¿Qué estilos de _prompt_ desbloquean mejores resultados de DeepSeek v3.1 Terminus?
Afirmación audaz: La mayoría de los ajustes de _prompt_ no importan, hasta que lo hacen. Con DeepSeek v3.1 Terminus, unos pocos cambios precisos en el estilo del _prompt_ pueden duplicar la calidad de la salida y reducir los ciclos de inferencia.
Esta guía explora los estilos de _prompt_ que desbloquean consistentemente mejores resultados de DeepSeek v3.1 Terminus. Iremos más allá de consejos genéricos como "sea específico" y, en cambio, analizaremos plantillas estructuradas, ejemplos y estrategias probadas que optimizan la profundidad del razonamiento, la precisión y la velocidad. Ya sea que esté construyendo agentes, escribiendo consultas complejas o generando contenido listo para producción, el estilo de _prompt_ correcto puede sentirse como accionar un interruptor oculto.
Utilizaremos un enfoque práctico y orientado a la solución, con ejemplos que puede copiar, adaptar y realizar pruebas A/B. Espere listas de verificación, marcos compactos y señales claras sobre cuándo usar cada estilo.
Por qué el estilo del _prompt_ importa en DeepSeek v3.1 Terminus
- El estilo impulsa el comportamiento: Terminus responde fuertemente a la estructura. Un _prompt_ que enmarca las restricciones, los roles y los criterios de evaluación guía el rastro de razonamiento del modelo.
- Compensaciones de latencia vs. profundidad: La forma en que pregunta puede fomentar resultados concisos o cadenas de varios pasos. La verbosidad controlada reduce el desperdicio de _tokens_.
- Reproducibilidad: Las plantillas consistentes mejoran el determinismo y facilitan la depuración.
El libro de jugadas de estilos de _prompt_ (dirigido por preguntas)
Estructuraremos esto como preguntas que probablemente esté haciendo, y los patrones exactos que funcionan mejor.
1) ¿Cómo puedo mejorar la precisión del razonamiento en tareas complejas?
Use un estilo de "Cadena de Verificaciones". En lugar de solo pedir una cadena de pensamiento (que no debe solicitarse textualmente), guíe al modelo para que razone en silencio y luego presente un resultado verificable con verificaciones explícitas.
- Cuándo usar: Matemáticas/lógica, cumplimiento de políticas, planificación con múltiples restricciones.
- Por qué funciona: Fomenta la planificación interna y la validación externa sin revelar el razonamiento interno.
Ejemplo de _prompt_:
Eres un analista cuidadoso. Resuelve el problema y presenta:
1) Solo la respuesta final
2) Justificación breve: enumera los supuestos y los pasos clave
3) Verificación: una verificación rápida que podría detectar un error
Problema: Un plan móvil cobra $29 de base más $0.12 por minuto después de 100 minutos. Para 245 minutos, ¿cuál es la factura?
Restricciones: Mantén la justificación en menos de 60 palabras.
Qué buscar en los resultados:
- Suposiciones claras, mínima palabrería
- Paso de verificación que realmente podría fallar
Consejo: Agregue Si no está seguro, indique la incertidumbre y qué información adicional ayudaría para reducir las alucinaciones.
2) ¿Cómo obtengo resultados estructurados cada vez?
Use un estilo "Esquema Primero" con plantillas JSON o YAML en línea. Proporcione la forma y las reglas de ejemplo.
- Cuándo usar: Integraciones, automatizaciones, llamadas a funciones, análisis posterior.
- Por qué funciona: Terminus se alinea estrechamente con esquemas explícitos.
Patrón de _prompt_:
Devuelve SOLO JSON. Sin comentarios.
Esquema:
{
"title": "string",
"summary": "string",
"priority": "low|medium|high",
"tags": ["string"],
"next_actions": [
{"task": "string", "owner": "string", "eta_days": number}
]
}
Tarea: Resume las siguientes notas de la reunión y propone los próximos pasos.
Notas: "..."
Reglas de validación:
- Usa minúsculas para las etiquetas
- Sin nulos
- Mantén el resumen ≤ 80 palabras
Consejos para fortalecer:
- Agregue
Si un campo es desconocido, omítalo para evitar marcadores de posición.
- Proporcione un ejemplo positivo y otro negativo.
3) ¿Cómo reduzco las alucinaciones?
Use el estilo "Respuesta basada en evidencia", que fuerza las citas y el rechazo cuando falta evidencia.
- Cuándo usar: Preguntas y respuestas basadas en hechos, cumplimiento, contenido regulado.
- Por qué funciona: Cambia el modelo de la conjetura generativa a la síntesis con citas.
Plantilla de _prompt_:
Responde solo si está respaldado por las fuentes proporcionadas. Cita como [S1], [S2]. Si no está respaldado, di "Evidencia insuficiente."
Pregunta: ¿Cuáles son los principales hallazgos?
Fuentes:
[S1] ...
[S2] ...
Formato de salida:
- Puntos clave (con viñetas)
- Conclusión de 1 frase
Añada medidas de seguridad:
No utilices conocimiento externo.
Si las fuentes entran en conflicto, indícalo explícitamente.
4) ¿Cómo obtengo respuestas más rápidas y cortas sin perder calidad?
Use un estilo "Restricción Comprimida" que limite los _tokens_ e instruya sobre la jerarquía de la información.
- Cuándo usar: Interfaz de usuario de chat, móvil, información sobre herramientas, resúmenes.
- Por qué funciona: Fomenta la priorización.
Patrón de _prompt_:
Entrega solo el 20% de la información más útil. Máximo 120 palabras.
Estructura:
- Respuesta de 1 línea
- 3 viñetas: evidencia, riesgos, próximo paso
Añada: Prefiera números, fechas y entidades nombradas sobre adjetivos.
5) ¿Cómo mejoro la creatividad para el contenido y la ideación?
Use un estilo "Divergir → Converger" con modos y filtros.
- Cuándo usar: Lluvia de ideas, textos de marketing, ideas de productos.
- Por qué funciona: Separa la generación de ideas de la selección, reduciendo la convergencia prematura.
Receta de _prompt_:
Fase 1 — Divergir (sin juzgar):
- Genera 12 ideas en 4 ángulos distintos
- Haz 1 idea contraria y 1 idea lúdica
Fase 2 — Converger:
- Califica cada idea en novedad (1–5) y viabilidad (1–5)
- Elige las 3 mejores basándote en la adecuación al mercado del producto
- Para el ganador: produce un discurso de 50 palabras y un titular
Agregue un fragmento de guía de marca/estilo para alinear el tono.
6) ¿Cómo coordino tareas de varios pasos con herramientas o API?
Use un estilo "Planificador-Ejecutor" con separación de roles y políticas explícitas de uso de herramientas.
- Cuándo usar: Agentes, automatizaciones, recuperación + generación.
- Por qué funciona: Evita el uso excesivo de herramientas y los bucles; aclara las condiciones de parada.
Marco de _prompt_:
Rol: Planificador
Objetivo: Reserva un vuelo por menos de $450 desde Nueva York a Seattle, del 12 al 15 de noviembre.
Política:
- Usa la herramienta de búsqueda solo para recuperar precios
- Detente cuando 2 opciones cumplan con las restricciones
- Si no hay opciones, propone 2 fechas alternativas
Salida: un plan con pasos
Rol: Ejecutor (sigue el plan exactamente)
- Ejecuta el paso 1, luego detente y resume los resultados.
Añada: Si un paso falla, propone una solución y pide permiso antes de volver a intentarlo.
7) ¿Cómo impongo el tono, el estilo y la voz de la marca?
Use un "Bloqueo de estilo" con listas explícitas de qué hacer y qué no hacer y un breve ejemplo.
- Cuándo usar: Contenido a escala, respuestas de soporte, documentos de productos.
- Por qué funciona: Las restricciones concretas superan a los adjetivos vagos.
Esqueleto de _prompt_:
Audiencia: CTO de mercado medio
Tono: conciso, concreto, seguro
Hacer: usar números, comparar ventajas y desventajas, mostrar costos
No hacer: exageraciones, clichés, preguntas retóricas
Ejemplo (2 oraciones): "..."
Tarea: Reescribe el correo electrónico a continuación para que coincida con la guía.
8) ¿Cómo obtengo una mejor generación y refactorización de código?
Use un estilo "Especificación I/O + Pruebas": defina entradas, salidas, restricciones e incluya pruebas como criterios de aceptación.
- Cuándo usar: Funciones, scripts, migraciones.
- Por qué funciona: Los modelos se optimizan para pasar pruebas visibles.
Patrón de _prompt_:
Escribe una función de Python `normalize_name(s: str) -> str`.
Restricciones:
- Recorta los espacios en blanco, colapsa los espacios múltiples, palabras en formato título
- Conserva los guiones y apóstrofes
- Solo ASCII; reemplaza los no ASCII con el más cercano
Pruebas:
- " mary ann o'brien " -> "Mary Ann O'Brien"
- "JOSE-LUIS" -> "Jose-Luis"
- "Zoë" -> "Zoe"
Añada: Explica la complejidad de tiempo/espacio en 2 oraciones.
9) ¿Cómo hago que el modelo haga preguntas aclaratorias solo cuando sea necesario?
Use "Aclaración Condicional" con umbrales explícitos.
- Cuándo usar: Asistentes de ventas, soporte, completar formularios.
- Por qué funciona: Evita el exceso de preguntas al tiempo que previene suposiciones erróneas.
Fragmento de _prompt_:
Si la confianza es ≥ 0.8, procede. Si es < 0.8, haz 1 pregunta específica.
Muestra: suposiciones inferidas y confianza (0–1).
Tarea: Elabora un borrador de la agenda de la reunión para una llamada de incorporación de 30 minutos.
10) ¿Cómo extraigo información de manera confiable de texto desordenado?
Use un estilo de "Extracción Exacta de Span" con indicaciones de anclaje y spans estrictos.
- Cuándo usar: Contratos, registros, correos electrónicos, recibos.
- Por qué funciona: Los anclajes reducen la deriva; la copia de span evita errores de paráfrasis.
Formato de _prompt_:
Extrae spans exactos para: vendor_name, invoice_total, due_date.
Reglas: copia textualmente; si falta, devuelve "".
Texto:
"""
...
"""
Salida solo JSON.
Matriz de estilo de _prompt_: Cuándo usar qué
- Tareas de razonamiento → Cadena de Verificaciones
- Salidas estructuradas → Esquema Primero
- Hechos con citas → Basado en Evidencia
- Claridad de formato corto → Restricción Comprimida
- Ideación → Divergir → Converger
- Uso de herramientas/agentes → Planificador-Ejecutor
- Voz de marca → Bloqueo de Estilo
- Tareas de código → Especificación I/O + Pruebas
- Aclaraciones → Aclaración Condicional
Mantén una pequeña biblioteca de estos patrones y pruebas A/B.
Actualizaciones prácticas que se combinan
- Ventanas de contexto: Proporcione solo el contexto relevante. Coloque los objetivos y las restricciones en la parte superior; las referencias en la parte inferior.
- Prioridad de instrucción: El orden importa. Use encabezados como
Objetivo, Restricciones, Salida para establecer la jerarquía.
- Condiciones de parada: Evite la divagación con
Detente cuando… y presupuestos de _tokens_.
- Autoverificaciones: Agregue un solo paso de verificación adaptado a la tarea.
- Disciplina de temperatura: Más bajo para la precisión (0.1–0.3), más alto para la creatividad (0.6–0.9). Coincide con el estilo del _prompt_.
- Determinismo: Fije semillas o aumente el muestreo n-best si su pila lo admite.
Mini escenarios del mundo real
- Informe de análisis (Restricción Comprimida + Basado en Evidencia):
- "Resume las bajas del embudo del tercer trimestre utilizando los datos a continuación. Máximo 120 palabras. Cita los ID de tabla [T1], [T2]. Si falta una métrica, di 'datos insuficientes'."
- Verificación de cláusula legal (Cadena de Verificaciones):
- "Identifica los términos ambiguos y propone alternativas en lenguaje sencillo. Proporciona la lista final, 3 riesgos clave y una sola verificación."
- Reescritura de contenido (Bloqueo de Estilo):
- "Reescribe estas preguntas frecuentes para un tono amigable y directo. Hacer: contracciones, oraciones cortas; No hacer: palabras de moda."
Solución de problemas: si los resultados no mejoran
- ¿Demasiado vago? Ajusta las restricciones y agrega un mini ejemplo.
- ¿Demasiado extenso? Agregue límites de _tokens_ y una estructura de viñetas primero.
- ¿Alucinando? Cambia a Basado en Evidencia y restringe a las fuentes proporcionadas.
- ¿JSON inconsistente? Incluye un esquema y un ejemplo fallido para evitarlo.
- ¿Uso excesivo de herramientas? Establece reglas claras de uso de herramientas y criterios de parada.
Avanzado: Encadenamiento de _prompts_ sin fugas
- Etapa 1: Enmarcado del problema (recopila restricciones y métricas de éxito)
- Etapa 2: Propuesta de plan (2–3 opciones, elige una)
- Etapa 3: Ejecución (sigue el plan exactamente)
- Etapa 4: Revisión (autoverificaciones + criterios de aceptación)
- Etapa 5: Empaquetado (formato final, longitud, voz)
Pasa solo los datos mínimos necesarios entre etapas para evitar la sobrecarga del _prompt_. Use delimitadores únicos para cada etapa (<<<STAGE2>>>).
Por cierto: una forma más rápida de iterar
Vale la pena señalar: si está experimentando con muchos estilos de _prompt_, tener un copiloto lado a lado que pueda guardar plantillas de _prompt_, ejecutar pruebas A/B rápidas y analizar salidas estructuradas es un verdadero acelerador. Herramientas como Sider.AI pueden fijar patrones de _prompt_ reutilizables, capturar salidas como JSON y ayudarlo a comparar ejecuciones para que pueda elegir el estilo de mejor rendimiento para una tarea determinada. Conclusiones clave
- Elija un estilo de _prompt_ que coincida con la tarea; no mezcle demasiados patrones a la vez.
- Use una estructura explícita: Objetivo, Restricciones, Salida y Condiciones de parada.
- Favorezca los esquemas, los ejemplos y la verificación sobre los adjetivos.
- Prueba A/B estilos (por ejemplo, Cadena de Verificaciones vs. Restricción Comprimida) y mide los resultados.
- Mantén una biblioteca de plantillas que puedas modificar según el contexto.
Referencia rápida: plantillas para copiar/pegar
Rol: Analista cuidadoso
Tarea: [tarea]
Salida:
1) Respuesta final
2) Justificación breve (≤60 palabras)
3) Una verificación
Si no está seguro, diga qué información falta.
Devuelve solo JSON.
Esquema: {...}
Reglas de validación: [...]
Tarea: [...]
Responde solo usando las Fuentes [S1..Sn]. Si no está soportado: "Evidencia insuficiente."
Proporciona citas como [S1].
Máximo 120 palabras.
- Respuesta de 1 línea
- 3 viñetas: evidencia, riesgos, próximo paso
Fase 1: 12 ideas en 4 ángulos (incluye 1 contraria, 1 lúdica)
Fase 2: Califica, elige las 3 mejores, expande al ganador
Rol: Planificador → pasos, detente cuando se cumplan las restricciones
Rol: Ejecutor → sigue los pasos exactamente, detente y resume
Audiencia, Tono, Hacer/No hacer, Ejemplo, Tarea
- Especificación I/O + Pruebas
Especificación de función + restricciones + pruebas de aceptación
Si la confianza es ≥ 0.8 procede; sino, haz 1 pregunta. Muestra la confianza.
Extrae spans exactos; copia textualmente; devuelve solo JSON.
Preguntas frecuentes
P1: ¿Qué estilo de _prompt_ funciona mejor para DeepSeek v3.1 Terminus en el razonamiento complejo?
Usa un _prompt_ de Cadena de Verificaciones: solicita una respuesta final, una justificación breve y un solo paso de verificación. Mejora la precisión sin exponer el razonamiento interno y reduce los errores lógicos sutiles.
P2: ¿Cómo puedo obligar a DeepSeek v3.1 Terminus a devolver JSON limpio?
Adopta un _prompt_ de Esquema Primero con una plantilla JSON explícita, reglas de validación y ejemplos. Indica al modelo que genere solo JSON y omita los campos desconocidos para evitar marcadores de posición.
P3: ¿Cómo evito las alucinaciones con DeepSeek v3.1 Terminus?
Usa un estilo de Respuesta Basada en Evidencia que limite el modelo a las fuentes proporcionadas y requiera citas como [S1]. Si falta evidencia, indica al modelo que declare "Evidencia insuficiente".
P4: ¿Cuál es la forma más rápida de obtener respuestas concisas y de alta calidad?
Usa un _prompt_ de Restricción Comprimida: limita el recuento de palabras, define una estructura estricta y prioriza los datos sobre los adjetivos. Esto mantiene las respuestas informativas y compactas.
P5: ¿Qué estilo de _prompt_ debo usar para la generación de código?
Usa un _prompt_ de Especificación I/O + Pruebas. Define la firma de la función, las restricciones e incluye pruebas de aceptación; los modelos se optimizan para pasar esas pruebas, lo que produce un código más confiable.
