LLMOps en Producción · Lección 06
¿Por qué dar instrucciones explícitas y específicas en un prompt (en vez de instrucciones vagas) mejora la consistencia de las respuestas de un LLM?
Reduce la ambigüedad sobre qué se espera exactamente, disminuyendo la variabilidad de interpretación que el modelo podría hacer de una instrucción poco clara
Las instrucciones específicas eliminan por completo cualquier variabilidad en las respuestas del modelo
Un prompt más largo siempre produce mejores resultados sin ninguna excepción
Solo importa la especificidad del prompt si el modelo es de código abierto
LLMOps en Producción · Lección 06
Completa el código
Especificar el formato exacto de salida esperado reduce la necesidad de
Revisa: reduce la necesidad de post-procesamiento adicional de la respuesta.
LLMOps en Producción · Lección 06
¿Por qué pedirle al modelo que responda en un formato estructurado específico (como JSON con campos definidos) facilita integrar su respuesta en el resto del sistema, comparado con pedir una respuesta de texto libre?
Pista: una respuesta en un formato estructurado y predecible (como JSON) puede parsearse programáticamente de forma directa y confiable, mientras una respuesta de texto libre requeriría lógica adicional para extraer la información relevante de forma consistente.
✓
¡Lección completada!
Prompt engineering — principios básicos
0
XP ganado
3
Vidas restantes