Un LLM (Large Language Model) es el motor o la tecnología base en la inteligencia artificial.

Es un modelo de inteligencia artificial entrenado con enormes cantidades de texto para:

• Entender lenguaje natural
• Generar texto
• Responder preguntas
• Traducir, resumir, programar, etc.

Ejemplos de LLM:

• GPT-4
• GPT-5
• Gemini 1.5
• LLaMA 3

Piensa en el LLM como el cerebro.

Algunos ejemplos:

• ChatGPT
• Gemini
• Meta
• Claude

Incluyen:

• Interfaz de chat
• Herramientas extra (memoria, navegación, archivos, etc.)
• Ajustes de comportamiento
• Integraciones con otros servicios

Esto es lo que realmente utiliza el usuario final.

Cuando usas algo como ChatGPT o Gemini, por debajo siempre ocurre esto:

1. 🧠 Modelo (LLM)

Por ejemplo, GPT-5 o Gemini 1.5. Es el “cerebro” que:

• Predice texto
• No sabe realmente “la verdad”.
• No tiene intención propia.

Solo completa lo más probable según el contexto.

2. Sistema (system prompt)

Es una instrucción oculta que define el comportamiento del modelo.

Ejemplos:

• “Eres un profesor claro y conciso”
• “Responde como experto en derecho”
• “No des información peligrosa”

Esto no lo ves normalmente, pero controla mucho el resultado. En APIs o herramientas como Ollama sí puedes modificarlo directamente.

3. Prompt del usuario

Esto es lo que tú escribes.

Ej:

• “Explícame qué es la inflación”
• “Hazlo como si tuviera 10 años”

Aquí es donde tienes control directo.

4. Contexto (historial + info extra)

Incluye:

• Conversación previa
• Archivos que subes
• Datos adicionales

Es *clave*, porque el modelo responde en base a TODO esto, no solo tu último mensaje.

El modelo realmente recibe algo así:

[Sistema]
+ [Contexto previo]
+ [Tu prompt]
= Respuesta

No responde solo a tu última pregunta, sino al *conjunto completo*.

❌ Prompt pobre:

"Explícame esto"

👉 Resultado: genérico, poco útil

✅ Prompt bien estructurado:

"Explícame la inflación como si fueras un profesor de economía, con ejemplos simples y en menos de 150 palabras"

Aquí estás controlando:

• Rol (profesor) → sistema-like
• Nivel → estilo
• Formato → longitud

Resultado: mucho mejor

Un buen prompt hace 3 cosas:

• Define el rol
• Define la tarea
• Define el formato de salida

Si falta uno → la calidad baja.

Muchísima gente piensa: “El modelo es bueno o malo”, pero en realidad, La calidad depende muchísimo de cómo estructuras el input

Analogía final potente

Imagina:

• Modelo = chef
• Sistema = reglas del restaurante
• Prompt = lo que pides
• Contexto = lo que ya hablaste con el camarero

Si pides mal, incluso el mejor chef falla.

El modelo se comporta mejor cuando “sabe quién es”.

Idea: le das un rol claro, estilo y objetivo.

Ejemplo básico:

❌ Prompt pobre:

Explícame qué es la inteligencia artificial

✅ Prompt con rol:

Eres un profesor universitario especializado en IA. Explica qué es la inteligencia artificial con ejemplos sencillos y analogías para un estudiante de primer año.

Beneficio: El modelo ajusta tono, detalle y estilo automáticamente.

Dar un par de ejemplos de la salida que quieres mejora muchísimo la precisión.

Ejemplo:

Eres un redactor de emails profesionales. Mira estos ejemplos:
Ej1: ‘Estimado cliente, le informamos…’
Ej2: ‘Hola equipo, les comparto…’
Ahora redacta un email informal para notificar un retraso en la entrega de un pedido.”

Beneficio: El modelo “aprende” tu estilo en el momento y lo replica.

Cuando quieres respuestas complejas o lógicas, pides que explique el proceso.

Ejemplo:

Resuelve este problema de matemáticas paso a paso:
Si tengo 3 cajas con 5 manzanas cada una y regalo 4 manzanas, ¿cuántas me quedan?

Beneficio: Reduce errores en cálculos o razonamiento complejo porque obliga al modelo a “pensar en voz alta”.

Puedes pedirle estructura, longitud o formato específicos.

Ejemplo:

> Resume este artículo en **3 bullets**, cada uno máximo 20 palabras, usando lenguaje sencillo.

Beneficio: La respuesta se ajusta exactamente a tus necesidades, no tienes que reescribirla.

Si la primera respuesta no es perfecta, puedes hacer *prompt refinement*:

> Hazlo más conciso y agrega un ejemplo concreto de la vida real.

Tip profesional: Es más eficiente ajustar el prompt que corregir la salida.

• Define rol + tarea + formato
• Da ejemplos si quieres estilo consistente
• Usa contexto relevante
• Pide paso a paso para razonamiento complejo
• Refina iterativamente, no lo dejes al azar

Paso 1: Definir el rol

Primero, le decimos al modelo quién es y qué hace. Esto ayuda a que genere respuestas con precisión técnica y estilo profesional.

Ejemplo:

Eres un desarrollador senior en PHP con 10 años de experiencia, experto en buenas prácticas, seguridad y eficiencia en desarrollo web.

Paso 2: Definir la tarea concreta

Si quieres ayuda con código, debugging, optimización o explicación de conceptos, hay que especificarlo:

Tu tarea es ayudarme a escribir código PHP correcto, explicar problemas en mis scripts y sugerir mejoras de manera clara y concisa.

Paso 3: Usar chain-of-thought para problemas complejos

Cuando tengas un problema de lógica o debugging, pide explicación paso a paso:

Responde paso a paso, primero identificando el problema, luego sugiriendo la solución y finalmente mostrando el código corregido.

Paso 4: Control de formato y ejemplos (few-shot)

Para que las respuestas sean consistentes, podemos dar un mini-ejemplo de salida deseada:

Ejemplo:
Problema: No puedo conectar a MySQL
Solución paso a paso:
1. Verificar credenciales
2. Revisar host y puerto
3. Comprobar errores de conexión
Código corregido:
<?php
$mysqli = new mysqli("localhost", "user", "password", "database");
if ($mysqli->connect_error) {
    die("Error de conexión: " . $mysqli->connect_error);
}
?>

Paso 5: Combinar todo en un prompt “listo para usar”

Cuando necesites ayuda, podrías escribir algo como esto:

Eres un desarrollador senior en PHP con 10 años de experiencia, experto en buenas prácticas y seguridad.
Tu tarea es ayudarme a escribir código PHP correcto, explicar problemas y sugerir mejoras de manera clara y concisa.
Responde paso a paso, primero identificando el problema, luego sugiriendo la solución y finalmente mostrando el código corregido.
Aquí está mi problema: [DESCRIBE TU PROBLEMA O PEGA TU CÓDIGO AQUÍ]

Tips profesionales adicionales para PHP

• Incluye siempre el contexto: versión de PHP, framework (Laravel, Symfony, etc.)
• Pregunta por alternativas: “Dame 2 formas de optimizar este query”
• Usa prompts iterativos: primero genera, luego revisa errores, luego optimiza
• Pide explicaciones breves de seguridad: SQL injection, XSS, validaciones

Plantilla de prompt:

Eres un desarrollador senior en PHP con más de 10 años de experiencia, experto en buenas prácticas, seguridad, eficiencia, y frameworks de PHP.
Tu tarea es actuar como mi **asistente de programación PHP**, ayudándome a revisar, depurar, optimizar y mejorar cualquier código PHP que te entregue. 

Sigue estas instrucciones paso a paso:

1. **Identificación del problema:** Detecta errores, vulnerabilidades de seguridad (SQLi, XSS, CSRF), malas prácticas y posibles problemas de performance.  
2. **Explicación técnica:** Describe por qué ocurre cada problema y cómo solucionarlo, de forma clara y concisa.  
3. **Código corregido y optimizado:** Muestra la versión correcta en bloques de código PHP, con comentarios explicativos donde sea útil.  
4. **Buenas prácticas y seguridad automáticas:** Señala mejoras de seguridad, validaciones, hash de contraseñas, prepared statements, sanitización de inputs, etc.  
5. **Alternativas de implementación:** Si es posible, sugiere al menos una forma alternativa, más eficiente o segura, de implementar la misma funcionalidad.  
6. **Optimización de performance:** Recomienda mejoras de eficiencia o simplificación de código, especialmente en queries o loops.  
7. **Chain-of-thought:** Explica paso a paso tu razonamiento antes de mostrar el código final.  

Instrucciones adicionales:  
- Ajusta la respuesta según la **versión de PHP**: [INDICA TU VERSIÓN DE PHP]  
- Ajusta según **framework**: [INDICA FRAMEWORK, ej. Laravel, Symfony, ninguno]  
- Mantén estilo profesional, claro y conciso.  
- Usa comentarios en el código para que sean útiles en producción.  
- Si detectas un error de lógica o seguridad, prioriza la corrección antes de mostrar alternativas.  

Aquí está mi problema o código:
[PEGA TU CÓDIGO O DESCRIBE EL PROBLEMA AQUÍ]