Introducción

Tabla de contenido

Capítulo 1: Introducción a las técnicas de ingeniería de prompts

¿Qué es la ingeniería de prompts? Capítulo

2: Técnica de prompts de instrucciones Ejemplos:

Capítulo 3: Promoción de roles

Capítulo 4: Prompts estándar

Capítulo 5: Prompts de cero, uno y pocas iteraciones Capítulo

6: Prompt "Pensemos en esto"

Capítulo 7: Autoconsistencia de prompts

Capítulo 8: Prompt de palabra clave

Capítulo 9: Prompt de generación de conocimiento

Capítulo 10: Prompts de integración de conocimiento Cómo

usarlo con ChatGPT:

Capítulo 11: Prompts de opción múltiple

Capítulo 12: Prompts suaves interpretables

Capítulo 13: Prompts de generación controlada

Capítulo 14: Prompts de pregunta-respuesta

Capítulo 15: Prompts de resumen Cómo usarlo con ChatGPT:

Capítulo 16: Prompts de diálogo

Capítulo 17: Prompts adversarios

Capítulo 18: Prompts de agrupamiento Cómo usarlo con

ChatGPT:

Capítulo 19: Prompts de aprendizaje por refuerzo

Capítulo 20: Prompts de aprendizaje curricular

Capítulo 21: Prompts de análisis de sentimientos

Capítulo 22: Prompts de reconocimiento de entidades nombradas

Capítulo 23: Prompts de clasificación de texto

Capítulo 24: Prompts de generación de texto

Conclusión
 Introducción

Estoy emocionado de darte la bienvenida a mi último libro, "El

arte de preguntar a ChatGPT para respuestas de alta calidad: Una
guía completa de técnicas de ingeniería de prompts". Este libro es
una guía integral para comprender y utilizar diversas técnicas de
prompts utilizadas para generar respuestas de alta calidad con
ChatGPT.

Exploraremos cómo diferentes técnicas de ingeniería de prompts

pueden utilizarse para lograr diferentes objetivos. ChatGPT es un
modelo de lenguaje de última generación capaz de generar texto
similar al humano. Sin embargo, es vital comprender la forma
correcta de hacer preguntas a ChatGPT para obtener los
resultados de alta calidad que deseamos.

Ese es el propósito de este libro. Ya seas una persona normal, un

investigador, un desarrollador o simplemente alguien que desea
utilizar ChatGPT como su asistente personal en tu campo, este
libro está escrito para ti.

He utilizado un lenguaje sencillo con explicaciones prácticas

directas, junto con ejemplos y fórmulas de prompts en cada
técnica de prompt. Con este libro, aprenderás cómo utilizar
técnicas de ingeniería de prompts para controlar la salida de
ChatGPT y generar texto adaptado a tus necesidades específicas.

A lo largo de este libro, también proporcionamos ejemplos de

cómo combinar diferentes técnicas de prompts para lograr
resultados más específicos.

Espero que encuentres este libro informativo y entretenido, tanto

como yo disfruté escribiéndolo.
Capítulo 1: Introducción a las técnicas de
ingeniería de prompts

¿Qué es la ingeniería de prompts?

La ingeniería de prompts es el proceso de crear prompts,

preguntas o instrucciones que guían la salida de un modelo de
lenguaje como ChatGPT. Permite a los usuarios controlar la
salida del modelo y generar texto adaptado a sus necesidades
específicas.

ChatGPT es un modelo de lenguaje de última generación capaz de

generar texto similar al humano. Está construido sobre la
arquitectura de Transformers, lo que le permite manejar grandes
cantidades de datos y generar texto de alta calidad.

Sin embargo, para obtener los mejores resultados de ChatGPT, es

importante entender cómo solicitar adecuadamente al modelo.

El uso de prompts permite a los usuarios controlar la salida del

modelo y generar texto relevante, preciso y de alta calidad.

Al trabajar con ChatGPT, es importante comprender sus

capacidades y limitaciones. El modelo es capaz de generar texto
similar al humano, pero no siempre producirá la salida deseada
sin una guía adecuada.

Aquí es donde entra en juego la ingeniería de prompts. Al

proporcionar instrucciones claras y específicas, puedes guiar la
salida del modelo y asegurarte de que sea relevante.

Una fórmula de prompt es un formato específico para el prompt,

generalmente compuesto por tres elementos principales:

 Tarea: una declaración clara y concisa de lo que el prompt

está solicitando al modelo que genere.
  Instrucciones: las instrucciones que deben seguirse por el
modelo al generar texto.
 Rol: el rol que el modelo debe asumir al generar texto.

En este libro, exploraremos las diversas técnicas de ingeniería de

prompts que se pueden utilizar con ChatGPT. Discutiremos los
diferentes tipos de prompts, así como cómo utilizarlos para
alcanzar los objetivos específicos que desees.
Capítulo 2: Técnica de prompt de instrucciones

Ahora, comencemos explorando la "técnica de prompt de

instrucciones" y cómo se puede utilizar para generar texto de alta
calidad con ChatGPT.

La técnica de prompt de instrucciones es una forma de guiar la

salida de ChatGPT al proporcionar instrucciones específicas para
que el modelo las siga. Esta técnica es útil para garantizar que la
salida sea relevante y de alta calidad.

Para utilizar la técnica de prompt de instrucciones, deberás

proporcionar una tarea clara y concisa para el modelo, así como
instrucciones específicas que el modelo debe seguir.

Por ejemplo, si estás generando respuestas de servicio al cliente,

proporcionarías una tarea como "generar respuestas a consultas de
los clientes" e instrucciones como "las respuestas deben ser
profesionales y proporcionar información precisa".

Fórmula del prompt: "Generar [tarea] siguiendo estas

instrucciones: [instrucciones]"

Ejemplos: Generación de respuestas de servicio al cliente:

 Tarea: Generar respuestas a consultas de los clientes

 Instrucciones: Las respuestas deben ser profesionales y
proporcionar información precisa
 Fórmula del prompt: "Generar respuestas profesionales y
precisas a las consultas de los clientes siguiendo estas
instrucciones: Las respuestas deben ser profesionales y
proporcionar información precisa".

Generación de un documento legal:

 Tarea: Generar un documento legal

  Instrucciones: El documento debe cumplir con las leyes y
regulaciones pertinentes
 Fórmula del prompt: "Generar un documento legal que
cumpla con las leyes y regulaciones pertinentes siguiendo
estas instrucciones: El documento debe cumplir con las
leyes y regulaciones pertinentes".

Al utilizar la técnica de prompt de instrucciones, es importante

tener en cuenta que las instrucciones deben ser claras y
específicas. Esto ayudará a garantizar que la salida sea relevante y
de alta calidad. La técnica de prompt de instrucciones se puede
combinar con la "promoción de roles" y el "prompt de palabra
clave" según se explica en el próximo capítulo para mejorar la
salida de ChatGPT.
Capítulo 3: Promoción de roles

La técnica de promoción de roles es una forma de guiar la salida

de ChatGPT al proporcionar un rol específico para que el modelo
asuma. Esta técnica es útil para generar texto adaptado a un
contexto o audiencia específicos.

Para utilizar la técnica de promoción de roles, deberás

proporcionar un rol claro y específico para que el modelo asuma.
Por ejemplo, si estás generando respuestas de servicio al cliente,
proporcionarías un rol como "representante de servicio al cliente".

Fórmula del prompt: "Generar [tarea] como [rol]"

Ejemplo:

 Generación de respuestas de servicio al cliente:

o Tarea: Generar respuestas a consultas de los clientes
o Rol: Representante de servicio al cliente
o Fórmula del prompt: "Generar respuestas a las
consultas de los clientes como representante de
servicio al cliente".
 Generación de un documento legal:
o Tarea: Generar un documento legal
o Rol: Abogado
o Fórmula del prompt: "Generar un documento legal
como abogado".

Al utilizar la técnica de promoción de roles, es importante

combinarla con otras técnicas como la promoción de
instrucciones y la promoción de palabras clave para mejorar la
salida de ChatGPT.

Aquí tienes un ejemplo de cómo se pueden combinar las técnicas

de promoción de instrucciones, promoción de roles y promoción
de palabras clave:
  Tarea: Generar una descripción de producto para un nuevo
smartphone
 Instrucciones: La descripción debe ser informativa,
persuasiva y resaltar las características únicas del
smartphone
 Rol: Representante de marketing
 Palabra clave: "innovador"
 Fórmula del prompt: "Como representante de marketing,
genera una descripción de producto informativa y
persuasiva que resalte las características innovadoras del
nuevo smartphone. El smartphone tiene las siguientes
características [inserta tus características]".

En este ejemplo, la promoción de instrucciones se utiliza para

garantizar que la descripción del producto sea informativa y
persuasiva. La promoción de roles se utiliza para asegurarse de
que la descripción esté escrita desde la perspectiva de un
representante de marketing. Y la promoción de palabras clave se
utiliza para asegurarse de que la descripción se centre en las
características innovadoras del smartphone.
Capítulo 4: Prompts estándar

Los prompts estándar son una forma sencilla de guiar la salida de

ChatGPT al proporcionar una tarea específica para que el modelo
la complete.

Por ejemplo, si deseas generar un resumen de un artículo de

noticias, proporcionarías una tarea como "resumir este artículo de
noticias".

Fórmula del prompt: "Generar un[a] [tarea]"

Ejemplo:

 Generación de un resumen de un artículo de noticias:

o Tarea: Resumir este artículo de noticias
o Fórmula del prompt: "Generar un resumen de este
artículo de noticias"
 Generación de una reseña de un producto:
o Tarea: Escribir una reseña de un nuevo smartphone
o Fórmula del prompt: "Generar una reseña de este
nuevo smartphone"

Los prompts estándar también se pueden combinar con otras

técnicas como la promoción de roles y la promoción de palabras
clave para mejorar la salida de ChatGPT.

Aquí tienes un ejemplo de cómo se pueden combinar los prompts

estándar, la promoción de roles y la promoción de palabras clave:

 Tarea: Generar una reseña de producto para una nueva

laptop
 Instrucciones: La reseña debe ser objetiva, informativa y
resaltar las características únicas de la laptop
 Rol: Experto en tecnología
 Palabra clave: "poder
  Fórmula del prompt: "Como experto en tecnología, generar
una reseña de producto objetiva e informativa que resalte las
características poderosas de la nueva laptop"

En este ejemplo, la técnica de prompts estándar se utiliza para

garantizar que el modelo genere una reseña de producto. La
promoción de roles se utiliza para asegurarse de que la reseña esté
escrita desde la perspectiva de un experto en tecnología. Y la
promoción de palabras clave se utiliza para asegurarse de que la
reseña se enfoque en las características poderosas de la laptop.
Capítulo 5: Zero, One y Few Shot Prompting

El zero-shot, one-shot y few-shot prompting son técnicas

utilizadas para generar texto a partir de ChatGPT con pocos o
ningún ejemplo. Estas técnicas son útiles cuando hay datos
limitados disponibles para una tarea específica o cuando la tarea
es nueva y no está bien definida.

La técnica de zero-shot prompting se utiliza cuando no hay

ejemplos disponibles para la tarea. Se le proporciona al modelo
una tarea general y genera texto en función de su comprensión de
la tarea.

La técnica de one-shot prompting se utiliza cuando solo hay un

ejemplo disponible para la tarea. Se le proporciona al modelo el
ejemplo y genera texto en función de su comprensión del ejemplo.

La técnica de few-shot prompting se utiliza cuando hay un

número limitado de ejemplos disponibles para la tarea. Se le
proporcionan al modelo los ejemplos y genera texto en función de
su comprensión de los ejemplos.

Fórmula del prompt: "Generar texto basado en [número]

ejemplos"

Ejemplo:

 Generación de una descripción de producto para un nuevo

producto sin ejemplos disponibles:

Tarea: Escribir una descripción de producto para un nuevo

smartwatch Fórmula del prompt: "Generar una descripción de
producto para este nuevo smartwatch sin ejemplos"
  Generación de una comparación de productos con un
ejemplo disponible:

Tarea: Comparar un nuevo smartphone con el último iPhone

Fórmula del prompt: "Generar una comparación de productos de
este nuevo smartphone con un ejemplo (último iPhone)"

 Generación de una reseña de producto con pocos ejemplos

disponibles:

Tarea: Escribir una reseña de un nuevo lector electrónico Fórmula

del prompt: "Generar una reseña de este nuevo lector electrónico
con pocos ejemplos (3 otros lectores electrónicos)"

Estas técnicas se pueden utilizar para generar texto en función de

la comprensión del modelo sobre la tarea o los ejemplos
proporcionados.
Capítulo 6: Prompt "Pensemos en esto"

El prompt "Pensemos en esto" es una técnica utilizada para

alentar a ChatGPT a generar texto reflexivo y contemplativo. Esta
técnica es útil para tareas como escribir ensayos, poesía o
escritura creativa.

La fórmula del prompt para el prompt "Pensemos en esto" es

simplemente la frase "Pensemos en esto" seguida de un tema o
pregunta.

Ejemplo:

 Generación de un ensayo reflexivo:

o Tarea: Escribe un ensayo reflexivo sobre el tema del
crecimiento personal
o Fórmula del prompt: "Pensemos en esto: crecimiento
personal"
 Generación de un poema:
o Tarea: Escribe un poema sobre el cambio de las
estaciones
o Fórmula del prompt: "Pensemos en esto: el cambio de
las estaciones"

Este prompt solicita una conversación o discusión sobre un tema

o idea específica. El hablante invita a ChatGPT a participar en un
diálogo sobre el tema en cuestión.

Se le proporciona al modelo un prompt, que sirve como punto de

partida para la conversación o generación de texto. Luego, el
modelo utiliza sus datos de entrenamiento y algoritmos para
generar una respuesta relevante al prompt. Esta técnica permite
que ChatGPT genere texto contextualmente apropiado y
coherente basado en el prompt proporcionado.
Para utilizar la técnica del prompt "Pensemos en esto" con
ChatGPT, puedes seguir estos pasos:

1. Identifica el tema o idea sobre el que deseas discutir.

2. Formula un prompt que indique claramente el tema o idea, y
que inicie la conversación o generación de texto.
3. Precisa el prompt con "Pensemos en" o "Discutamos" para
indicar que estás iniciando una conversación o discusión.

Aquí tienes algunos ejemplos de prompts utilizando esta técnica:

Prompt: "Pensemos en el impacto del cambio climático en la
agricultura" Prompt: "Discutamos el estado actual de la
inteligencia artificial" Prompt: "Hablemos sobre los beneficios y
desventajas del trabajo remoto"

También puedes agregar una pregunta abierta, una declaración o

un fragmento de texto que desees que el modelo continúe

Una vez que proporciones el prompt, el modelo utilizará sus datos

de entrenamiento y algoritmos para generar una respuesta
relevante al prompt y continuará la conversación de manera
coherente.

Este prompt único ayuda a ChatGPT a dar respuestas desde

diferentes perspectivas y ángulos, lo que resulta en pasajes más
dinámicos e informativos.

Los pasos para utilizar el prompt son simples y fáciles de seguir, y

realmente pueden marcar la diferencia en tu escritura. Pruébalo y
compruébalo por ti mismo.

Capítulo 7: Prompt de Coherencia Interna

El prompt de autocoherencia es una técnica utilizada para
asegurar que la salida de ChatGPT sea coherente con la entrada
proporcionada. Esta técnica es útil para tareas como la
verificación de hechos, validación de datos o verificación de
coherencia en la generación de texto.
La fórmula del prompt de autocoherencia es el texto de entrada
seguido de la instrucción "Asegúrate de que el siguiente texto sea
autocoherente". Alternativamente, se puede indicar al modelo que
genere texto coherente con la entrada proporcionada.

Ejemplos de prompts y su fórmula:

Ejemplo 1: Generación de texto

 Tarea: Generar una reseña de producto

 Instrucciones: La reseña debe ser coherente con la
información del producto proporcionada en la entrada
 Fórmula del prompt: "Genera una reseña de producto que
sea coherente con la siguiente información del producto
[insertar información del producto]"

Ejemplo 2: Resumen de texto

 Tarea: Resumir un artículo de noticias

 Instrucciones: El resumen debe ser coherente con la
información proporcionada en el artículo
 Fórmula del prompt: "Resume el siguiente artículo de
noticias de manera coherente con la información
proporcionada [insertar artículo de noticias]"

Ejemplo 3: Completar texto

 Tarea: Completar una oración

 Instrucciones: La generación de texto debe ser coherente
con el contexto proporcionado en la entrada.
 Fórmula del prompt: "Completa la siguiente oración de
manera coherente con el contexto proporcionado [insertar
oración]"

Ejemplo 4:

1. Verificación de hechos:

 Tarea: Verificar la coherencia en un artículo de noticias

dado
  Texto de entrada: "El artículo afirma que la población de la
ciudad es de 5 millones, pero más adelante dice que la
población es de 7 millones".
 Fórmula del prompt: "Asegúrate de que el siguiente texto
sea autocoherente: El artículo afirma que la población de la
ciudad es de 5 millones, pero más adelante dice que la
población es de 7 millones".

2. Validación de datos:

 Tarea: Verificar la coherencia en un conjunto de datos dado

 Texto de entrada: "Los datos muestran que la temperatura
promedio en julio es de 30 grados, pero se registra una
temperatura mínima de 20 grados".
 Fórmula del prompt: "Asegúrate de que el siguiente texto
sea autocoherente: Los datos muestran que la temperatura
promedio en julio es de 30 grados, pero se registra una
temperatura mínima de 20 grados".

Estos ejemplos muestran cómo se puede utilizar el prompt de

coherencia interna para garantizar que el modelo genere texto
coherente con la entrada proporcionada.
Capítulo 8: Prompt de Palabra de Inicio

El prompt de Palabra de Inicio es una técnica utilizada para

controlar la salida de ChatGPT al proporcionarle una palabra o
frase de inicio específica.

La fórmula del prompt para el Prompt de Palabra de Inicio es la

palabra o frase de inicio seguida de la instrucción "Por favor,
genera texto basado en la siguiente palabra de inicio".

Ejemplos:

 Generación de texto:

Tarea: Generar una historia sobre un dragón Palabra de inicio:

"Dragón" Fórmula del prompt: "Por favor, genera texto basado en
la siguiente palabra de inicio: Dragón"

 Traducción de idiomas:

Tarea: Traducir una frase de inglés a español Palabra de inicio:

"Hola" Fórmula del prompt: "Por favor, genera texto basado en la
siguiente palabra de inicio: Hola"

Esta técnica permite que el modelo genere texto relacionado con

la palabra o frase de inicio y lo desarrolle. Es una forma de
controlar el texto generado por el modelo para que esté
relacionado con un tema o contexto específico.

El Prompt de Palabra de Inicio se puede combinar con la

promoción de roles y la promoción de instrucciones para crear
texto generado más específico y dirigido. Al proporcionar una
palabra o frase de inicio, el modelo puede generar texto
relacionado con esa palabra o frase, y al proporcionar información
sobre el resultado deseado y el rol, el modelo puede generar texto
en un estilo o tono específico que sea coherente con el rol o las
instrucciones. Esto permite un mayor control sobre el texto
generado y puede ser útil para una amplia gama de aplicaciones.

Aquí tienes ejemplos de prompts y su fórmula:

 Ejemplo 1: Generación de texto Tarea: Generar un poema

Instrucciones: El poema debe estar relacionado con la
palabra de inicio "amor" y debe estar escrito en estilo de
soneto. Rol: Poeta Fórmula del prompt: "Genera un soneto
relacionado con la palabra de inicio 'amor' como poeta"
 Ejemplo 2: Completar texto Tarea: Completar una oración
Instrucciones: El completado debe estar relacionado con la
palabra de inicio "ciencia" y debe estar escrito en estilo de
artículo de investigación. Rol: Investigador Fórmula del
prompt: "Completa la siguiente oración de una manera
relacionada con la palabra de inicio 'ciencia' y en estilo de
artículo de investigación como investigador: [insertar
oración]"
 Ejemplo 3: Resumen de texto Tarea: Resumir un artículo de
noticias Instrucciones: El resumen debe estar relacionado
con la palabra de inicio "política" y debe estar escrito en un
tono neutral e imparcial. Rol: Periodista Fórmula del
prompt: "Resume el siguiente artículo de noticias de una
manera relacionada con la palabra de inicio 'política' en un
tono neutral e imparcial como periodista: [insertar artículo
de noticias]"

Capítulo 9: Prompt de Generación de

Conocimiento

El prompt de Generación de Conocimiento es una técnica

utilizada para obtener información nueva y original de ChatGPT.
La fórmula del prompt para el Prompt de Generación de
Conocimiento es "Por favor, genera información nueva y original
sobre X", donde X es el tema de interés.

Esta técnica utiliza el conocimiento preexistente del modelo para

generar nueva información o responder una pregunta.

Para utilizar este prompt con ChatGPT, se debe proporcionar al

modelo una pregunta o tema como entrada, junto con un prompt
que especifique la tarea u objetivo para el texto generado. El
prompt debe incluir información sobre el resultado deseado, como
el tipo de texto a generar y cualquier requisito o restricción
específica.

Aquí tienes ejemplos de prompts y su fórmula:

 Ejemplo 1: Generación de conocimiento

Tarea: Generar información nueva sobre un tema específico

Instrucciones: La información generada debe ser precisa y
relevante para el tema Fórmula del prompt: "Genera información
nueva y precisa sobre [tema específico]"

 Ejemplo 2: Respuesta a una pregunta

Tarea: Responder una pregunta Instrucciones: La respuesta debe

ser precisa y relevante para la pregunta Fórmula del prompt:
"Responde la siguiente pregunta: [insertar pregunta]"

 Ejemplo 3: Integración de conocimiento

Tarea: Integrar nueva información con el conocimiento existente

Instrucciones: La integración debe ser precisa y relevante para el
tema Fórmula del prompt: "Integra la siguiente información con
el conocimiento existente sobre [tema específico]: [insertar nueva
información]"

 Ejemplo 4: Análisis de datos

Tarea: Generar ideas sobre el comportamiento del cliente a partir
de un conjunto de datos dado Fórmula del prompt: "Por favor,
genera información nueva y original sobre el comportamiento del
cliente a partir de este conjunto de datos"
Capítulo 10: Prompts de Integración de
Conocimiento

Esta técnica utiliza el conocimiento preexistente del modelo para

integrar nueva información o conectar diferentes piezas de
información.

Esta técnica es útil para combinar el conocimiento existente con

nueva información y generar una comprensión más completa de
un tema específico.

Cómo usarlo con ChatGPT: Se debe proporcionar al modelo la

nueva información y el conocimiento existente como entrada,
junto con un prompt que especifique la tarea u objetivo para el
texto generado. El prompt debe incluir información sobre el
resultado deseado, como el tipo de texto a generar y cualquier
requisito o restricción específica.

Aquí tienes ejemplos de prompts y su fórmula:

 Ejemplo 1: Integración de conocimiento

Tarea: Integrar nueva información con el conocimiento existente

Instrucciones: La integración debe ser precisa y relevante para el
tema Fórmula del prompt: "Integra la siguiente información con
el conocimiento existente sobre [tema específico]: [insertar nueva
información]"

 Ejemplo 2: Conexión de piezas de información

Tarea: Conectar diferentes piezas de información Instrucciones:

Las conexiones deben ser relevantes y lógicas Fórmula del
prompt: "Conecta las siguientes piezas de información de una
manera relevante y lógica: [insertar información 1] [insertar
información 2]"
  Ejemplo 3: Actualización del conocimiento existente

Tarea: Actualizar el conocimiento existente con nueva

información Instrucciones: La información actualizada debe ser
precisa y relevante Fórmula del prompt: "Actualiza el
conocimiento existente sobre [tema específico] con la siguiente
información: [insertar nueva información]"
Capítulo 11: Prompts de Opción Múltiple

Esta técnica presenta al modelo una pregunta o tarea y un

conjunto de opciones predefinidas como posibles respuestas.

Esta técnica es útil para generar texto que se limita a un conjunto

específico de opciones y se puede utilizar para preguntas y
respuestas, completar textos y otras tareas. El modelo puede
generar texto que se limite a las opciones predefinidas.

Para utilizar el prompt de opción múltiple con ChatGPT, se debe

proporcionar al modelo una pregunta o tarea como entrada, junto
con un conjunto de opciones predefinidas como posibles
respuestas. El prompt también debe incluir información sobre el
resultado deseado, como el tipo de texto a generar y cualquier
requisito o restricción específica.

Aquí tienes ejemplos de prompts y su fórmula:

 Ejemplo 1: Pregunta y respuesta

Tarea: Responder una pregunta de opción múltiple Instrucciones:

La respuesta debe ser una de las opciones predefinidas Fórmula
del prompt: "Responde la siguiente pregunta seleccionando una
de las siguientes opciones: [insertar pregunta] [insertar opción 1]
[insertar opción 2] [insertar opción 3]"

 Ejemplo 2: Completar un texto

Tarea: Completar una frase con una de las opciones predefinidas

Instrucciones: La opción de completar debe ser una de las
opciones predefinidas. Fórmula del prompt: "Completa la
siguiente frase seleccionando una de las siguientes opciones:
[insertar frase] [insertar opción 1] [insertar opción 2] [insertar
opción 3]"

 Ejemplo 3: Análisis de sentimiento

Tarea: Clasificar un texto como positivo, neutral o negativo
Instrucciones: La clasificación debe ser una de las opciones
predefinidas Fórmula del prompt: "Clasifica el siguiente texto
como positivo, neutral o negativo seleccionando una de las
siguientes opciones: [insertar texto] [positivo] [neutral]
[negativo]"
Capítulo 12: Indicaciones flexibles e
interpretables

Las indicaciones flexibles e interpretables son una técnica que

permite controlar el texto generado por el modelo al mismo
tiempo que se le brinda cierta flexibilidad. Esto se logra al
proporcionar al modelo un conjunto de entradas controladas y
alguna información adicional sobre el resultado deseado. Esta
técnica permite generar texto más interpretable y controlable.

Ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Generación de texto

Tarea: Generar una historia Instrucciones: La historia debe

basarse en un conjunto de personajes específicos y un tema
determinado Fórmula de la indicación: "Generar una historia
basada en los siguientes personajes: [insertar personajes] y el
tema: [insertar tema]"

• Ejemplo 2: Completar una oración

Tarea: Completar una oración Instrucciones: La petición debe

estar en el estilo de un autor específico Fórmula de la indicación:
"Completar la siguiente oración en el estilo de [autor específico]:
[insertar oración]"

• Ejemplo 3: Modelado de lenguaje

Tarea: Generar texto en un estilo específico Instrucciones: El

texto debe estar en el estilo de un período específico Fórmula de
la indicación: "Generar texto en el estilo de [período específico]:
[insertar contexto]"
Capítulo 13: Indicaciones de Generación
Controlada

Las indicaciones de generación controlada son técnicas que

permiten generar texto con un alto nivel de control sobre el
resultado. Esto se logra al proporcionar al modelo un conjunto
específico de entradas, como una plantilla, un vocabulario
específico o un conjunto de restricciones, que se pueden utilizar
para guiar el proceso de generación.

Aquí tienes algunos ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Generación de texto

Tarea: Generar una historia Instrucciones: La historia debe

basarse en una plantilla específica Fórmula de la indicación:
"Generar una historia basada en la siguiente plantilla: [insertar
plantilla]"

• Ejemplo 2: Completar una oración

Tarea: Completar una oración Instrucciones: La petición debe

utilizar un vocabulario específico Fórmula de la indicación:
"Completar la siguiente oración utilizando el siguiente
vocabulario: [insertar vocabulario]: [insertar oración]"

• Ejemplo 3: Modelado de lenguaje

Tarea: Generar texto en un estilo específico Instrucciones: El

texto debe seguir un conjunto específico de reglas gramaticales
Fórmula de la indicación: "Generar texto que siga las siguientes
reglas gramaticales: [insertar reglas]: [insertar contexto]"

Al proporcionar al modelo un conjunto específico de entradas que

pueden utilizarse para guiar el proceso de generación, las
indicaciones de generación controlada permiten generar texto más
controlable y predecible.
Capítulo 14: Indicaciones de Respuesta a
Preguntas

Las indicaciones de respuesta a preguntas son una técnica que

permite que el modelo genere texto que responda a una pregunta o
tarea específica. Esto se logra al proporcionar al modelo una
pregunta o tarea como entrada, junto con cualquier información
adicional que pueda ser relevante para la pregunta o tarea.

Aquí tienes algunos ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Respuesta a preguntas de hechos

Tarea: Responder una pregunta de hechos Instrucciones: La

respuesta debe ser precisa y relevante Fórmula de la indicación:
"Responder la siguiente pregunta de hechos: [insertar pregunta]"

• Ejemplo 2: Definición

Tarea: Proporcionar la definición de una palabra Instrucciones: La

definición debe ser precisa Fórmula de la indicación: "Definir la
siguiente palabra: [insertar palabra]"

• Ejemplo 3: Recuperación de información

Tarea: Recuperar información de una fuente específica

Instrucciones: La información recuperada debe ser relevante
Fórmula de la indicación: "Recuperar información sobre [tema
específico] de la siguiente fuente: [insertar fuente]"

Esto puede ser útil para tareas como respuesta a preguntas y

recuperación de información.
Capítulo 15: Indicaciones de Resumen

Las indicaciones de resumen son una técnica que permite que un

modelo genere una versión más corta de un texto dado,
manteniendo sus ideas principales e información. Esto se logra al
proporcionar al modelo un texto más largo como entrada y pedirle
que genere un resumen de ese texto.

Esta técnica es útil para tareas como la sumarización de textos y

la compresión de información.

Cómo utilizarlo con ChatGPT: Se debe proporcionar al modelo un

texto más largo como entrada y pedirle que genere un resumen de
ese texto. La indicación también debe incluir información sobre el
resultado deseado, como la longitud deseada del resumen y
cualquier requisito o restricción específica.

Aquí tienes algunos ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Sumarización de un artículo

Tarea: Resumir un artículo de noticias Instrucciones: El resumen

debe ser una descripción breve de los puntos principales del
artículo Fórmula de la indicación: "Resume el siguiente artículo
de noticias en una sola frase breve: [insertar artículo]"

• Ejemplo 2: Notas de una reunión

Tarea: Resumir una transcripción de una reunión Instrucciones: El

resumen debe resaltar las decisiones principales y las acciones
tomadas en la reunión Fórmula de la indicación: "Resume la
siguiente transcripción de la reunión enumerando las decisiones
principales y las acciones tomadas: [insertar transcripción]"

• Ejemplo 3: Resumen de un libro

Tarea: Resumir un libro Instrucciones: El resumen debe ser una
descripción breve de los puntos principales del libro Fórmula de
la indicación: "Resume el siguiente libro en un párrafo breve:
[insertar título del libro]"

Estas indicaciones permiten que el modelo genere resúmenes más

concisos y retenga la información esencial del texto original.
Capítulo 16: Indicaciones de diálogo

Las indicaciones de diálogo son una técnica que permite a un

modelo generar texto que simula una conversación entre dos o
más entidades. Al proporcionar al modelo un contexto y un
conjunto de personajes o entidades, junto con sus roles y
antecedentes, se le solicita al modelo que genere diálogos entre
ellos.

Por lo tanto, se debe proporcionar al modelo un contexto y un

conjunto de personajes o entidades, junto con sus roles y
antecedentes. También se debe proporcionar al modelo
información sobre el resultado deseado, como el tipo de
conversación o diálogo y cualquier requisito o restricción
específica.

Ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Generación de diálogo

Tarea: Generar una conversación entre dos personajes

Instrucciones: La conversación debe ser natural y relevante para
el contexto dado. Fórmula de la indicación: "Generar una
conversación entre los siguientes personajes [insertar personajes]
en el siguiente contexto [insertar contexto]"

• Ejemplo 2: Escritura de una historia

Tarea: Generar un diálogo en una historia Instrucciones: El

diálogo debe ser coherente con los personajes y eventos de la
historia. Fórmula de la indicación: "Generar un diálogo entre los
siguientes personajes [insertar personajes] en la siguiente historia
[insertar historia]"

• Ejemplo 3: Desarrollo de un chatbots

Tarea: Generar un diálogo para un chatbot de servicio al cliente
Instrucciones: El diálogo debe ser profesional y proporcionar
información precisa. Fórmula de la indicación: "Generar un
diálogo profesional y preciso para un chatbot de servicio al
cliente, cuando el cliente pregunte sobre [insertar tema]"

Por lo tanto, esta técnica es útil para tareas como la generación de

diálogos, la escritura de historias y el desarrollo de chatbots.
Capítulo 17: Indicaciones adversariales

Las indicaciones adversariales son una técnica que permite a un

modelo generar texto que es resistente a ciertos tipos de ataques o
sesgos. Esta técnica se puede utilizar para entrenar modelos que
sean más robustos y resistentes a ciertos tipos de ataques o sesgos.

Para utilizar las indicaciones adversariales con ChatGPT, se debe

proporcionar al modelo una indicación diseñada para que sea
difícil para el modelo generar texto consistente con el resultado
deseado. La indicación también debe incluir información sobre el
resultado deseado, como el tipo de texto a generar y cualquier
requisito o restricción específica.

Ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Indicación adversarial para clasificación de texto

Tarea: Generar texto que se clasifique como una etiqueta

específica Instrucciones: El texto generado debe ser difícil de
clasificar como la etiqueta específica. Fórmula de la indicación:
"Generar texto que sea difícil de clasificar como [insertar
etiqueta]".

• Ejemplo 2: Indicación adversarial para análisis de sentimiento

Tarea: Generar texto que sea difícil de clasificar como un

sentimiento específico Instrucciones: El texto generado debe ser
difícil de clasificar como el sentimiento específico. Fórmula de la
indicación: "Generar texto que sea difícil de clasificar como tener
el sentimiento de [insertar sentimiento]".

• Ejemplo 3: Indicación adversarial para traducción de idiomas

Tarea: Generar texto que sea difícil de traducir Instrucciones: El

texto generado debe ser difícil de traducir al idioma objetivo.
Fórmula de la indicación: "Generar texto que sea difícil de
traducir al [insertar idioma objetivo]".

Por lo tanto, esta técnica permite generar texto que es resistente a

ciertos ataques o sesgos, lo que ayuda a entrenar modelos más
robustos y confiables.
Capítulo 18: Indicaciones de agrupamiento

Las indicaciones de agrupamiento son una técnica que permite a

un modelo agrupar puntos de datos similares en función de ciertas
características o atributos.

Esto se logra proporcionando al modelo un conjunto de puntos de

datos y pidiéndole que los agrupe en clústeres basados en ciertas
características o atributos.

Esta técnica es útil para tareas como análisis de datos, aprendizaje

automático y procesamiento del lenguaje natural.
Cómo usarlo con ChatGPT:

El modelo debe recibir un conjunto de puntos de datos y se le

debe pedir que los agrupe en clústeres basados en características o
atributos específicos. El prompt también debe incluir información
sobre el resultado deseado, como el número de clústeres a generar
y cualquier requisito o restricción específica.

Ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Agrupamiento de opiniones de clientes

Tarea: Agrupar opiniones de clientes similares Instrucciones: Las

opiniones deben agruparse según el sentimiento Fórmula del
prompt: "Agrupa las siguientes opiniones de clientes en clústeres
basados en el sentimiento: [insertar opiniones]"

• Ejemplo 2: Agrupamiento de artículos de noticias

Tarea: Agrupar artículos de noticias similares Instrucciones: Los

artículos deben agruparse según el tema Fórmula del prompt:
"Agrupa los siguientes artículos de noticias en clústeres basados
en el tema: [insertar artículos]"

• Ejemplo 3: Agrupamiento de artículos científicos

Tarea: Agrupar artículos científicos similares Instrucciones: Los

artículos deben agruparse según el área de investigación Fórmula
del prompt: "Agrupa los siguientes artículos científicos en
clústeres basados en el área de investigación: [insertar artículos]"

Capítulo 19: Indicaciones de aprendizaje por

refuerzo
Las indicaciones de aprendizaje por refuerzo son una técnica que
permite que un modelo aprenda de sus acciones pasadas y mejore
su rendimiento con el tiempo. Para utilizar indicaciones de
aprendizaje por refuerzo con ChatGPT, se debe proporcionar al
modelo un conjunto de entradas y recompensas, y permitirle
ajustar su comportamiento en función de las recompensas que
recibe. El prompt también debe incluir información sobre el
resultado deseado, como la tarea a realizar y cualquier requisito o
restricción específica.

Esta técnica es útil para tareas como la toma de decisiones, jugar

juegos y generación de lenguaje natural.

Ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Aprendizaje por refuerzo para generación de texto

Tarea: Generar texto consistente con un estilo específico

Instrucciones: El modelo debe ajustar su comportamiento en
función de las recompensas que recibe para generar texto
consistente con el estilo específico. Fórmula del prompt: "Utiliza
el aprendizaje por refuerzo para generar texto consistente con el
siguiente estilo: [insertar estilo]"

• Ejemplo 2: Aprendizaje por refuerzo para traducción de idiomas

Tarea: Traducir texto de un idioma a otro Instrucciones: El

modelo debe ajustar su comportamiento en función de las
recompensas que recibe para producir traducciones precisas.
Fórmula del prompt: "Utiliza el aprendizaje por refuerzo para
traducir el siguiente texto: [insertar texto] de [insertar idioma] a
[insertar idioma]"

• Ejemplo 3: Aprendizaje por refuerzo para respuesta a preguntas

Tarea: Generar respuesta a una pregunta Instrucciones: El modelo

debe ajustar su comportamiento en función de las recompensas
que recibe para producir respuestas precisas. Fórmula del prompt:
"Utiliza el aprendizaje por refuerzo para generar una respuesta a
la siguiente pregunta: [insertar pregunta]"
Capítulo 20: Indicaciones de aprendizaje basado
en currículo

El aprendizaje basado en currículo es una técnica que permite que

un modelo aprenda una tarea compleja entrenando primero en
tareas más simples y aumentando gradualmente la dificultad. Para
utilizar indicaciones de aprendizaje basado en currículo con
ChatGPT, se debe proporcionar al modelo una secuencia de tareas
que aumenten gradualmente en dificultad. El prompt también
debe incluir información sobre el resultado deseado, como la tarea
final a realizar y cualquier requisito o restricción específica.

Esta técnica es útil para tareas como el procesamiento de lenguaje

natural, reconocimiento de imágenes y aprendizaje automático.

Ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Aprendizaje basado en currículo para generación de

texto

Tarea: Generar texto consistente con un estilo específico

Instrucciones: El modelo debe ser entrenado en estilos más
simples antes de pasar a estilos más complejos. Fórmula del
prompt: "Utiliza el aprendizaje basado en currículo para generar
texto consistente con los siguientes estilos: [insertar estilos] en el
siguiente orden: [insertar orden]"

• Ejemplo 2: Aprendizaje basado en currículo para traducción de

idiomas

Tarea: Traducir texto de un idioma a otro Instrucciones: El

modelo debe ser entrenado en idiomas más simples antes de pasar
a idiomas más complejos. Fórmula del prompt: "Utiliza el
aprendizaje basado en currículo para traducir texto desde los
siguientes idiomas: [insertar idiomas] en el siguiente orden:
[insertar orden]"
• Ejemplo 3: Aprendizaje basado en currículo para responder
preguntas

Tarea: Generar respuesta a una pregunta Instrucciones: El modelo

debe ser entrenado en preguntas más simples antes de pasar a
preguntas más complejas. Fórmula del prompt: "Utiliza el
aprendizaje basado en currículo para generar respuestas a las
siguientes preguntas: [insertar preguntas] en el siguiente orden:
[insertar orden]"
Capítulo 21: Indicaciones de análisis de
sentimiento

El análisis de sentimiento es una técnica que permite a un modelo

determinar el tono emocional o actitud de un texto, como si es
positivo, negativo o neutral.

Para utilizar indicaciones de análisis de sentimiento con

ChatGPT, se debe proporcionar al modelo un texto y pedirle que
lo clasifique según su sentimiento. El prompt también debe incluir
información sobre el resultado deseado, como el tipo de
sentimiento a detectar (por ejemplo, positivo, negativo, neutral) y
cualquier requisito o restricción específica.

Ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Análisis de sentimiento de opiniones de clientes

Tarea: Determinar el sentimiento de las opiniones de los clientes

Instrucciones: El modelo debe clasificar las opiniones como
positivas, negativas o neutrales. Fórmula del prompt: "Realiza un
análisis de sentimiento en las siguientes opiniones de clientes:
[insertar opiniones] y clasifícalas como positivas, negativas o
neutrales".

• Ejemplo 2: Análisis de sentimiento de tweets

Tarea: Determinar el sentimiento de los tweets Instrucciones: El

modelo debe clasificar los tweets como positivos, negativos o
neutrales. Fórmula del prompt: "Realiza un análisis de
sentimiento en los siguientes tweets: [insertar tweets] y
clasifícalos como positivos, negativos o neutrales".

• Ejemplo 3: Análisis de sentimiento de opiniones de productos

Tarea: Determinar el sentimiento de las opiniones de productos

Instrucciones: El modelo debe clasificar las opiniones como
positivas, negativas o neutrales. Fórmula del prompt: "Realiza un
análisis de sentimiento en las siguientes opiniones de productos:
[insertar opiniones] y clasifícalas como positivas, negativas o
neutrales".

Esta técnica es útil para tareas como el procesamiento de lenguaje

natural, servicio al cliente e investigación de mercado.
Capítulo 22: Indicaciones de reconocimiento de
entidades nombradas

El reconocimiento de entidades nombradas (NER) es una técnica

que permite que un modelo identifique y clasifique entidades
nombradas en un texto, como personas, organizaciones,
ubicaciones y fechas.

Para utilizar indicaciones de reconocimiento de entidades

nombradas con ChatGPT, se debe proporcionar al modelo un
fragmento de texto y pedirle que identifique y clasifique las
entidades nombradas dentro del texto. El prompt también debe
incluir información sobre el resultado deseado, como los tipos de
entidades nombradas a identificar (por ejemplo, personas,
organizaciones, ubicaciones, fechas) y cualquier requisito o
restricción específica.

Ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Reconocimiento de entidades nombradas en un

artículo de noticias

Tarea: Identificar y clasificar entidades nombradas en un artículo

de noticias Instrucciones: El modelo debe identificar y clasificar
personas, organizaciones, ubicaciones y fechas. Fórmula del
prompt: "Realiza el reconocimiento de entidades nombradas en el
siguiente artículo de noticias [insertar artículo] e identifica y
clasifica personas, organizaciones, ubicaciones y fechas".

• Ejemplo 2: Reconocimiento de entidades nombradas en un

documento legal

Tarea: Identificar y clasificar entidades nombradas en un

documento legal Instrucciones: El modelo debe identificar y
clasificar personas, organizaciones, ubicaciones y fechas. Fórmula
del prompt: "Realiza el reconocimiento de entidades nombradas
en el siguiente documento legal [insertar documento] e identifica
y clasifica personas, organizaciones, ubicaciones y fechas".

• Ejemplo 3: Reconocimiento de entidades nombradas en un

artículo de investigación

Tarea: Identificar y clasificar entidades nombradas en un artículo

de investigación Instrucciones: El modelo debe identificar y
clasificar personas, organizaciones, ubicaciones y fechas. Fórmula
del prompt: "Realiza el reconocimiento de entidades nombradas
en el siguiente artículo de investigación [insertar artículo] e
identifica y clasifica personas, organizaciones, ubicaciones y
fechas".
Capítulo 23: Indicaciones de clasificación de texto

La clasificación de texto es una técnica que permite que un

modelo categorice el texto en diferentes clases o categorías. Esta
técnica es útil para tareas como el procesamiento del lenguaje
natural, análisis de texto y análisis de sentimientos.

Es importante tener en cuenta que la clasificación de texto es

diferente del análisis de sentimientos. El análisis de sentimientos
se centra específicamente en determinar el sentimiento o emoción
expresada en un texto. Esto puede incluir determinar si el texto
expresa un sentimiento positivo, negativo o neutral. El análisis de
sentimientos se utiliza a menudo en el contexto de opiniones de
clientes, publicaciones en redes sociales y otras formas de texto
donde el sentimiento expresado es importante.

Para utilizar indicaciones de clasificación de texto con ChatGPT,

se debe proporcionar al modelo un fragmento de texto y pedirle
que lo clasifique en categorías o etiquetas predefinidas. El prompt
también debe incluir información sobre el resultado deseado,
como el número de clases o categorías, y cualquier requisito o
restricción específica.

Ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Clasificación de texto de opiniones de clientes

Tarea: Clasificar las opiniones de los clientes en diferentes

categorías como electrónica, ropa y muebles Instrucciones: El
modelo debe clasificar las opiniones según su contenido Fórmula
del prompt: "Realiza la clasificación de texto en las siguientes
opiniones de clientes [insertar opiniones] y clasifícalas en
diferentes categorías como electrónica, ropa y muebles según su
contenido".

• Ejemplo 2: Clasificación de texto de artículos de noticias

Tarea: Clasificar los artículos de noticias en diferentes categorías
como deportes, política y entretenimiento Instrucciones: El
modelo debe clasificar los artículos según su contenido Fórmula
del prompt: "Realiza la clasificación de texto en los siguientes
artículos de noticias [insertar artículos] y clasifícalos en diferentes
categorías como deportes, política y entretenimiento según su
contenido".

• Ejemplo 3: Clasificación de texto de correos electrónicos

Tarea: Clasificar los correos electrónicos en diferentes categorías

como spam, importante o urgente Instrucciones: El modelo debe
clasificar los correos electrónicos según su contenido y remitente
Fórmula del prompt: "Realiza la clasificación de texto en los
siguientes correos electrónicos [insertar correos electrónicos] y
clasifícalos en diferentes categorías como spam, importante o
urgente según su contenido y remitente".
Capítulo 24: Indicaciones de generación de texto

Las indicaciones de generación de texto están relacionadas con

varias técnicas de indicaciones mencionadas en este libro, como
las indicaciones de cero, uno y pocos ejemplos, indicaciones de
generación controlada, indicaciones de traducción, indicaciones
de modelado de lenguaje e indicaciones para completar las frases.
Todas estas indicaciones están relacionadas porque todas implican
la generación de texto, pero difieren en la forma en que se genera
el texto y en los requisitos o restricciones específicos que se
aplican al texto generado.

Las indicaciones de generación de texto se pueden utilizar para

afinar un modelo preentrenado o para entrenar un nuevo modelo
para tareas específicas.

Ejemplos de indicaciones y su fórmula:

• Ejemplo 1: Generación de texto para escribir historias

Tarea: Generar una historia basada en una indicación dada

Instrucciones: La historia debe tener al menos 1000 palabras e
incluir un conjunto específico de personajes y una trama Fórmula
del prompt: "Genera una historia de al menos 1000 palabras,
incluyendo los personajes [insertar personajes] y una trama
[insertar trama] basada en la siguiente indicación [insertar
indicación]."

• Ejemplo 2: Generación de texto para traducción de idiomas

Tarea: Traducir un texto dado a otro idioma Instrucciones: La

traducción debe ser precisa e idiomática Fórmula del prompt:
"Traduce el siguiente texto [insertar texto] al [insertar idioma de
destino] y asegúrate de que sea precisa e idiomática."

• Ejemplo 3: Generación de texto para completar un texto dado

Tarea: Completar un texto dado Instrucciones: El texto generado
debe ser coherente y consistente con el texto de entrada Fórmula
del prompt: "Completa el siguiente texto [insertar texto] y
asegúrate de que sea coherente y consistente con el texto de
entrada."
Conclusión

Como hemos explorado a lo largo de este libro, la ingeniería de

indicaciones es una herramienta poderosa para obtener respuestas
de alta calidad de modelos de lenguaje como ChatGPT. Al crear
cuidadosamente indicaciones que incorporan diversas técnicas,
podemos guiar al modelo para generar texto adaptado a nuestras
necesidades y requisitos específicos.

En el capítulo 2, analizamos cómo las indicaciones de

instrucciones pueden utilizarse para proporcionar orientación
clara y específica al modelo. En el capítulo 3, exploramos cómo
las indicaciones de roles pueden utilizarse para generar texto en
una voz o estilo específico. En el capítulo 4, examinamos cómo
las indicaciones estándar pueden utilizarse como punto de partida
para afinar el rendimiento del modelo.

También hemos analizado varias técnicas avanzadas de

indicaciones, como Indicaciones de Cero, Uno y Pocos Ejemplos,
Auto consistencia, Indicaciones de Palabra Inicial, Indicación de
Generación de Conocimiento, Indicaciones de Integración de
Conocimiento, Indicaciones de Opción Múltiple, Indicaciones
Interpretables, Indicaciones de Generación Controlada,
Indicaciones de Respuesta a Preguntas, Indicaciones de
Sumarización, Indicaciones de Diálogo, Indicaciones Adversarias,
Indicaciones de Agrupación, Indicaciones de Aprendizaje por
Reforzamiento, Indicaciones de Currículum, Indicaciones de
Análisis de Sentimiento, Indicaciones de Reconocimiento de
Entidades Nombradas y Indicaciones de Clasificación de Texto.

Cada una de estas técnicas se puede utilizar de diferentes maneras

para lograr una amplia gama de resultados diferentes, y a medida
que continúes trabajando con ChatGPT y otros modelos de
lenguaje, vale la pena experimentar con diferentes combinaciones
de técnicas para ver qué funciona mejor para tu caso de uso
específico.
Por último, puedes consultar otros libros que he escrito sobre
otros temas.

Gracias por leer todo el libro. Nos vemos en mis otros libros.
Sobre el autor