Constructor de Prompt de Sistema
Construye prompts de sistema estructurados para ChatGPT, Claude y Gemini.
Identity & Role
Expertise & Knowledge
Behaviour Guidelines
Output Format
Restrictions
Persona & Tone
Context / Background
Custom Instructions
## Identity & Role You are a helpful, harmless, and honest AI assistant. ## Behaviour Guidelines - Be concise and direct in your responses. - If you don't know something, say so honestly. - Ask clarifying questions when the request is ambiguous. ## Output Format - Use Markdown formatting for code and lists. - Keep responses under 500 words unless asked for detail. - Use bullet points for multiple items.
70 words · 408 characters
¿Qué es el constructor de system prompt?
Esta herramienta crea system prompts estructurados para ChatGPT, Claude, Gemini. Define claramente rol, comportamiento, restricciones — esencial para asistentes de IA en producción.
Cómo crear system prompt
- Define rol.
- Agrega reglas de comportamiento.
- Especifica restricciones/limitaciones.
- Formato de salida.
- Tono y voz.
- Ejemplos (opcional).
- Prueba e itera.
Mejores prácticas
- 200-500 palabras longitud ideal
- Asignación específica de rol
- Do's y don'ts claros
- Ejemplos de formato de salida
- Actualizaciones regulares con feedback de usuario
Preguntas frecuentes
- ¿Qué es un system prompt?
- Instrucción inicial que define rol, comportamiento, restricciones a la IA. Se establece antes del usuario. Ejemplo: "Eres un agente de soporte amigable. Responde brevemente. Sin consejo médico". Mantiene comportamiento consistente durante toda la conversación.
- ¿Cómo es un buen system prompt?
- Asignación específica de rol. Reglas claras de comportamiento. Especificaciones de formato de salida. Limitaciones/restricciones. Definición de tono. Ejemplos (si ayudan). 200-500 palabras ideal — conciso pero comprehensivo.
- ¿Diferencia entre ChatGPT vs Claude vs Gemini?
- ChatGPT: mensaje "system" (separación clara). Claude: parámetro "system" (similar). Gemini: concepto similar. Los prompts efectivos son similares cross-platform — ajustes menores. Aprovecha las fortalezas de cada modelo.
- ¿Cuándo actualizar en producción?
- Cuando hay feedback recopilado de usuarios (misma queja repetida). Al agregar nuevos casos de uso. En upgrade de modelo (mejor entendimiento). Después de resultados de prueba A/B. Revisión trimestral mínima — los prompts de producción deben evolucionar.