En el mundo de la inteligencia artificial, los modelos de lenguaje han revolucionado la forma en que interactuamos con la tecnología. Sin embargo, detrás de cada respuesta generada por un chatbot o asistente virtual, existe un sistema complejo de instrucciones que define cómo debe responder el modelo. Este sistema se conoce como "system prompt" o prompt de sistema. Claude, un modelo avanzado desarrollado por Anthropic, se destaca por utilizar un prompt de sistema excepcionalmente largo y detallado, que supera los 26,000 tokens, lo que corresponde aproximadamente a unas 16,739 palabras. Este prompt transforma a Claude en mucho más que un modelo de lenguaje; lo convierte en una herramienta adaptativa y especializada que puede manejar una variedad de funciones complejas y multifacéticas.
El concepto de un "system prompt" es fundamental para entender la operativa de Claude. Básicamente, el prompt de sistema actúa como un conjunto constante de instrucciones que guía todas las respuestas y comportamientos del modelo cuando interactúa con los usuarios. Similar a cómo las configuraciones o preferencias en una aplicación determinan su funcionamiento, el prompt dicta el tono, el estilo de respuesta, las limitaciones, los conocimientos contextuales adicionales y las herramientas que puede usar Claude para proporcionar respuestas precisas y contextualmente relevantes. Lo que hace único al prompt de Claude es su extensión y profundidad. Mientras que otros modelos como el de OpenAI, ChatGPT, utilizan un prompt de sistema relativamente breve (alrededor de 2,200 palabras), el de Claude es cerca de ocho veces más largo.
Esta extensión se justifica porque incluye una gran cantidad de definiciones, instrucciones y comportamientos específicos, especialmente relacionados con el uso de herramientas externas que Claude puede invocar para ampliar sus capacidades. Una gran parte del prompt está dedicada a las definiciones de herramientas habilitadas por el sistema conocido como MCP (Model-Controller Protocol). Estas definiciones no son simplemente descripciones funcionales, sino que establecen detalladamente cómo y cuándo Claude debe hacer uso de cada herramienta, aportando un nivel extra de control y personalización que no está presente en modelos estándar. Por ejemplo, Claude puede acceder a herramientas como un motor de búsqueda web, integraciones con Google Drive, funciones para manejar correos electrónicos y calendarios, entre otros. Cada herramienta viene con instrucciones especificadas en el prompt que le indican al modelo los parámetros a solicitar, las restricciones de uso y las precauciones necesarias para garantizar resultados precisos y útiles.
Estas instrucciones para el uso de herramientas representan aproximadamente el 80% del contenido total del prompt. Más allá de las definiciones formales de MCP, existen secciones adicionales con directrices que afinan el uso de estas herramientas dentro del contexto específico de una aplicación de chatbot. Tales instrucciones incluyen advertencias para evitar búsquedas innecesarias cuando Claude ya posee el conocimiento solicitado, reglas para asegurarse de no mezclar datos personales erróneamente, y pautas para manejar solicitudes complejas como la búsqueda de emails específicos sin asumir información incorrecta. Estas directrices adicionales, denominadas a veces como "hotfixes" o correcciones rápidas, parecen ser implementadas con el objetivo de responder a problemas recurrentes o casos particulares que emergen en la interacción real con los usuarios. Este fenómeno pone en evidencia la naturaleza dinámica del desarrollo del prompt de Claude.
No es un documento estático, sino un sistema en evolución que se ajusta continuamente a través de pruebas y retroalimentación para mejorar la precisión y el comportamiento esperado del modelo. Dentro del prompt también se encuentra una sección crucial que se podría llamar la sección de comportamiento de Claude. En esta parte, se establecen las reglas de conducta que definen cómo debe actuar Claude frente a diferentes escenarios y tipos de preguntas. Aquí se abordan problemas muy específicos que pueden confundir a otros modelos de lenguaje, como la necesidad de realizar contajes meticulosos en respuestas relacionadas con palabras o caracteres, o el manejo cuidadoso de puzzles y acertijos que suelen ser modificados sutilmente para probar la lógica del modelo. Por ejemplo, cuando se le pide a Claude contar cuántas letras o palabras hay en una frase, el prompt le indica que debe realizar un conteo físico paso a paso antes de responder, en lugar de confiar en atajos o conjeturas.
Asimismo, en puzzles conocidos, debe citar textualmente las restricciones presentadas por el usuario para asegurar que está interpretando correctamente el problema sin confundirlo con variantes más comunes. Además, el prompt fija límites en la información del contexto general que Claude debe conocer. Aunque la base de conocimiento de Claude tiene una fecha de corte en octubre de 2024, el sistema prompt incluye indicaciones específicas para actualizaciones o correcciones temporales, como indicar que a partir del 20 de enero de 2025, Donald Trump es presidente de los Estados Unidos, aunque este sea un dato ficticio. Esto ejemplifica cómo el prompt puede eludir el corte de conocimiento técnico para ajustarse a necesidades particulares del entorno de despliegue. Un detalle interesante y valioso del prompt es su orientación estética y creativa.
Por ejemplo, cuando se le pide a Claude escribir poesía, el prompt lo instruye a evitar metáforas trilladas, imágenes predecibles o esquemas de rima comunes. Esta regla mejora la calidad y originalidad del contenido creativo generado por Claude, evidenciando un nivel de cuidado en la experiencia del usuario que va más allá de la funcionalidad básica. En términos técnicos y de desarrollo, el manejo de un prompt tan extenso y detallado supone un reto significativo. Anthropic ha creado una estructura basada en etiquetas al estilo XML para organizar y segmentar el contenido del prompt, facilitando su edición y mantenimiento. Además, la separación clara entre las instrucciones estándar proporcionadas por MCP y las reglas específicas adaptadas a la aplicación de chatbot permite reutilizar componentes y mantener un enfoque modular, lo que es una práctica común en ingeniería de software aplicada a prompts.
Sin embargo, el proceso de actualizar y gestionar este prompt parece ser complejo y continuo. La presencia de numerosas correcciones rápidas y ajustes menores indica que el ciclo de evaluación y refinamiento de comportamientos es constante. Esta realidad plantea preguntas sobre cómo Anthropic maneja el versionado, el despliegue y la validación de cambios en el prompt, y si existe un momento en que se opta por rediseñar completamente desde cero o si la evolución es incremental y acumulativa. La publicación y análisis del prompt de Claude ha abierto un espacio importante de reflexión sobre la naturaleza de los chatbots modernos. Estos no son meramente modelos de lenguaje entrenados en grandes cantidades de datos, sino sistemas integrados que combinan modelos con instrucciones específicas, reglas de negocio, integración con herramientas variadas y una continua optimización basada en feedback real.
