output
- Prompt libraries
Este bloque es abierto y gratuito. Sigue las lecciones en orden y cierra con el proyecto final. (15/15)
Currículum
Tres semanas, 15 lecciones y un proyecto final integrado. Síguelas en orden: base, criterio, experimento real.
- Semana 01Calibrar
Dejar de improvisar
Entender que un prompt tiene componentes medibles y aprender a ajustarlos como una interfaz.
- 0001El prompt como interfazEntender que un prompt no es una pregunta sino una interfaz técnica con componentes medibles
- 0002System prompt: el contrato invisibleEscribir un system prompt que controle el comportamiento del modelo de forma predecible
- 0003Contexto, tarea y restricciones: la anatomía que resuelve el 80%Estructurar un prompt con la combinación correcta de tarea, contexto y restricciones
- 0004Role prompting sin humoDecidir cuándo un rol ayuda y cuándo estorba, basándose en evidencia y no en suposiciones
- 0005Enseñar con ejemplos: few-shot vs zero-shotDecidir cuándo un prompt necesita ejemplos y cuándo no, y escribir ejemplos que mejoren la consistencia del output
- Semana 02Componer
Diseñar flujos, outputs y contexto
Dejar de seguir templates y empezar a combinar técnicas: razonamiento, chaining, structured output y context engineering.
- 0006Hacer pensar al modelo: razonamiento guiadoAplicar razonamiento guiado cuando el proceso importa más que la respuesta directa
- 0007Dividir para conquistar: prompt chainingPartir una tarea compleja en una cadena de prompts donde cada uno toma el output del anterior
- 0008Dejar de parsear texto: structured outputPedirle al modelo que devuelva JSON válido y reproducible en vez de prosa
- 0009El modelo usa tus herramientas: function callingDefinir una herramienta y hacer que el modelo decida cuándo llamarla
- 0010Context engineering: qué entra, qué sobra, qué rompeSeleccionar contexto de forma estratégica para mejorar calidad sin saturar al modelo
- Semana 03Consolidar
Construir un sistema reutilizable
Diagnosticar fallas, defender contra prompt injection, medir con evals y construir una prompt library.
- 0011Prompts que pierden tu tiempo: anti-patronesIdentificar anti-patrones en prompts propios y ajenos, y corregirlos con restricciones específicas
- 0012Iterar sin empezar de cero: diagnóstico de promptsDiagnosticar dónde falla un prompt y hacer un solo cambio que lo mejore
- 0013Tu primer ataque: prompt injectionEntender cómo funciona prompt injection, intentar romper un prompt y agregar defensas básicas
- 0014¿Mejoró o no?: evals simplesMedir si un cambio de prompt mejoró el output usando un conjunto de pruebas y criterios objetivos
- 0015Tu prompt library: 20 prompts para tu próximo proyectoConstruir una biblioteca de prompts personal, categorizada, probada y lista para reutilizar
Recursos
Referencias curadas detrás de cada lección. Autoridad primero.
¿Listo para construir?
Deja tu email. Cero spam, solo un aviso cuando abra un nuevo bloque.
Deja tu email. Cero spam, solo un aviso cuando abra un nuevo bloque.