Prompts para Claude: guía práctica
con las técnicas oficiales de Anthropic
La mayoría de las guías sobre prompts para Claude que circulan por internet se quedan en lo obvio: «sé claro», «da ejemplos». Son consejos correctos, pero insuficientes si ya usas Claude a diario y quieres resultados realmente distintos. En este artículo vamos directos a la documentación técnica de Anthropic para los modelos actuales (Claude Opus 4.8, Sonnet 4.6, Fable 5) y sacamos los prompts reales, copiables, que el propio equipo recomienda para casos avanzados: codificación agéntica, gestión de contexto largo, control de subagentes y cómo evitar que el modelo se pase de listo.
La regla de oro detrás de cualquier prompt para Claude
Antes de cualquier técnica avanzada, Anthropic resume el principio base con una imagen muy útil: piensa en Claude como un empleado brillante pero nuevo que carece de contexto sobre tus normas y flujos de trabajo. La prueba de fuego: muestra tu prompt a un colega con contexto mínimo sobre la tarea y pídele que lo siga. Si se confunde, Claude también lo hará.
Estructura los prompts complejos con etiquetas XML
Esta es la técnica que separa un prompt amateur de uno profesional. Cuando mezclas instrucciones, contexto, ejemplos y datos variables en un único bloque de texto, Claude tiene que adivinar dónde empieza cada cosa. Envolver cada tipo de contenido en su propia etiqueta elimina esa ambigüedad:
La documentación oficial recomienda usar nombres de etiquetas consistentes y descriptivos en todos tus prompts para Claude, y anidar etiquetas cuando el contenido tenga una jerarquía natural — por ejemplo, varios documentos dentro de una etiqueta <documentos>, cada uno en su propio <documento indice="n">.
Para documentos largos: el orden importa más de lo que crees
Si trabajas con documentos grandes (más de 20.000 tokens, lo habitual si analizas contratos, informes o conversaciones largas), hay un detalle técnico que cambia el resultado de forma medible: coloca los datos extensos al principio del prompt, antes de tu pregunta o instrucción. Según las pruebas de Anthropic, las consultas al final pueden mejorar la calidad de las respuestas hasta en un 30%, especialmente con entradas complejas de varios documentos.
Para tareas sobre documentos largos, pedirle a Claude que cite primero las partes relevantes antes de hacer su análisis también ayuda a que filtre el ruido del resto del contenido.
Haz que Claude actúe, no solo que sugiera
Un problema muy común al escribir prompts para Claude: le pides «¿puedes sugerir algunos cambios?» y el modelo te da una lista de sugerencias en vez de implementarlas directamente, aunque esa fuera tu intención real. Si quieres que actúe por defecto, este es el prompt de sistema que recomienda Anthropic (traducido del original en inglés):
El antídoto contra el "AI slop" en diseño
Si usas Claude para crear interfaces o páginas web, hay un riesgo conocido y documentado oficialmente: sin orientación, el modelo tiende a converger en patrones genéricos — lo que la propia documentación llama la estética de «AI slop» (tipografías como Inter o Arial, gradientes morados sobre fondo blanco, layouts predecibles). El siguiente prompt de sistema, traducido de la documentación de Anthropic, combate esto:
Evita que Claude sobreingenierice tus tareas
Otro patrón documentado: los modelos más recientes tienden a sobreingeniar — crean archivos adicionales, añaden abstracciones que nadie pidió, o meten validaciones para casos que nunca van a ocurrir. Si te ha pasado pedir un cambio pequeño y recibir un refactor completo no solicitado, este prompt soluciona exactamente eso:
Controla cuándo Claude usa subagentes
Si trabajas con Claude Code o flujos agénticos complejos, sabrás que el modelo puede delegar tareas a subagentes especializados de forma proactiva. Esto es potente, pero puede pasarse de la raya: puede generar subagentes para explorar código cuando una búsqueda directa habría sido más rápida. El ajuste recomendado:
Pide autoverificación en tareas de razonamiento o código
Una técnica simple pero con alto impacto dentro de cualquier estrategia de prompts para Claude: añade una instrucción explícita de que el modelo revise su propio trabajo antes de entregarlo. Esto detecta errores de forma fiable, especialmente en codificación y matemáticas. Basta con algo como: «Antes de terminar, verifica tu respuesta contra los criterios de prueba.»
Migrando desde prompts antiguos
Si llevas tiempo escribiendo prompts para Claude y vienen de generaciones anteriores del modelo, la documentación de Anthropic señala un cambio de comportamiento importante: los modelos actuales son más proactivos y siguen instrucciones de forma más literal. Si antes usabas frases como «CRÍTICO: DEBES usar esta herramienta siempre que…», ese tipo de lenguaje agresivo ahora puede provocar sobreactivación — la recomendación oficial es moderar ese tono hacia algo más normal, como «Usa esta herramienta cuando…».
Conclusión
Escribir buenos prompts para Claude no consiste en fórmulas mágicas, sino en estructura: separar con claridad instrucciones, contexto y datos (preferiblemente con XML), ser explícito sobre cuándo quieres acción y cuándo solo análisis, y añadir las barreras necesarias para que el modelo no se desvíe hacia comportamientos no deseados como la sobreingeniería o el exceso de subagentes. Estas ocho técnicas, traducidas directamente de la documentación oficial, son el punto de partida real que usa el propio equipo de Anthropic — no una versión simplificada para principiantes.
Si quieres ver estos principios aplicados a las novedades del modelo más reciente, revisa nuestro análisis de Claude Opus 4.8.
Para la guía completa, con más ejemplos y matices por modelo, consulta las mejores prácticas de prompting de Anthropic.