Borré 40 Prompts Guardados y Me Quedé con 4

Mi biblioteca de prompts había llegado a cuarenta y una entradas. Carpetas, etiquetas, una convención de nombres. La abrí la semana pasada y me di cuenta de que había usado seis en tres meses — y que cuatro de esos seis hacían todo el trabajo.

Borré los otros treinta y siete. Esto es lo que sobrevivió, y por qué los que murieron tenían que morir.

1. Entrevístame primero

Antes de hacer esto, hazme las tres preguntas que más necesitas que responda para hacerlo bien. Espera mis respuestas. No empieces.

Casi todos los malos resultados que recibo vienen de un prompt al que le faltaba algo que yo sabía y nunca dije. Este invierte la carga: en vez de adivinar yo qué contexto importa, el modelo me dice qué le falta. Las preguntas suelen ser obvias después y nunca antes.

2. Hazlo falsable

¿Qué tendría que ser cierto para que esta respuesta estuviera equivocada? Enumera los tres supuestos que asumiste y que yo no te di.

Un modelo produce encantado una respuesta segura construida sobre tres premisas inventadas. Esto lo obliga a mostrarlas. La mitad de las veces uno de los supuestos es falso y la respuesta entera se cae — algo que conviene saber antes de actuar, no después.

3. Fuerza lo específico

Reescribe eso con un número, un nombre o una fecha en cada afirmación. Si no tienes ninguno, escribe FALTA en vez de describirlo en términos generales.

La vaguedad es el modo de fallo por defecto, y se esconde bien: un texto sin datos concretos se lee suave y no dice nada. FALTA convierte huecos invisibles en una checklist.

4. Corta lo que ya sé

Corta esto a la mitad. Quita todo lo que un lector de mi área ya sabe. Deja las partes que cambiarían lo que hace el lunes.

El modelo escribe para un lector que no sabe nada, porque no sabe quién lee. Esto se lo dice. Lo que sobrevive al corte suele ser la única parte que importaba.

Por qué murieron los otros treinta y siete

Eran formulaciones, no jugadas. Doce variantes de "escribe un artículo sobre X" que solo diferían en los adjetivos. Ocho aperturas del tipo "actúa como experto sénior" que no cambiaban nada medible. Una docena de instrucciones de formato que ahora viven en un archivo de reglas en vez de reescribirse.

Un prompt merece guardarse cuando cambia lo que el modelo **hace**, no cómo suena. Entrevistarme, exponer supuestos, exigir concreción, cortar lo sabido — son cuatro jugadas distintas. Los treinta y siete que borré eran una jugada con treinta y siete disfraces.

La prueba

Abre tu biblioteca. Para cada entrada pregunta: si la quitara, ¿cambiaría el resultado de una forma que yo pudiera medir? No "se sentiría distinto" — medir. La mayoría suspenderá, y ese es el punto. Cuatro prompts que usas de verdad valen más que cuarenta que mantienes.

¿Quieres la versión tranquila de noticias de IA como esta, una vez por semana? Suscríbete a la newsletter de Sharp AI Hub →