Diseñar plantillas parametrizadas que otra persona pueda reutilizar sin reescribir la instrucción.
Construir ejemplos few-shot que fijen estilo, terminología y estructura de la respuesta.
Encadenar prompts para descomponer una tarea larga en pasos verificables uno a uno.
Forzar salidas en JSON o CSV que un proceso posterior consuma sin limpieza manual.
Recortar el contexto de una plantilla midiendo qué se pierde al quitar cada bloque.
Versionar prompts y comparar resultados antes de sustituir el que ya está en uso.
Contenido del curso
7 módulos · 28 clases en vídeo · práctica guiada en cada módulo
Módulo 1 · Punto de partida y entorno4 clases
De la instrucción suelta al procedimiento repetible
Preparar un banco de casos de prueba
Criterios de calidad: qué se mide en cada salida
Organizar proyectos y prompts guardados
Módulo 2 · Plantillas parametrizadas4 clases
Separar instrucción fija de datos variables
Huecos, valores por defecto y campos obligatorios
Documentar una plantilla para que la use otra persona
Errores típicos al parametrizar
Módulo 3 · Few-shot y control del estilo4 clases
Cuántos ejemplos hacen falta y de qué tipo
Ejemplos negativos: enseñar lo que no se quiere
Fijar terminología propia de la organización
Cuando los ejemplos empeoran la respuesta
Módulo 4 · Razonamiento y descomposición4 clases
Pedir el paso intermedio y usarlo para verificar
Dividir una tarea larga en prompts encadenados
Pasar la salida de un paso como entrada del siguiente
Autorrevisión: que el modelo critique su propia respuesta
Módulo 5 · Salidas estructuradas4 clases
Definir un esquema de campos antes de pedir la respuesta
JSON válido: comillas, escapes y valores nulos
CSV y tablas para procesos ofimáticos
Qué hacer cuando la salida no cumple el esquema
Módulo 6 · Coste, contexto y recorte4 clases
Medir el tamaño de una plantilla
Quitar bloques y observar el efecto en la calidad
Documentos largos: resumir antes de preguntar
Elegir modelo según la exigencia de la tarea
Módulo 7 · Caso práctico: procedimiento documentado4 clases
Elegir un proceso real del puesto
Construir la plantilla y su banco de pruebas
Comparar dos versiones y decidir con evidencia
Entrega: procedimiento listo para el equipo
Requisitos
Haber usado un asistente conversacional y saber redactar instrucciones con contexto y formato.
Manejar ficheros de texto y reconocer la estructura de un JSON o un CSV.
Cuenta en ChatGPT o Claude; toda la práctica se hace desde el navegador.
Descripción
Un prompt que funciona una vez no es un procedimiento. En cuanto la instrucción pasa a otra persona, o se aplica a cien documentos en lugar de a uno, aparecen las grietas: el formato baila, el tono cambia y alguien tiene que repasar todo a mano. Este curso trata el prompt como un artefacto de trabajo que se escribe, se prueba y se mantiene.
El planteamiento es de taller. Se parte de tareas reales de una organización (clasificar correo, extraer datos de un documento, redactar respuestas tipo) y se construyen plantillas con variables, ejemplos y validación de salida. Cada técnica (few-shot, razonamiento paso a paso, autoevaluación, encadenado) se introduce cuando el ejercicio la necesita, no antes, y se mide si mejora el resultado.
Lo que sale del curso es un pequeño repertorio de plantillas documentadas y un método para revisarlas cuando cambie el modelo o el proceso. Desde aquí el paso natural es el trabajo con agentes, donde estas instrucciones dejan de ejecutarse a mano, y la integración por API, donde el formato de salida deja de ser una preferencia y pasa a ser un requisito.
¿Para quién es este curso?
Perfiles de desarrollo que integran llamadas a modelos dentro de una aplicación existente.
Responsables de operaciones de una PYME que quieren estandarizar tareas de redacción y clasificación.
Analistas que preparan informes recurrentes y necesitan que el formato no varíe entre entregas.
Disponible
Contenido ya grabado y publicado en el campus. Puedes empezar en cuanto te inscribas.
Del prompt bien escrito a los agentes conectados por MCP, pasando por modelos en local, generación de audio, imagen y presentaciones, y el ajuste fino de modelos.
Este sitio web utiliza cookies propias y de terceros para recopilar información con finalidad técnica. No se recaban ni ceden datos de carácter personal sin tu consentimiento. Más información en la política de cookies.