[Back to Course](/en/courses/prompt-engineering) Lessons ## Crafting Effective Prompts A well-crafted prompt is the key to getting useful results from any AI agent. ### Be Specific Vague prompts produce vague answers. Include context, format, and constraints. ### Provide Examples Few-shot prompting gives the agent examples of what you want before asking. ### Set the Role Define the agent’s role: “You are a data analyst…” sets the right frame. ### Iterate Refine your prompts based on the responses you get. Prompt engineering is iterative. ### Test Variations Experiment with different phrasings to find what works best for your use case. * * * ### Prompt Engineering Flow The diagram below shows the iterative prompt engineering process: 100% ### Agent-Human Interaction Flow The sequence below illustrates how an agent processes a user prompt: 100% ### Learning Roadmap A state diagram showing the stages of prompt engineering mastery: 100% * * * ### 📊 Technique Comparison The table below compares different prompt engineering techniques: Técnica Descripción Mejor para Ejemplo Zero-Shot Pedir al modelo una tarea sin ejemplos previos Preguntas simples, clasificaciones rápidas "Clasifica este email como spam o no spam" Few-Shot Proporcionar 2-5 ejemplos antes de la pregunta Tareas con formato específico, extracción estructurada "Traduce: hola → hello, adiós → goodbye, gracias → thank you" Chain-of-Thought Instruir al modelo a razonar paso a paso Problemas matemáticos, lógica, debugging "Paso 1: extraer datos. Paso 2: aplicar fórmula..." Role-Based Asignar un rol o personalidad al agente Tareas especializadas, respuestas con tono consistente "Eres un analista senior de datos financieros" Constrained Limitar el formato, longitud o estilo de salida Outputs predecibles, APIs, integraciones "Responde solo JSON con campos {{title, summary, score}}" ### ⚠️ Common Mistakes Avoid these frequent prompt engineering pitfalls: Error común Problema Solución Ejemplo corregido Prompt demasiado vago El agente no tiene contexto suficiente Incluir formato, tono, audiencia y propósito "Resume este texto para ejecutivos en 3 párrafos" Instrucciones contradictorias El agente mezcla prioridades opuestas Separar instrucciones en orden lógico, una por línea "1. Traduce al español. 2. Mantén el tono formal." Falta delimitación El agente confunde instrucciones con datos Usar \`\`\`, """ o etiquetas / "Datos: {{...}}. Ahora responde: ¿cuál es el total?" Sobrecarga de contexto El agente pierde detalles en prompts muy largos Priorizar información clave al inicio del prompt Colocar la instrucción principal en las primeras 2 líneas Sin validación explícita El agente alucina o inventa datos Pedir verificaciones, fuentes o confianza estimada "Si no estás seguro, responde 'No tengo datos suficientes'" ### 📋 Evaluation Criteria Use this framework to measure prompt quality: Criterio Pregunta guía Peso Métrica Precisión ¿La respuesta es factualmente correcta? 30% Comparación con ground truth Relevancia ¿Responde directamente a la pregunta? 25% Análisis semántico (cosine similarity) Completitud ¿Cubre todos los aspectos solicitados? 20% Checklist de requisitos vs output Consistencia ¿Es coherente internamente? 15% Detección de contradicciones Formato ¿Cumple el formato solicitado? 10% Validación regex / schema * * * ### 📈 Technique Performance Bar chart comparing accuracy, speed, and relevance across techniques: ### 🥧 Usage Distribution Donut chart showing the distribution of technique usage: ### 📉 Improvement Trajectory Line chart tracking prompt quality improvement over successive iterations: