Prompting Strategies
View Original →Ya está disponible la versión preliminar de Gemini 3.1 Flash-Lite. Pruébalo en AI Studio.
Página principal
Gemini API
Documentos
Enviar comentarios
Estrategias de diseño de instrucciones
El diseño de instrucciones es el proceso de crear instrucciones o solicitudes de lenguaje natural que producen respuestas precisas y de alta calidad de un modelo de lenguaje.
En esta página, se presentan conceptos básicos, estrategias y prácticas recomendadas para comenzar a diseñar instrucciones y aprovechar al máximo los modelos de IA de Gemini.
Nota: La ingeniería de instrucciones es un proceso iterativo. Estos lineamientos y plantillas son puntos de partida. Experimenta y define mejor tus instrucciones en función de tus casos de uso específicos y las respuestas observadas del modelo.Guías de instrucciones específicas para temas
¿Buscas estrategias de instrucciones más específicas? Consulta nuestras otras guías para crear instrucciones sobre los siguientes temas:
- Escribir instrucciones para generar imágenes con Imagen y Gemini Native Image Generation
Puedes encontrar otras instrucciones de ejemplo en la galería de instrucciones, que tiene como objetivo mostrar de forma interactiva muchos de los conceptos que se comparten en esta guía.
Instrucciones claras y específicas
Una forma eficaz y eficiente de personalizar el comportamiento del modelo es proporcionarle instrucciones claras y específicas. Las instrucciones pueden tener la forma de una pregunta, tareas paso a paso o ser tan complejas como mapear la experiencia y la mentalidad de un usuario.
Entrada
La entrada es el texto obligatorio en la instrucción al que deseas que el modelo proporcione una respuesta. Las entradas pueden ser una pregunta que responda el modelo (entrada de pregunta), una tarea que realice el modelo (entrada de tarea), una entidad en la que opera el modelo (entrada de entidad) o una entrada parcial que completa el modelo o continúa (entrada de finalización).
Tipo de entrada
Instrucción
Resultados generados
Pregunta
What's a good name for a flower shop that specializes in selling bouquets of
dried flowers? Create a list of 5 options with just the names.
Here are 5 names for a flower shop specializing in dried flowers:
1. Everlasting Blooms
2. Dried & Delightful
3. The Petal Preserve
4. Whispers of Wildflowers
5. Forever Blooms
Tarea
Give me a simple list of just the things that I must bring on a camping trip. The list should have 5 items.
1. Tent: Your shelter from the elements.
2. Sleeping Bag: Stay warm and comfortable.
3. Sleeping Pad: Insulation and cushioning for a good night's sleep.
4. Headlamp or Flashlight: Light for nighttime activities.
5. First Aid Kit: Be prepared for minor injuries.
Entidad
Classify the following items as [large, small]:
Elephant
Mouse
Snail
Here's the classification:
* Elephant: Large
* Mouse: Small
* Snail: Small
Sugerencias de entrada parcial
Los modelos generativos de lenguaje funcionan como una herramienta de autocompletado avanzada. Cuando proporcionas contenido parcial, el modelo puede proporcionar el resto del contenido o lo que cree que es una continuación de ese contenido como respuesta. Cuando lo haces, si incluyes ejemplos o contextos, el modelo puede tener en cuenta esos ejemplos o el contexto.
En el siguiente ejemplo, se proporciona un mensaje con una instrucción y una entrada de entidad:
Prompt:
For the given order, return a JSON object that has the fields cheeseburger, hamburger, fries, or
drink, with the value being the quantity.
Order: A burger and a drink.
Respuesta:
{
"cheeseburger": 0,
"hamburger": 1,
"fries": 0,
"drink": 1
}
(gemini-2.5-flash)
Si bien el modelo hizo lo que se le indicó, escribir las instrucciones en lenguaje natural a veces puede ser difícil y deja mucho a la interpretación del modelo.
Por ejemplo, el menú de un restaurante puede contener muchos elementos. Para reducir el tamaño de la respuesta JSON, es probable que quieras omitir los elementos que no se ordenaron. En este caso, puedes dar un ejemplo y un prefijo de respuesta y dejar que el modelo lo complete:
Prompt:
Valid fields are cheeseburger, hamburger, fries, and drink.
Order: Give me a cheeseburger and fries
Output:
{
"cheeseburger": 1,
"fries": 1
}Order: I want two burgers, a drink, and fries.
Output:
Respuesta:
{
"hamburger": 2,
"drink": 1,
"fries": 1
}
(gemini-2.5-flash)
Observa cómo se excluyó "hamburguesa con queso" del resultado porque no formaba parte del pedido.
Limitaciones
Especifica cualquier restricción para leer el prompt o generar una respuesta. Puedes indicarle al modelo qué hacer y qué no hacer. Por ejemplo, puedes especificar una restricción en la instrucción sobre la extensión que quieres que tenga un resumen:
Prompt:
Summarize this text in one sentence:
Text: A quantum computer exploits quantum mechanical phenomena to perform calculations exponentially
faster than any modern traditional computer. At very tiny scales, physical matter acts as both
particles and as waves, and quantum computing uses specialized hardware to leverage this behavior.
The operating principles of quantum devices is beyond the scope of classical physics. When deployed
at scale, quantum computers could be used in a wide variety of applications such as: in
cybersecurity to break existing encryption methods while helping researchers create new ones, in
meteorology to develop better weather forecasting etc. However, the current state of the art quantum
computers are still largely experimental and impractical.
Respuesta:
Exploiting quantum mechanical phenomena, quantum computers can perform calculations exponentially faster than traditional computers for potential applications like cybersecurity and meteorology, although they are currently largely experimental and impractical.
(gemini-2.5-flash)
Formato de respuesta
Puedes proporcionar instrucciones que especifiquen el formato de la respuesta. Por ejemplo, puedes solicitar que la respuesta tenga el formato de una tabla, una lista con viñetas, una presentación breve, palabras clave, una oración o un párrafo. La siguiente instrucción del sistema le indica al modelo que sea más conversacional en su respuesta:
Instrucción del sistema
All questions should be answered comprehensively with details, unless the user requests a concise response specifically.
Instrucción
What is a smart way to make a business that sells DVD's in 2025?
Respuesta:
Starting a business selling DVDs in 2025 presents significant challenges due to the overwhelming dominance of digital streaming and on-demand services; a "smart" approach would therefore require a highly specialized niche, a strong value proposition beyond just the disc, and likely a focus on community or collector markets rather than mainstream consumption.
Here's a breakdown of what a smart DVD business in 2025 would likely entail:
Extreme Niche Specialization: You cannot compete with streaming libraries. Your business must focus on what digital doesn't offer easily or at all. This could include:
* Out-of-Print & Rare Titles: Sourcing films or TV shows that have never been released digitally or are currently unavailable on major streaming platforms.
....
(gemini-2.5-flash)
Cómo dar formato a las respuestas con la estrategia de finalización
La estrategia de finalización también puede ayudar a dar formato a la respuesta.
En el siguiente ejemplo, se solicita al modelo crear un esquema de ensayo:
Prompt:
Create an outline for an essay about hummingbirds.
Respuesta:
Here is a possible outline for an essay about hummingbirds:
I. Introduction
A. Hook: Start with a captivating fact or description about hummingbirds (e.g., their speed, iridescent colors, or tiny size).
B. Background: Briefly introduce hummingbirds – where they are found (Americas), their reputation as unique birds.
C. Thesis Statement: State the main point of the essay, which could be about the remarkable adaptations, behaviors, and ecological importance of hummingbirds.
II. Appearance and Identification
.....
(gemini-2.5-flash)
El mensaje no especificó el formato del esquema, y el modelo eligió un formato para ti. Para que el modelo muestre un esquema en un formato específico, puedes agregar texto que represente el inicio
Related Articles
StruQ: Defending Against Prompt Injection with Structured Queries
Recent advances in Large Language Models (LLMs) enable exciting LLM-integrated applications, which perform text-based tasks by utilizing their advanced language understanding capabilities. However,...
How to work with large language models
[Large language models][Large language models Blog Post] are functions that map text to text. Given an input string of text, a large language model predicts the text that should come next.
Techniques to improve reliability
When GPT-3 fails on a task, what should you do?
Related resources from around the web
People are writing great tools and papers for improving outputs from GPT. Here are some cool ones we've seen: