Generador de plantillas de prompts
Elige una tarea y obtén un esqueleto de prompt que puedes editar. El generador no llama a un modelo. Rellena una estructura que los modelos locales siguen con más fiabilidad que un pedido de una línea: una línea de rol o de tarea, reglas y un sitio donde pegar tu propio material. Sustituye cada corchete y luego borra los corchetes antes de ejecutarlo.
Cómo usar un esqueleto
- Elige la tarea más cercana. Si ninguna encaja, elige Redacción y sustituye la línea de tarea. No apiles dos tareas en un solo esqueleto.
- Genera y luego copia. Edita en una aplicación de notas, no solo en este recuadro, para poder guardar la versión que funcionó.
- Sustituye cada corchete. Un «[tema]» que se quede se tratará como parte de la instrucción.
- Pega tu fuente bajo la etiqueta que el esqueleto ya tiene, como Texto: o Código:.
- Si el resultado sigue suelto, pasa el prompt editado por el Optimizador de prompts.
Para qué sirve cada esqueleto
Redacción
Una sola pieza con una extensión, un tono y una estructura. Úsalo para una entrada, un texto breve o una explicación corta. Le dice al modelo que no invente estadísticas. Si en su lugar necesitas un correo, cambia la línea de tarea y pon un tope de palabras por debajo de 150. Hay más prompts de correo ya terminados en la Biblioteca de prompts.
Programación
Una función, un lenguaje, un caso límite. Pide solo código. No pidas también pruebas en el mismo prompt. Pega una descripción corta, no un archivo entero, salvo que pases a un prompt de revisión de la biblioteca.
Resumen
Un número fijo de viñetas y una prohibición de datos externos. Pon la fuente después de Texto:. Si la fuente es larga, compruébala antes con el Contador de tokens.
Extracción de datos
JSON plano y null para los campos que faltan. Cambia los nombres de las claves. No añadas un objeto anidado salvo que ya hayas visto que este modelo maneja bien el JSON plano.
Análisis o revisión
Tres puntos, una mejora y una recomendación corta. Le dice al modelo que no invente números. Para una revisión de un fallo o una decisión entre dos opciones, empieza aquí y luego sustituye la lista numerada por las etiquetas de Mejores plantillas de prompts para LLMs locales.
Un ejemplo rellenado
Línea del esqueleto: «Escribe un [tipo de contenido] sobre [tema]». Rellenada:
Fíjate en que los corchetes han desaparecido y la línea de estructura es concreta. «Hazlo bien» no aparece nunca.
Qué no hará esta herramienta
- No escribirá el prompt final a partir de tu documento. Los datos los añades tú.
- No elegirá un modelo ni una temperatura (temperature). Para tareas repetibles, pon la temperatura cerca de 0.2. Mira Cómo obtener resultados consistentes de modelos locales.
- No guarda plantillas. Copia las que quieras conservar.
Preguntas
¿Por qué solo hay cinco tipos?
Estos cinco cubren las formas que los modelos locales manejan sin un prompt de sistema largo. Los trabajos poco habituales siguen encajando si mantienes una sola tarea y nombras la salida. La biblioteca tiene copias más concretas si no quieres adaptar un esqueleto.
¿Puedo generar en otro idioma?
El esqueleto está en español, un idioma de instrucción fiable para muchos modelos locales aunque la salida deba estar en otro idioma. Añade una línea: «Escribe la salida en [idioma]. Mantén estas instrucciones en español».
El botón de copiar no hizo nada.
Algunos navegadores bloquean el acceso al portapapeles en una página abierta como archivo local. Selecciona la plantilla y cópiala a mano. En el sitio en vivo el botón debería funcionar.
¿Todos los prompts deben empezar por «Eres»?
No. La extracción puede empezar por «Extrae JSON…». Usa un rol cuando importe el criterio de juicio. El motivo está en Lo que sí funciona.
Guías y herramientas relacionadas
- Mejores plantillas de prompts para LLMs locales (2026)
- Cómo escribir mejores prompts para modelos locales de IA
- Ingeniería de prompts para IA local: lo que sí funciona
- Cómo obtener resultados consistentes de modelos locales de IA
- Biblioteca de prompts para IA sin conexión
- Optimizador de prompts
- Contador de tokens para modelos locales