Guion profesor · U01

La instrucción como especificación

Objetivo de la sesión

Componentes del prompt, few-shot y salida estructurada.

Guion por bloques

Bloque 1 — Componentes de un prompt (60 min)

Rol, contexto, tarea, restricciones, formato y ejemplos. Errores: instrucciones contradictorias, restricciones solo negativas, sobrecarga de contexto.

Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Bloque 2 — Aprendizaje en contexto (60 min)

Zero/one/few-shot. Distribución y formato de ejemplos suelen importar más que la corrección puntual de las respuestas demostrativas.

Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Bloque 3 — Salida estructurada (60 min)

Esquemas, validación y reintentos. Abstención explícita para reducir invención cuando la entrada está fuera de alcance.

Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Bloque 4 — Taller de especificación (60 min)

Construir un prompt con formato estricto y casos de prueba que incluyan entradas fuera de alcance.

Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Claves del taller (no proyectar)

Usá LM Studio (puerto 1234) u Ollama. Pedí JSON con schema fijo; validá con un script; medí tasa de parseo OK en 20 casos sintéticos.

Exigir batería de casos antes de “se ve bien”.
Registrar modelo, temperatura y seed/config en el informe.
Rechazar entregas sin tope de iteraciones/costo/tiempo en agentes.

Checklist cierre

Articulación con la unidad siguiente / curso vecino.
Recordar lectura previa de la próxima sesión.
Recoger dudas sobre lab autónomo.