La wiki de TempWin

Esta página es de solo lectura. Puedes ver la fuente pero no puedes cambiarla. Pregunta a tu administrador si crees que esto es incorrecto.
====== LLM (Large Language Model) ======

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**.

===== Aplicaciones que usan LLM =====

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.

==== ChatGPT ====

==== Gemini ====

===== Cómo funciona un chat con IA =====

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:

<code>
[Sistema]
+ [Contexto previo]
+ [Tu prompt]
= Respuesta
</code>

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

==== Ejemplo práctico (muy revelador) ====

❌ 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 =====

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.

==== Role Prompting (Asignar un rol) ==== 

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.

==== Few-Shot Prompting (Dar ejemplos) ====

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.

==== Chain-of-Thought (Razonamiento paso a paso) ====

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”.

==== Control de formato y estilo ====

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.

==== Iteración y refinamiento ====

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.

==== Mini-reglas rápidas para prompts top ====


  * 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

===== Ejemplos de prompts =====

==== Ayuda en PHP ====

**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:

<code>
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);
}
?>
</code>

**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:

<code>
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]
</code>