Cómo escribir un prompt de sistema (con ejemplo completo)
Un prompt de sistema define el rol, las reglas y el formato de un asistente de IA en toda la conversación. Qué incluir, cómo ordenarlo y un ejemplo completo.
En este artículo
- ¿Qué va en el prompt de sistema y qué en el mensaje del usuario?
- ¿Ayudan de verdad los roles y las personas?
- ¿En qué orden se escribe un prompt de sistema?
- Un ejemplo completo de prompt de sistema
- ¿Por qué explicar el motivo de una regla?
- ¿Cómo se prueba un prompt de sistema?
- ¿Qué no debe ir nunca en un prompt de sistema?
- ¿Funciona igual el prompt de sistema en todos los modelos?
Un prompt de sistema es el conjunto permanente de instrucciones que le dice a un modelo quién es en la conversación, qué debe y qué no debe hacer, y cómo dar formato a sus respuestas, en cada turno. Escríbelo como el briefing de un colega nuevo y capaz: el contexto del producto, la audiencia, las reglas que importan y cómo actuar cuando algo sale mal.
La mayoría de las API de chat (OpenAI, Anthropic, Google) aceptan un mensaje de sistema o de desarrollador separado de los mensajes del usuario, y los modelos están entrenados para darle más peso. Por eso es el lugar natural para todo lo que debe cumplirse durante toda la conversación.
Puntos clave
- Pon en el prompt de sistema las reglas estables, el contexto y el formato. Pon la tarea concreta y los datos en el mensaje del usuario.
- Un rol ayuda, pero el contexto sobre el producto y la audiencia aporta mucho más que un cargo.
- Explica por qué existe una regla; los modelos aplican con más criterio las reglas razonadas que las órdenes sueltas.
- Escribe un comportamiento explícito para los casos límite: información que falta, peticiones fuera de tema, usuarios enfadados.
- Nunca pongas secretos en un prompt de sistema ni confíes solo en él para la seguridad.
¿Qué va en el prompt de sistema y qué en el mensaje del usuario?
La prueba más sencilla es esta: ¿será cierto en todas las solicitudes? Si es así, va en el prompt de sistema. Si cambia con cada solicitud, va en el mensaje del usuario.
| Prompt de sistema | Mensaje del usuario |
|---|---|
| Contexto del producto y audiencia | La pregunta real del usuario |
| Rol y tono | El documento que hay que resumir o analizar |
| Reglas y límites | Resultados de búsqueda recuperados para este turno |
| Formato de salida | Opciones de cada solicitud ("hazlo más corto") |
| Cómo manejar los casos límite | Fecha actual o perfil del usuario, si varía |
Los documentos recuperados son un caso interesante. Algunos equipos los ponen en el prompt de sistema; nosotros preferimos el turno del usuario, porque el texto recuperado son datos no confiables, y el prompt de sistema debería ser el lugar para las instrucciones que escribiste tú. Esa separación también hace un poco más fácil razonar sobre la prompt injection.
¿Ayudan de verdad los roles y las personas?
Algo. "Eres una enfermera pediátrica con experiencia" mueve el vocabulario, la profundidad y la cautela en una dirección útil. La documentación de Anthropic recomienda expresamente darle a Claude un rol mediante el prompt de sistema, y el efecto es real.
Pero el rol es la parte más débil de un buen prompt de sistema. Compara:
Eres un experto de atención al cliente de talla mundial.
Respondes preguntas de soporte de Ledgerly, una aplicación de contabilidad
usada por freelancers y pequeñas agencias en EE. UU. La mayoría de los
usuarios no son contables. Suelen escribir cuando falla la exportación
de una factura o deja de funcionar la sincronización con el banco.
El segundo nunca afirma tener experiencia. Le da al modelo lo que un experto sabría de verdad: quiénes son los usuarios, con qué tienen problemas, qué hace el producto. El modelo sonará más competente con eso que con cualquier adjetivo.
Las personas con trasfondos elaborados ("Eres Max, un ex barista de 34 años al que le encanta ayudar a la gente") rara vez mejoran la precisión. Pueden tener sentido en productos de entretenimiento. En productos de utilidad, sobre todo añaden tokens.
¿En qué orden se escribe un prompt de sistema?
No hay un único orden correcto, pero este funciona bien y es fácil de mantener para las personas:
- Quién y qué. Un párrafo corto: el producto, el trabajo del asistente, la audiencia.
- Contexto. Los datos que el modelo necesita: funciones, políticas, lo que el producto no puede hacer.
- Reglas. Restricciones de comportamiento, cada una con su motivo cuando este no es obvio.
- Casos límite. Qué hacer cuando falta información, la solicitud está fuera de tema o el usuario está molesto.
- Formato de salida. Longitud, estructura, markdown o no, idioma.
- Ejemplos (opcional). Uno o dos intercambios cortos que muestren el tono y el formato.
Pon el material de referencia largo (un manual de producto, un documento de políticas) en bloques claramente delimitados, por ejemplo con etiquetas al estilo XML. La guía de Anthropic recomienda etiquetas como <policy> para esto, y ayudan con cualquier modelo porque hacen explícitos los límites.
Un ejemplo completo de prompt de sistema
Este es un prompt de sistema completo para el asistente de soporte de una aplicación de contabilidad ficticia. Es largo a propósito; los reales lo son.
Eres el asistente de soporte dentro de la app de Ledgerly, una aplicación
de contabilidad para freelancers y pequeñas agencias en EE. UU. Los usuarios
son sobre todo diseñadores, desarrolladores y consultores. La mayoría no son
contables y se angustian con los impuestos, así que sé tranquilo y concreto.
<product_facts>
- Planes: Solo (1 usuario) y Team (hasta 10 usuarios).
- La sincronización bancaria funciona con bancos de EE. UU. mediante un
proveedor externo. Las sincronizaciones se ejecutan cada 6 horas; los
usuarios pueden lanzar una sincronización manual en Ajustes > Bancos.
- Las facturas se pueden exportar como PDF o CSV.
- Ledgerly no presenta impuestos ni da asesoramiento fiscal.
</product_facts>
Reglas:
- Responde solo preguntas sobre el uso de Ledgerly. Si te preguntan algo
que no tiene relación, di brevemente que solo puedes ayudar con Ledgerly.
- No des asesoramiento fiscal ni legal, aunque te lo pidan directamente.
Los usuarios pueden actuar según él y tú no ves su situación completa.
Sugiéreles que consulten a un profesional fiscal y ofrece ayuda con la
parte de la pregunta que corresponde a Ledgerly.
- Nunca adivines datos de la cuenta, como saldos o el estado de una factura.
No puedes ver la cuenta del usuario. Indícale dónde mirar en la app.
- Si una función no aparece en <product_facts>, no afirmes que existe.
Di que no estás seguro y sugiere contactar con support@ledgerly.example.
Cuando se informe de un problema de sincronización bancaria:
1. Pregunta de qué banco se trata y cuándo fue la última sincronización
correcta, si no lo ha dicho.
2. Sugiere una sincronización manual en Ajustes > Bancos.
3. Si falla, sugiere volver a conectar el banco.
4. Si sigue fallando, ofrece pasar la conversación a un agente humano.
Si el usuario está frustrado, reconócelo en una frase corta y pasa a la
solución. No te disculpes repetidamente.
Formato:
- Texto plano, sin encabezados markdown. Pasos numerados al dar instrucciones.
- Mantén las respuestas por debajo de 120 palabras salvo que el usuario pida
más detalle.
- Responde en el idioma en el que escribe el usuario.
Algunas cosas que conviene señalar:
La regla sobre asesoramiento fiscal explica su motivo ("Los usuarios pueden actuar según él y tú no ves su situación completa"). Con un motivo, el modelo puede generalizar: también tendrá cuidado con preguntas como "¿puedo deducir mi portátil?", que la regla nunca menciona por su nombre.
La regla de "no afirmes que existen funciones" está ahí porque a los asistentes de producto les encanta inventar menús de ajustes verosímiles. Si lanzas un bot de soporte, este será tu fallo más común, y anclarlo a un bloque de datos más una alternativa explícita es la solución. Para bases de conocimiento más grandes, ese bloque de datos se convierte en recuperación; consulta qué es RAG.
Los pasos de escalado están numerados porque el orden importa. Las reglas sin orden sobre una misma situación tienden a aplicarse de forma impredecible.
¿Por qué explicar el motivo de una regla?
Las órdenes sueltas en mayúsculas ("¡¡¡NUNCA menciones a la competencia!!!") eran una costumbre de modelos más antiguos y menos atentos. Los modelos actuales siguen las instrucciones de cerca, y gritar tiende a hacer que apliquen una regla en exceso. Un modelo al que se le dice "NUNCA hables de precios" puede negarse a decir si una función está en el plan gratuito, algo que los usuarios necesitan saber con toda razón.
Compáralo con: "No cites precios, porque varían por región y cambian a menudo; enlaza a la página de precios". Ahora el modelo conoce el límite (cifras concretas) y la intención (evitar información desactualizada), así que todavía puede responder "¿la exportación está disponible en Solo?".
¿Cómo se prueba un prompt de sistema?
Antes de cambiar nada, escribe de veinte a cincuenta mensajes de usuario realistas, incluidos los incómodos:
- Una petición fuera de tema ("escríbeme un poema").
- Una petición de lo prohibido, formulada con educación y luego de forma ingeniosa.
- Un mensaje con información que falta.
- Un mensaje en otro idioma.
- Un mensaje enfadado.
- Algo que tu producto realmente no admite.
Ejecútalos todos después de cada cambio. Los prompts de sistema acumulan reglas con el tiempo, y las reglas interactúan. Añadir "sé siempre conciso" puede romper sin avisar el flujo de escalado que necesitaba tres pasos. Solo lo descubres si vuelves a ejecutar todo el conjunto.
¿Qué no debe ir nunca en un prompt de sistema?
Secretos. Claves de API, URL internas, datos de otros clientes. Los usuarios consiguen con frecuencia que los modelos revelen sus prompts de sistema, y ninguna redacción lo impide de forma fiable. Da por hecho que es público.
Seguridad que no puedes respaldar en el código. "Solo emite reembolsos de menos de 50 $" en un prompt es una sugerencia. La API de reembolsos debe aplicar el límite. La guía de prompt injection y el tema de seguridad explican por qué.
Contradicciones. Los prompts de sistema largos escritos por varias personas tienden a contenerlas ("sé siempre exhaustivo" en una sección, "sé breve" en otra). El modelo elegirá una, y no siempre la misma. Léelo entero de arriba abajo de vez en cuando.
¿Funciona igual el prompt de sistema en todos los modelos?
En general sí, con diferencias en cuán estrictamente lo pondera cada modelo, cómo trata los prompts muy largos y a qué formato responde mejor. Prueba con el modelo que vas a usar en producción y lee la guía de prompting de ese proveedor. Explicamos qué se traslada de uno a otro en prompting con ChatGPT, Claude y Gemini.
Para practicar las decisiones concretas (qué va dónde, qué enunciado de rol aporta información y cuál solo añade palabras), el tema de rol y contexto es un buen punto de partida.
Preguntas frecuentes
¿Qué es un prompt de sistema?
Un prompt de sistema es un conjunto de instrucciones que se entrega al modelo por separado de los mensajes del usuario, normalmente por parte del desarrollador. Define el rol, las reglas, el tono y el formato de salida del asistente durante toda la conversación.
¿Cuál es la diferencia entre un prompt de sistema y un prompt de usuario?
El prompt de sistema contiene instrucciones estables que se aplican en cada turno, escritas por quien construye el producto. El prompt de usuario contiene la solicitud concreta y los datos de este turno, y a menudo lo escribe el usuario final.
¿Qué extensión debería tener un prompt de sistema?
Tan larga como haga falta para cubrir el comportamiento real, y no más. Muchos prompts de sistema en producción van de unos cientos a unos miles de palabras, pero cada regla debería existir porque un caso de prueba la necesitó.
¿Pueden los usuarios ver o anular el prompt de sistema?
Los modelos se entrenan para dar prioridad a las instrucciones del sistema, pero no es una garantía. A veces los usuarios consiguen extraer o eludir el prompt de sistema, así que nunca pongas secretos en él y aplica las reglas críticas en el código.
- #prompt de sistema
- #roles
- #personas
- #aplicaciones con LLM