Cómo funciona

En un chat con IA, el prompt de usuario es el texto que escribe el usuario. Se une al system prompt (instrucciones del sistema) y al historial de la conversación para formar el contexto completo que procesa el modelo.

La calidad del prompt de usuario afecta directamente la calidad de la respuesta. Un prompt claro y específico tiende a generar mejores respuestas. Un prompt vago o ambiguo tiende a generar respuestas genéricas o incorrectas.

En agentes de código, el prompt de usuario puede ser "refactoriza esta función para usar async/await" o "crea tests para este módulo". El agente interpreta esa instrucción, analiza el código y ejecuta el cambio.

Ejemplo práctico

En un agente de código, el prompt de usuario puede ser "refactoriza esta función para usar async/await". El agente interpreta esa instrucción, analiza el código y ejecuta el cambio. Si el prompt es vago ("mejora este código"), el resultado será menos preciso.

En una aplicación de chatbot, el prompt de usuario puede ser "resume este artículo en 3 puntos". El modelo usa el system prompt (que define el tono y las reglas) junto con el prompt de usuario (que define la tarea) para generar la respuesta.

Para qué sirve

Entender la diferencia entre prompt de usuario y system prompt ayuda a diseñar agentes y aplicaciones de IA más eficaces. El prompt de usuario define qué hacer. El system prompt define cómo hacerlo.

Para desarrolladores, esto significa diseñar interfaces que capturen la intención del usuario de forma clara. Para usuarios, significa aprender a escribir prompts específicos y con contexto suficiente.

Diferencia entre prompt de usuario y system prompt

El system prompt define reglas, personalidad y contexto general del modelo. Lo configura el desarrollador y no cambia durante la conversación. El prompt de usuario define la tarea específica. Lo envía el usuario en cada interacción.

En las APIs de LLM, el system prompt va en el campo "system" y el prompt de usuario va en el campo "user". Algunos modelos no diferencian ambos y tratan todo como una única secuencia de texto.