Cuando automatizas el desarrollo con IA, el mayor riesgo no es que el modelo se equivoque una vez, es que repita el mismo error cien veces porque nadie le dio una receta fija que seguir. Las instrucciones ponen las reglas siempre activas y las skills aportan el conocimiento de cada dominio, pero falta una tercera pieza: algo que convierta ese conocimiento en una tarea concreta, ejecutable, con principio y fin. Esa pieza es el prompt.
Qué es un prompt (y qué no es)
Un prompt no piensa: ejecuta una receta paso a paso. Es la diferencia entre pedirle a alguien "sé cuidadoso con los datos" (eso es una instrucción, siempre activa) y darle una lista numerada de qué hacer primero, qué hacer después y cuándo parar a preguntar (eso es un prompt). Sirve específicamente para automatizar tareas repetitivas que ya has validado antes, no para explorar algo nuevo sin supervisión.
Cuando ese prompt tiene varios pasos encadenados, con lógica condicional entre ellos, se le suele llamar prompt-workflow: sigue siendo un prompt, solo que con más de un paso.
Cómo se estructura el fichero
Un prompt vive como un fichero con dos partes: un front-matter en YAML y un cuerpo con los pasos.
---
Cuatro campos hacen todo el trabajo:
- agent: indica que es un workflow con capacidad de ejecutar herramientas, no una simple conversación.
- model: qué modelo debe usarse para esa tarea concreta, si el resto de tu sesión está en otro modelo, el prompt fuerza el cambio automáticamente al invocarse.
- description: una frase que resume qué hace, para que se sugiera en el momento adecuado.
- tools: la lista cerrada de herramientas permitidas. No se le da acceso a "todo lo disponible", solo a lo que la tarea concreta necesita.
El cuerpo añade guardarrailes (qué es lo que nunca debe hacer) y los pasos numerados: leer contexto, decidir qué skills cargar según el dominio de la tarea, generar el resultado, y el paso que de verdad marca la diferencia, parar antes de aplicar nada.
Dónde se guarda y cómo se invoca
Los prompts viven en .github/prompts/ dentro del repositorio, un fichero por tarea. Para usarlo, basta con escribir / seguido del nombre del fichero en el chat del agente. Copilot lo detecta automáticamente y lo ejecuta.
Caso práctico: log de mantenimiento en RentalFlow
Para verlo en acción: RentalFlow es la app de alquiler de maquinaria del caso de estudio. Ya existe la ficha de cada equipo; lo que falta es un log de mantenimiento asociado, cada vez que un equipo entra o sale de mantenimiento, queda registrado.
El prompt que resuelve esto carga, en su Step 2, tres skills según lo que la tarea necesite:
- skill-tables : cómo se diseña la tabla nueva: clave primaria,
DataClassification, rango de IDs. - skill-relations : cómo se relaciona con la tabla de equipos ya existente.
- skill-permissions : cómo se actualiza el juego de permisos, porque todo objeto nuevo necesita entrar en él.
Ninguna de las tres se carga "por si acaso": el propio prompt decide cuáles tocan según lo que va a construir.
El guardarail que más importa: la parada humana
Antes de escribir un solo fichero, el prompt genera el resultado completo: tabla, página y entradas de permisos y lo muestra íntegro en el chat, sin tocar disco. Ahí se detiene y espera una aprobación explícita.
Esa parada (human-in-the-loop, o HITL) no es un paso decorativo: es lo que convierte una automatización en algo controlable. El modelo puede automatizar todo el trabajo mecánico: leer contexto, decidir qué conocimiento aplicar, generar código correcto, pero el criterio final de "esto es lo que quiero" sigue siendo humano. Solo tras un "sí, adelante" explícito el prompt pasa al último paso: escribir los ficheros .al y actualizar el permission set.
Instrucciones, skills y prompts, juntos
Las tres piezas encajan así: la instrucción pone la regla que nunca cambia (prefijos, DataClassification obligatorio), la skill aporta el conocimiento específico de cada dominio (cómo se hace bien una tabla, una relación, un permission set), y el prompt ata todo eso a una tarea concreta con pasos, herramientas mínimas y un punto de control humano antes de que nada se vuelva permanente.
El siguiente paso natural es dejar de decirle al agente, paso a paso, qué prompt ejecutar y que sea un agente el que orqueste solo la secuencia completa. De eso hablaremos en la próxima entrega.
Te dejo un video para que veas cómo funciona en vivo:
No hay comentarios:
Publicar un comentario