PROJECT_ID // 0043Ingeniero de Prompts / Generador de Prompts

> ENLACE_SEGURO // Ingeniero de Prompts / Generador de Prompts

Navegación

Inicio Volver a PROYECTOS

REPRODUCTOR DE AUDIO

PAUSADO

Franz no está reproduciendo música en este momento.

SISTEMA_SEGURO // FPGD

ENLACE // CONTACTO

--:--:-- --

ACCESSING DATABANKS...

SUGGESTED PROJECTS

LiftTrack: Una solución móvil basada en 3D CNN para monitorear y mejorar técnicas de levantamiento de pesas

Portafolio: Cyberpunk

Scrapy: Sistema multi-rastreador personalizado

DESPLAZAR ↓

ENLACE_SEGURO // 0x00F4B00ENCRIPTACIÓN: AES-256-GCMANULAR: FALSO

FLUJO_DATOS // ALMACENANDO

MEM.SIS // 0.0MB
VRAM // 0.0MB

NODO // EN_LÍNEA
LATENCIA // 14ms

SIST.CARGA

SINC_FREC

> SEC_INICIO // CARGA_NÚCLEO... OK

INICIALIZANDO SISTEMA...

[000%]

PROJECT_ID // 0043Ingeniero de Prompts / Generador de Prompts

> ENLACE_SEGURO // Ingeniero de Prompts / Generador de Prompts

Navegación

Inicio Volver a PROYECTOS

REPRODUCTOR DE AUDIO

PAUSADO

Franz no está reproduciendo música en este momento.

SISTEMA_SEGURO // FPGD

ENLACE // CONTACTO

--:--:-- --

Prompt Engineer / Prompt Generator

Un sistema Custom GPT impulsado por documentación diseñado para crear y mejorar prompts de IA.

ENLACE DE DEMOSTRACIÓN • ENLACE DE GITHUB

Visión General

Rol: Creador / Prompt Engineer
Tecnologías: Custom GPT, Diverse Prompt Formats, JSON
Resultado Clave: Diseñó con éxito un motor de generación de prompts altamente extensible y sin código.
Resumen: Este proyecto marcó mi primera vez aplicando ingeniería formal de prompts. Es un sistema modular basado en documentación para generar y gestionar prompts, donde toda la lógica y el flujo de trabajo se gestionan a través de archivos estructurados que contienen una gran cantidad de formatos, plantillas y paradigmas diferentes para mayor claridad, mantenibilidad y extensibilidad.

El Problema

Desafío: Los usuarios a menudo luchan por obtener los mejores resultados de los modelos de IA debido a prompts mal estructurados. El desafío fue crear un sistema para automatizar la optimización de estos prompts sin requerir código tradicional.
Audiencia: Cualquiera que use IA y quiera mejorar significativamente la calidad y precisión de los resultados.
Restricciones: Asegurar que todas las lógicas y técnicas pudieran ser analizadas de manera efectiva por un Custom GPT que depende completamente de configuraciones basadas en texto en lugar de código ejecutable.

Enfoque y Decisiones

Arquitectura: Una arquitectura declarativa y multiformato donde todas las instrucciones del sistema se almacenan en archivos interconectados.
Decisiones Clave: Decidí mapear flujos de trabajo utilizando una estricta estructura de carpetas para mantener organizada la base de conocimientos del GPT.
Compensaciones: Intercambié la potencia computacional de una aplicación web programada por la accesibilidad inmediata de una plataforma Custom GPT impulsada por una biblioteca masiva de formatos.
Flujo de Datos: El usuario proporciona un prompt básico -> El GPT hace referencia a plantillas y paradigmas estructurados -> El GPT emite un prompt profesional y optimizado.

Resultados Clave e Impacto

Resultado: Una herramienta altamente efectiva que actualiza consistentemente las instrucciones básicas del usuario a formatos profesionales y probados.
Impacto: Proporciona resultados significativamente mejorados al asegurar que la entrada coincida perfectamente con el mejor formato estructural.

Métrica	Resultado
Calidad del Resultado	Consistentemente Mejorada
Arquitectura	Extensos Formatos y Paradigmas
Público Objetivo	Todos los Usuarios de IA

Inmersión Técnica

Detalles Notables: Se seleccionó un rico contexto de mejores prácticas de la industria, albergando una gran cantidad de formatos directamente en la base de conocimientos del GPT.
Verificación: Se basa en formatos y técnicas empíricamente probados.
Optimizaciones: Se separó el contexto específico del dominio de los comandos activos para optimizar el uso de la ventana de contexto.
Calidad del Código: Se mantuvo una estricta consistencia estructural en todos los planos de formato para garantizar una lectura predecible por parte del GPT.
Enlaces: Consulte el Repositorio de GitHub.

Reflexiones

De manera diferente: En lugar de mantenerlo puramente como un GPT independiente, decidí llevar estos conceptos más allá implementando un subagente de IA en mi proyecto oz: multiagent para automatizar la mejora de resultados directamente en mis propias aplicaciones.
Éxitos: Probé con éxito que un sistema lógico robusto puede construirse completamente mediante ingeniería de prompts.
Lecciones: Los formatos estructurados son la clave absoluta para obtener resultados de LLM predecibles y de alta calidad.

Mis Contribuciones

Diseño del Sistema: Diseñé la arquitectura modular impulsada por la documentación.
Ingeniería de Flujo de Trabajo: Definí flujos de trabajo declarativos en archivos markdown.
Mejores Prácticas: Contexto, técnicas y paradigmas seleccionados.
Documentación: Autoricé y mantuve todos los archivos de documentación del proyecto.

Arquitectura del Proyecto

Este proyecto utiliza una estructura de archivos modular impulsada por la documentación. No hay ejecución de código.

Organización de Componentes:
- main_instruction.md: Configuración central de JSON
- context/context.md: Contexto específico del dominio
- commands/commands.md: Todos los comandos disponibles
- profiles/: Perfiles de agentes y flujos de trabajo
- templates/: Plantillas de prompts

Vista Previa de la Demostración

Puede ver el Custom GPT en vivo a través de Prompt Engineer / Prompt Generator.

Vistas de la Plataforma: Web (OpenAI ChatGPT Custom GPT)
Funcionalidad Mostrada:
- Selección interactiva de formatos, técnicas y paradigmas.

Nota de Alojamiento:
El Custom GPT en vivo está disponible en OpenAI. El código fuente y la documentación están en GitHub; no hay sistema de ejecución de código.