Técnicas de prompting para Claude: tags XML, ejemplos y prefill

Un prompt bien escrito no consiste en elegir las palabras mágicas — consiste en eliminar la ambigüedad estructural. Esta página cubre las técnicas documentadas que resuelven los problemas más comunes: que Claude confunda dato con instrucción, respuestas inconsistentes y falta de razonamiento explícito.

Por qué las tags XML resuelven más que un párrafo pidiendo cuidado

Cuando un prompt mezcla instrucción, dato y ejemplo en el mismo bloque de texto plano, Claude tiene que adivinar cuál es cuál — y a veces se equivoca, tratando un fragmento de dato, como un comentario dentro de un diff de código, como si fuera una instrucción dirigida a él.

La corrección documentada no es reforzar con más adverbios ("presta atención", "no confundas") — es envolver cada tipo de contenido en su propia tag, como ``, `` y ``. Eso elimina la ambigüedad de estructura en lugar de intentar compensarla con énfasis, y escala mejor a medida que el prompt crece.

Multishot: los ejemplos enseñan el patrón mejor que la instrucción repetida

Para tareas repetitivas — clasificar, extraer, formatear — de tres a cinco ejemplos bien elegidos enseñan el patrón de salida de un modo que reescribir la instrucción no logra. Claude generaliza a partir del patrón que muestran los ejemplos, no solo de lo que describe la frase de instrucción.

La posición también importa: en documentos largos, el material extenso va al inicio del prompt y la pregunta al final. Ese es el orden que la guía de Anthropic mide como más confiable — invertirlo, pregunta primero y documento después, tiende a empeorar la respuesta, no a ayudar.

Cómo pedir razonamiento explícito sin extended thinking

Sin el modo de extended thinking activado, la forma documentada de aun así obtener razonamiento paso a paso antes de la respuesta final es pedirlo de forma explícita en el prompt — por ejemplo, con una tag como `` antes de la respuesta. Claude no piensa en voz alta por defecto; el formato tiene que solicitarse.

Para forzar un formato de salida específico existe una técnica complementaria: prefill, que comienza la respuesta del assistant por usted — por ejemplo, abriendo ya con `{` para empujar hacia JSON. Funciona bien por sí sola, pero no se combina con extended thinking en la misma solicitud: las dos técnicas compiten por el mismo espacio al inicio de la respuesta.

tool_choice y el límite de lo que resuelve un prompt bien escrito

Cuando necesita que se llame a una tool específica, sin depender de que el modelo lo "decida" a partir de la descripción, el parámetro `tool_choice` de la API lo resuelve de forma determinista — forzando una tool nombrada, o al menos forzando que se llame a alguna tool, en lugar de dejar la decisión solo al texto del prompt.

Es el mismo principio de CLAUDE.md frente a hooks, aplicado al prompting: un texto bien escrito aumenta la probabilidad de que ocurra el comportamiento correcto; un parámetro estructurado de la API lo garantiza.

Cuando la redacción del prompt no basta: structured outputs

El prefill ayuda a comenzar la respuesta en el formato correcto, pero no garantiza que el resto de la respuesta siga el schema hasta el final — eso todavía depende de que el prompt esté bien escrito. Para garantizar que la respuesta siempre corresponda exactamente a un schema, existe la funcionalidad de structured outputs, que valida la estructura de forma programática en lugar de depender solo de la redacción de la instrucción.

Incluso con structured outputs habilitado, algunas responsabilidades siguen siendo suyas: el schema garantiza que el formato es correcto, no que los valores dentro de él tengan sentido de negocio. Validar el contenido sigue siendo trabajo de la aplicación, no de la API.