📘 Clase 02: Prompt Engineering Avanzado y Few-Shot Learning
- :material-bookmark: Curso: Curso 3: Creación y Desarrollo de Agentes de IA (CLASE 02)
- :material-signal-cellular-outline: Nivel:
Nivel 3 - Avanzado - :material-lightbulb-on: Metáfora Central: «El Director de Cine y el Guión Técnico (Instrucción + Ejemplos)»
- :material-laptop: Wisrovi Studio (Local): 🚀 Abrir Reto • 👨🏫 Modo Tutor
- :material-file-pdf-box: Manual PDF Oficial: Descargar clase-02-prompt-engineering-avanzado.pdf
-0284c7?logo=python&logoColor=white){kind=icon}
1. 💡 Fundamentación Teórica y Modelo Mental
Técnicas deterministas para maximizar la fidelidad y precisión del LLM: 1. System Prompt: Define el rol, restricciones y tono de respuesta. 2. Few-Shot Learning: Proporcionar ejemplos demostrativos (Input -> Output) antes de la consulta. 3. Delimitadores Semánticos: Uso de Markdown (```, ###) para separar instrucciones de datos de usuario.
🌟 Modelo Mental de la Sesión: «El Director de Cine y el Guión Técnico (Instrucción + Ejemplos)»
En esta sesión anclamos el aprendizaje en la metáfora del mundo real para visualizar cómo fluyen las estructuras de datos y el flujo de ejecución en la memoria.
2. 🗺️ Arquitectura de Ejecución y Diagrama de Flujo
flowchart TD
A["🎬 System Prompt: 'Eres un Arquitecto de Software'"] --> B["📋 Few-Shot Examples: (Input -> Output)"]
B --> C["👤 User Prompt: 'Diseña la BD'"]
C --> D["🎯 Respuesta Altamente Precisa y Estructurada"]
style A fill:#1e293b,color:#ffffff,stroke:#3b82f6,stroke-width:2px
style B fill:#0f766e,color:#ffffff,stroke:#2dd4bf,stroke-width:2px
style D fill:#059669,color:#ffffff,stroke:#34d399,stroke-width:2px3. 💻 Código de Implementación Práctica
```python def formatear_prompt(rol: str, tarea: str, entrada: str) -> str: return f"""### SYSTEM
Eres un {rol}.
INSTRUCCIÓN
{tarea}
INPUT
{entrada}
RESPUESTA:"""
print(formatear_prompt("Traductor Técnico", "Traduce a inglés", "Base de datos vectoriales")) ```
```python ejemplos = [("positivo", "Me encantó"), ("negativo", "Pésimo servicio")]
for label, txt in ejemplos: print(f"Ejemplo: '{txt}' -> {label}") ```
4. 🛡️ Buenas Prácticas PEP 8: Antipatrones vs Código Pythonic
⚠️ Cuidado con los Antipatrones
5. 🏋️ Desafío Práctico de la Clase
🎯 Enunciado del Reto
Crea una función construir_prompt_few_shot(rol: str, tarea: str, ejemplos: list[tuple[str, str]], input_usuario: str) -> str que arme un prompt concatenando el rol, la tarea, los pares de ejemplos 'Entrada: X -> Salida: Y' y la entrada final del usuario.
⚡ Resolución Híbrida en 1 Clic (Local + Web)
Si tienes ejecutando wisrovi ui en tu terminal local, puedes 🚀 Abrir este Reto directamente en tu Studio Local (127.0.0.1:8501) para escribir tu código con auto-formateo AST, inspeccionar variables en el Heap/Stack y evaluarlo con pruebas en tiempo real.
def construir_prompt_few_shot(rol: str, tarea: str, ejemplos: list[tuple[str, str]], input_usuario: str) -> str:
# ✍️ Estructura el prompt con System, Examples y User Input
lineas = [
f"ROL: {rol}",
f"TAREA: {tarea}",
"EJEMPLOS:"
]
for inp, out in ejemplos:
lineas.append(f"Entrada: {inp} -> Salida: {out}")
lineas.append(f"ENTRADA USUARIO: {input_usuario}")
lineas.append("RESPUESTA:")
return "\n".join(lineas)
💡 Pista Socrática 1
💡 Pista 1: Incluye la cabecera ROL: {rol} y TAREA: {tarea}.
💡 Pista Socrática 2
💡 Pista 2: Itera sobre ejemplos formateando cada tupla como Entrada: {inp} -> Salida: {out}.
💡 Pista Socrática 3
💡 Pista 3: Une todas las líneas con \n.
Para resolver este ejercicio en tu entorno:
1. Abre el archivo ejercicios/reto.py de esta clase en Visual Studio Code o utiliza wisrovi ui / wisrovi tutor.
2. Implementa tu solución cumpliendo los requisitos y contratos de tipado.
3. Valida tus resultados ejecutando las pruebas unitarias: