Curso 09 · Unidad 1

Instrucción como especificación

4 hrs · Prompt Engineering y Sistemas Multiagentes — UAI

Tesis de la sesión

Escribir un prompt es especificar

El lenguaje natural no tiene semántica precisa.
El destinatario no es determinista.
El prompt es una capa: el contexto de inferencia también incluye tools, retrieval e historial.
La disciplina viene del método, no de la herramienta.

Al finalizar

Resultados de aprendizaje

Estructurar rol, contexto, tarea, restricciones y formato.
Seleccionar y ordenar ejemplos few-shot con criterio.
Especificar salida estructurada validable.
Diseñar vía de abstención explícita.
Detectar errores característicos de especificación.

Bloque 1 · 60 min

Componentes

Anatomía de un prompt

Rol — quién es el modelo para esta tarea.
Contexto — qué necesita saber (mínimo útil).
Tarea — qué debe producir.
Restricciones — qué no debe hacer / límites.
Formato — cómo se entrega la respuesta.
Ejemplos — few-shot cuando aportan señal.

Ilustración

Seis capas de la especificación

La tarea es el núcleo; el resto acota semántica, riesgo y parseo.

Marco

Prompt ⊂ contexto de inferencia

Escribir el prompt es necesario; curar qué entra al contexto cada turno es el siguiente oficio.

Transfer

Bloat → compaction

Misma señal (folio), menos tokens, PII enmascarada — capa de presentación UAI sobre el patrón CS329Z/Anthropic.

Definiciones

Ingeniería de contexto

Context engineering — curar qué entra a la ventana cada turno (prompt, tools, retrieval, historial, memoria); el prompt es una capa.
MCP — Model Context Protocol: interfaz estándar para exponer tools/recursos al modelo sin acoplar el prompt a un vendor.
Bloat de contexto — información irrelevante que diluye la tarea (Anthropic / CS329Z: focus + continuity).
Compaction — resumir o enmascarar historial/tool output para preservar señal y caché.

Errores frecuentes

Qué suele romper la especificación

Instrucciones contradictorias.
Solo restricciones negativas (“no hagas X”).
Sobrecarga de contexto irrelevante.
Formato pedido pero sin vía de fallo.

Bloque 2 · 60 min

Few-shot

Teoría

Few-shot como aprendizaje en contexto

Brown et al. (2020): el LM grande puede “aprender” la tarea desde ejemplos en el prompt (§§1–3).
Schulhoff et al. (2024), Prompt Report §§1–2.2: taxonomía de componentes y evidencia de qué ayuda (y qué no).
Orden, formato y cobertura de casos límite suelen pesar más que “más ejemplos”.

Evidencia

Aprendizaje en contexto

Cero / uno / pocos ejemplos: no siempre “más es mejor”.
Distribución y formato de los ejemplos suelen importar más que la corrección puntual.
El orden de los ejemplos puede sesgar la salida.
Elegir ejemplos que cubran casos límite, no solo el caso feliz.

Bloque 3 · 60 min

Salida estructurada

Producción

Formato validable

JSON / schema explícito.
Validación + reintento acotado.
Comportamiento ante entradas fuera de alcance.
Abstención como salida legítima → menos invención.

Producción

Abstener también es una salida

Schema + abstención OOD: menos invención, más contrato operable.

Demo viva

Misma tarea, dos especificaciones

Mostrar un prompt vago vs uno con schema + abstención. Medir tasa de parseo OK en 10 entradas (incluidas OOD).

Lab: labs/09/u01/run_structured.py contra LM Studio (google/gemma-4-e4b · localhost:1234).

Lab: labs/09/u01/run_compaction.py — historial SII/boletas crudo vs compactado; make lab-09-u01-compaction → labs/09/runs/u01-compaction-report.json.

Evidencia local

Corrida real · score 4/4

Salida del lab u01 contra LM Studio: cuatro casos PASS

Incluye abstención OOD y mensaje vacío · labs/09/runs/

Bloque 4 · 60 min

Taller

Construir y probar

Prompt con formato estricto para una tarea acordada.
≥ 8 casos de prueba, incluidos fuera de alcance.
Registrar modelo, temperatura y tasa de éxito.
No alcanza con “se ve bien” en dos corridas.

Lecturas

Para profundizar

Schulhoff et al. (2024), The Prompt Report — schulhoff2024prompt (§§1 y 2.2)
Brown et al. (2020), Language models are few-shot learners — brown2020fewshot (§§1–3)

Cierre

Preguntas

Siguiente: el prompt como artefacto versionado (Unidad 2)