El prompting efectivo es el pilar para construir agentes de IA robustos, fiables y predecibles. Las instrucciones claras y bien estructuradas que proporcionas a tu Large Language Model (LLM) son cruciales para guiar su comportamiento, el uso de herramientas y la interacción.

1. Recomendaciones Generales de Prompting para Agentes de IA

Estas pautas son fundamentales para cualquier agente, independientemente de su dominio o complejidad.

1.1. Claridad y Precisión en el Rol del Agente

Define explícitamente el propósito central y las responsabilidades del agente. Esto ayuda al LLM a comprender su identidad y su objetivo principal en la interacción.

• Recomendación: Indica claramente "quién es" el agente y "qué debe hacer". Establece su alcance, sus tareas principales y el tono esperado (ej. "amable", "directo", "profesional").
• Ejemplo General:
  • "Eres un Asistente de Soporte Técnico especializado en resolver problemas de conexión a internet. Tu objetivo es guiar al usuario paso a paso para diagnosticar y solucionar fallas."
  • "Actúa como un Experto en Planificación de Viajes que ayuda a los usuarios a organizar sus itinerarios. Proporciona recomendaciones basadas en preferencias y presupuesto."

1.2. Instrucciones Detalladas para el Uso de Herramientas

Las herramientas son las capacidades funcionales del agente, sus "manos" y "ojos". El LLM necesita saber cuándo y cómo utilizarlas de manera efectiva y sin alucinaciones.

• Recomendación: No solo declares las herramientas disponibles; explica su propósito, cuándo deben activarse, qué tipo de argumentos esperan (y sus formatos) y qué tipo de resultados devuelven. Sé muy específico sobre las condiciones de uso y las limitaciones.
• Ejemplo:
  • "Usa la herramienta buscar_base_conocimiento(query: str) solamente para encontrar artículos y soluciones a problemas comunes. La query debe ser una descripción concisa del problema del usuario. No uses esta herramienta para preguntas generales o que no estén relacionadas con soporte técnico."
  • "La herramienta calcular_precio_envio(origen: str, destino: str, peso_kg: float) debe usarse solo después de que el usuario haya proporcionado el origen, destino y peso del paquete. La herramienta espera el peso_kg como un número flotante. No asumas valores."
• Recomendación: Incluye ejemplos de interacción exitosa (few-shot prompting) dentro del prompt del LLM. Esto demuestra el patrón deseado de llamada a la herramienta y cómo interpretar sus resultados.

1.3. Manejo Explícito de Limitaciones y Errores

Los agentes operan en un mundo imperfecto donde las herramientas pueden fallar o la información puede ser insuficiente. El prompt debe preparar al agente para manejar estas situaciones de manera controlada y amigable para el usuario.

• Recomendación: Define un "modo seguro" o un comportamiento de fallback. Indica al agente qué hacer si una tarea no se puede completar, si una herramienta falla (con tipos específicos de error si es posible), o si no puede encontrar una respuesta adecuada.
• Ejemplo General:
  • "Si no puedes encontrar una solución usando buscar_base_conocimiento, informa al usuario diciendo 'Lo siento, no pude encontrar una solución en nuestra base de datos para eso.' y ofrece escalar el problema a un agente humano. No intentes inventar soluciones ni adivinar respuestas."
  • "Si la herramienta validar_datos_usuario retorna un error por datos incorrectos, informa al usuario exactamente qué dato es inválido y pídele que lo corrija de manera educada. Ejemplo: 'Parece que el formato de su número de teléfono es incorrecto. Por favor, asegúrese de usar 10 dígitos.'."

1.4. Guía para la Coherencia entre Promesa y Acción

Esto es fundamental para prevenir la "alucinación de acciones", donde el agente verbaliza una intención de usar una herramienta pero no la ejecuta realmente (o viceversa).

• Recomendación: Instruye al agente a validar la ejecución de una herramienta y esperar su resultado antes de confirmar una acción o información al usuario. El LLM debe internalizar que su "promesa" verbal debe estar ligada a una ejecución real.
• Ejemplo General:
  • "Si mencionas que vas a ejecutar una acción (ej. 'Voy a buscar los datos de tu cuenta'), asegúrate de invocar la herramienta correspondiente y espera a recibir el resultado real de la herramienta antes de confirmar la información o la acción al usuario. No digas que la acción se completó hasta que tengas la confirmación de la herramienta."
  • "No proporciones información sobre el envío hasta que la herramienta calcular_precio_envio haya devuelto un resultado numérico válido. Si la herramienta no devuelve un número, solicita al usuario que intente de nuevo con datos correctos."