GPT 4.1 提示指南

OpenAI relanzó anoche la serie GPT4.1, echa un vistazo a los detalles:https://openai.com/index/gpt-4-1/

Sólo tienes que centrarte en estos puntos:

- GPT4.1 sustituye a 4o, que es barato y fácil de usar (dentro del sistema OpenAI)

- 1M contexto super largo y gran rendimiento, 4.1 nano y mini son super baratos y buenos para tareas de texto largo con alto volumen

- GPT 4.1 tiene capacidades de código superiores a GPT 4.5, pero no tan buenas como los modelos de inferencia como o1

directorio (en el disco duro del ordenador)

🎓 Versión de interpretación popular de la guía de consejos GPT-4

🧱 I. Principios fundamentales para escribir buenas prompts (los 5 mejores consejos)

Estas son como las reglas de oro de la comunicación con la IA, y cada una de ellas es importante:

1. Dime exactamente lo que estás haciendo.(Sea específico)

No generalices: "Por favor, ayúdame a escribir una redacción".
Para ser más específicos: "Escribe un ensayo de 500 palabras sobre cómo la inteligencia artificial está cambiando la educación, en un lenguaje que un estudiante de secundaria pueda entender."

👉 Cuanto más específico seas, más sabrá la IA lo que quieres y mejores serán los resultados.

2. Dígale qué tiene que hacer y qué aspecto tiene(Proporcionar estructura)

Supongamos que desea generar una tabla, una lista o un texto de formato fijo.
Puede empezar proporcionándole una plantilla o poniéndole un ejemplo.

🧩 Ejemplo:

Escribe cinco frutas en el siguiente formato:

Nombre | Color | Sabor
Manzana | Rojo | Agridulce

3. No seas ambiguo.(Evitar la ambigüedad)

Si dice "enumere algunos proyectos", "proyectos" podría significar "proyectos de programas" o "proyectos de software". ", el modelo se confundirá.
Por tanto, sea específico en lo que dice.

✅ Lee: "Enumera cinco proyectos Python de código abierto".

4. Que el GPT desempeñe un papel(Establecer comportamiento/rol)

Puedes decirle: "Ahora eres profesor de inglés", "Eres asesor jurídico", "Eres médico".
Le responderá en calidad de tal.

🎭 EJEMPLO: Eres dietista profesional, por favor, crea para mí un plan de alimentación saludable para una semana.

5. Divide la tarea.(Descomponer tareas)

Algunas cuestiones son demasiado complejas para que GPT las trate a la vez.
Puedes dejar que analice el problema antes de dejar que lo resuelva.

🪜 Un ejemplo:

Paso 1: Por favor, empieza por enumerar los puntos necesarios para escribir un plan de empresa.
Paso 2: Por favor, ayúdame a escribir un plan basado en estos puntos.

💡 II. Sugerencias prácticas (usos más fuertes y avanzados)

Estos son otros usos increíbles de GPT para ayudarte a escribir de forma más precisa e inteligente.

✨ Técnica 1: Apuntes de pocas palabras (enseñar con el ejemplo).

Puedes darle algunos ejemplos primero y sabrá qué tipo de salida quieres.

📌 Ejemplo:

Entrada: hoy estoy contento. Salida: estado de ánimo: positivo, razón: han pasado cosas felices.
Entrada: Me siento muy estresado. SALIDA: Estado de ánimo: negativo, motivo: Me siento molesto por el estrés.

Luego escribes una nueva frase y sigue ese estilo.

Consejo nº 2: Cadena de pensamiento

Guiarlo hacia el "pensamiento paso a paso" es especialmente eficaz para resolver problemas complejos.

📌 Prompt to write: razona paso a paso la respuesta a esta pregunta de matemáticas.

✍️ Consejo 3: Escribe primero tu respuesta, luego compruébala y revísala (Critique & Revise)

Puedes hacer que el GPT escriba una respuesta y que luego la critique y revise por su cuenta.

📌 Un ejemplo: paso 1: por favor, escribe una novela corta. Paso 2: por favor, comentar esta novela y revisarlo en una versión más emocionante.

De este modo, el resultado será de mayor calidad.

🔄 Consejo 4: Modelar el "proceso de pensamiento" (Monólogo interno).

Puedes hacer que el GPT piense y hable como si estuviera analizando el problema.

📌 EJEMPLO: Se te pide que simules el proceso de pensamiento de un abogado, analizando el caso paso a paso y sacando conclusiones.

Es adecuado para preguntas de tipo analítico y de toma de decisiones.

🛠 III. Consejos prácticos de aplicación (los detalles marcan la diferencia)

Añadir la frase "pensemos paso a paso" puede mejorar notablemente la precisión.
¿Quieres JSON, tablas, código? Indica el formato y pon un ejemplo.
¿Desea mostrar varios pasos? Añada un número, como "Paso 1... Paso 2...".
Si la respuesta del modelo no es satisfactoria, elPruebe otras formas de reescribir las instrucciones.

✅ En pocas palabras.

✨ "¡Propuestas bien escritas y rendimiento explosivo de GPT!". ✨

Esta guía trata de enseñarte: qué tono, formato, estructura y conjunto de palabras utilizar para hablar con tu GPT para que pueda darte las respuestas de mejor calidad.

Aquí está la guía completa de ingeniería para sus consejos GPT-4.1

Original en inglés:GPT 4.1 Prompting Guide | OpenAI Cookbook

Traducción: La familia de modelos GPT-4.1 ofrece mejoras significativas con respecto a GPT-4o en términos de codificación, adherencia a las instrucciones y capacidades de manejo de contextos largos. Esta guía de consejos recopila consejos clave de extensas pruebas internas para ayudar a los desarrolladores a aprovechar al máximo las mejoras de esta nueva familia de modelos.

En GPT-4.1 se siguen aplicando muchas de las mejores prácticas típicas de los avisos, como proporcionar ejemplos contextuales, formular las instrucciones de la forma más explícita y clara posible y guiar al modelo a través de la planificación con avisos para maximizar la inteligencia del modelo. Sin embargo, es posible que sea necesario migrar algunas pistas para aprovechar todo el potencial del modelo. En comparación con su modelo predecesor, GPT-4.1 se entrenó centrándose más en el cumplimiento estricto de las instrucciones y en una comprensión más literal de las pistas del usuario y del sistema, en lugar de inferir libremente las intenciones. Esto también significa que GPT-4.1 es muy controlable y sensible a las señales especificadas explícitamente: si el comportamiento del modelo no es el esperado, suele bastar con una frase firme y explícita para reconducirlo por el buen camino.

Por favor, siga leyendo los siguientes ejemplos de consejos como referencia, y tenga en cuenta que, aunque las recomendaciones de esta guía tienen una amplia aplicabilidad, ninguna de ellas es universal. La ingeniería de inteligencia artificial es intrínsecamente una disciplina empírica, y los grandes modelos lingüísticos son intrínsecamente no deterministas; además de seguir esta guía, recomendamos construir evaluaciones informativas e iterar con frecuencia para garantizar que los cambios en la ingeniería de pistas se traducen en beneficios tangibles para su caso de uso.

1. Flujo de trabajo proxy

GPT-4.1 es una opción excelente para construir flujos de trabajo de agentes. En la formación de modelos, nos centramos en proporcionar diversas vías de resolución de problemas por parte de los agentes, y nuestro marco de agentes consigue un rendimiento líder en el SWE-bench Verified para modelos sin inferencia, resolviendo el problema 55%.

Recordatorio de consejos sobre el sistema

Para aprovechar al máximo las capacidades de agente de GPT-4.1, recomendamos que se incluyan los siguientes tres recordatorios clave en todos los avisos de agente. Estos avisos están optimizados para flujos de trabajo de codificación de agentes, pero pueden modificarse fácilmente para adaptarse a casos de uso genéricos de agentes.

durabilidadEl modelo: Asegúrese de que el modelo entiende que está en medio de una ronda multimensaje para evitar devolver el control al usuario prematuramente.

Ejemplo: Usted es un agente - por favor, continúe hasta que la consulta del usuario esté completamente resuelta, antes de terminar su turno y ceder de nuevo la palabra al usuario. Solo finalice su turno cuando esté seguro de que el problema está resuelto.

Llamada a la herramientaAliente a los modelos a utilizar plenamente sus herramientas y reduzca la probabilidad de que alucinen o adivinen las respuestas.

Ejemplo：Si no está seguro del contenido del archivo o de la estructura del código base correspondiente a la solicitud del usuario, utilice sus herramientas para leer los archivos y recopilar la información pertinente. Si no está seguro sobre el contenido del archivo o la estructura de la base de código correspondiente a la solicitud del usuario, utilice sus herramientas para leer los archivos y recopilar la información pertinente: NO adivine ni invente una respuesta.

Planificación (opcional)Si es necesario, obligue al modelo a planificar explícitamente y a reflexionar en el texto antes de cada llamada a la herramienta, en lugar de limitarse a completar la tarea mediante una serie de llamadas a la herramienta.

Ejemplo: DEBE planificar exhaustivamente antes de cada llamada de función y reflexionar exhaustivamente sobre los resultados de las llamadas de función anteriores. NO realice todo este proceso realizando únicamente llamadas de función, ya que esto puede mermar su capacidad para resolver el problema y pensar con perspicacia. No realice todo este proceso realizando únicamente llamadas a funciones, ya que esto puede mermar su capacidad para resolver el problema y pensar con perspicacia.

GPT-4.1 fue entrenado en el entorno del agente para seguir al pie de la letra las instrucciones del usuario y las indicaciones del sistema. El estricto cumplimiento de estos tres sencillos comandos por parte del modelo mejoró nuestra puntuación interna de SWE-bench Verified en casi 20%, por lo que recomendamos encarecidamente incluir recordatorios claros que cubran las tres categorías al principio de cualquier instrucción del agente. En general, estos tres comandos transformaron el modelo de un estado similar al de un chatbot a un agente más "proactivo" que dirige las interacciones de forma autónoma e independiente.

Llamada a la herramienta

En comparación con modelos anteriores, GPT-4.1 ha recibido más formación en la utilización de herramientas pasadas a través de solicitudes de la API de OpenAI. Animamos a los desarrolladores a pasar herramientas utilizando únicamente el campo de herramienta, en lugar de inyectar manualmente descripciones de herramientas en las sugerencias y escribir analizadores independientes para las llamadas a herramientas (como algunos desarrolladores han hecho en el pasado). En nuestros propios experimentos, el uso de descripciones de herramientas analizadas por la API mejoró las tasas de aprobación verificadas de SWE-bench en 2% en comparación con la inyección manual de patrones en las sugerencias del sistema.

Los desarrolladores deben nombrar la herramienta para indicar claramente su propósito y añadir una descripción clara y detallada en el campo Descripción de la herramienta. Del mismo modo, para cada parámetro de la herramienta, confíe en una buena denominación y descripción para garantizar un uso adecuado. Si su herramienta es especialmente compleja y desea proporcionar un ejemplo de cómo utilizarla, le recomendamos que cree un aviso del sistema para la herramienta. # Ejemplos y coloque allí los ejemplos en lugar de añadirlos al campo "descripción", que debe ser detallado pero relativamente conciso. Proporcionar ejemplos ayuda a indicar cuándo utilizar la herramienta, si se debe incluir texto del usuario en la llamada a la herramienta y los parámetros adecuados para diferentes entradas. Recuerde que puede utilizar "Generar cualquier cosa" en Prompt Playground para obtener un buen punto de partida para la definición de su nueva herramienta.

Planificación guiada por pistas y cadena de pensamiento

Como se ha mencionado anteriormente, en lugar de llamar a las herramientas de forma silenciosa y continua, los desarrolladores pueden optar por pedir a los agentes creados en GPT-4.1 que planifiquen y reflexionen entre llamadas a herramientas. GPT-4.1 no es un modelo de razonamiento -lo que significa que no genera una cadena interna de pensamiento antes de responder-. GPT-4.1 no es un modelo de razonamiento -lo que significa que no genera una cadena interna de pensamiento antes de responder-, pero en las indicaciones, el desarrollador puede inducir al modelo a generar un plan explícito, paso a paso, utilizando cualquier variante del componente Planning Prompts descrito anteriormente. Es como si el modelo "pensara en voz alta". En nuestros experimentos con la tarea de agente verificado de SWE-bench, inducir la planificación explícita aumentó el porcentaje de aprobados en 4%.

Ejemplo de consejo: SWE-bench Verificado

A continuación se muestran las instrucciones de agente que utilizamos para obtener la máxima puntuación en SWE-bench Verified, que contienen instrucciones detalladas sobre el flujo de trabajo y las estrategias de resolución de problemas. Este modelo genérico puede utilizarse para cualquier tarea de agente.

SYS_PROMPT_SWEBENCH = """
Se le pedirá que solucione un problema de un repositorio de código abierto.

Tu reflexión debe ser exhaustiva, por lo que no pasa nada si es muy larga. Puedes pensar paso a paso antes y después de cada acción que decidas llevar a cabo.

DEBES iterar y continuar hasta resolver el problema.

Ya tienes todo lo que necesitas para resolver este problema en la carpeta /testbed, incluso sin conexión a internet. Quiero que resuelvas esto completamente de forma autónoma antes de volver a mí. Quiero que resuelvas esto completamente de forma autónoma antes de volver a mí.

Ya tienes todo lo que necesitas para resolver este problema en la carpeta /testbed, incluso sin conexión a internet. NUNCA termines tu turno sin haber resuelto el problema, y cuando digas que vas a hacer una llamada a la herramienta, asegúrate de que REALMENTE haces la llamada a la herramienta, en lugar de terminar tu turno. NUNCA termines tu turno sin haber resuelto el problema, y cuando digas que vas a hacer una llamada a la herramienta, asegúrate de que REALMENTE la haces, en lugar de terminar tu turno.

el problema puede resolverse definitivamente sin internet.

Tómate tu tiempo y piensa bien cada paso - recuerda comprobar tu solución rigurosamente y estar atento a los casos límite, especialmente con los cambios que has realizado. Al final, debes probar tu código rigurosamente utilizando las herramientas proporcionadas, y hacerlo muchas veces, para detectar todos los casos límite. Al final, debes probar tu código rigurosamente utilizando las herramientas proporcionadas, y hacerlo muchas veces, para atrapar todos los casos límite. Si no es robusto, itera más y hazlo perfecto. No probar el código con suficiente rigor es el modo de fallo NÚMERO UNO en este tipo de tareas; asegúrate de que manejas todos los casos extremos, y ejecuta las pruebas existentes si se proporcionan.

DEBE planificar exhaustivamente antes de cada llamada a función, y reflexionar exhaustivamente sobre los resultados de las llamadas a función anteriores. NO realice todo este proceso realizando únicamente llamadas a función, como es el caso. DEBE planificar exhaustivamente antes de cada llamada de función y reflexionar ampliamente sobre los resultados de las llamadas de función anteriores. NO realice todo este proceso realizando únicamente llamadas de función, ya que esto puede mermar su capacidad para resolver el problema y pensar con perspicacia.

Flujo de trabajo #

## Estrategia de resolución de problemas de alto nivel

1. Comprender el problema en profundidad. Leer detenidamente el problema y pensar de forma crítica sobre lo que se necesita. 2. Investigar el código base.
2. Investigar el código base. Explorar archivos relevantes, buscar funciones clave y reunir contexto.
3. Elabore un plan claro, paso a paso. 4. Divida la solución en pasos manejables e incrementales.
4. Implemente la corrección de forma incremental. 5. Depure según sea necesario.
5. Utilice técnicas de depuración para aislar y resolver problemas. 6. Realice pruebas con frecuencia.
6. Realice pruebas con frecuencia. 7. Ejecute pruebas después de cada cambio para verificar que es correcto.
7. Repita el proceso hasta que se resuelva la causa principal y se superen todas las pruebas. 8. Reflexione y valide de forma exhaustiva.
8. Reflexione y valide exhaustivamente. Después de pasar las pruebas, piense en la intención original, escriba pruebas adicionales para garantizar la corrección y recuerde Una vez superadas las pruebas, piense en la intención original, escriba pruebas adicionales para garantizar la corrección y recuerde que hay pruebas ocultas que también deben superarse antes de que la solución esté realmente completa.

## 1. Comprender a fondo el problema
Lee detenidamente el problema y piensa detenidamente en un plan para resolverlo antes de codificarlo.

## 2. Investigación de la base de código
- Explora los archivos y directorios relevantes.
- Busca funciones, clases o variables clave relacionadas con el problema.
- Leer y comprender fragmentos de código relevantes.
- Identifique la causa raíz del problema.
- Valide y actualice sus conocimientos continuamente a medida que obtenga más contexto.

## 3. Desarrollar un plan detallado
- Esboce una secuencia de pasos específica, sencilla y verificable para solucionar el problema.
- Desglose la solución en pequeños cambios graduales.

## 4. Realizar cambios en el código
- Antes de editar, lea siempre el contenido del archivo o la sección correspondiente para asegurarse de que el contexto es completo.
- Si un parche no se aplica correctamente, intente volver a aplicarlo.
- Realice cambios pequeños, comprobables e incrementales que se deriven lógicamente de su investigación y plan.

## 5. Depuración
- Realice cambios en el código sólo si está seguro de que pueden resolver el problema.
- Al depurar, intente determinar la causa raíz en lugar de abordar los síntomas.
- Depure durante el tiempo necesario para identificar la causa raíz e identificar una solución.
- Utilice sentencias de impresión, registros o código temporal para inspeccionar el estado del programa, incluyendo sentencias descriptivas o mensajes de error para comprender qué está qué está ocurriendo.
- Para probar hipótesis, también puede añadir sentencias o funciones de prueba.
- Revise sus hipótesis si se produce un comportamiento inesperado.

## 6. Pruebas
- Ejecuta pruebas con frecuencia utilizando `!python3 run_tests.py` (o equivalente).
- Después de cada cambio, verifique la corrección ejecutando las pruebas pertinentes.
- Si las pruebas fallan, analiza los fallos y revisa tu parche.
- Escribe pruebas adicionales si es necesario para capturar comportamientos importantes o casos extremos.
- Asegúrate de que todas las pruebas pasan antes de finalizar.

## 7. Verificación final
- Confirme que se ha solucionado la causa principal.
- Compruebe que la solución es lógica y robusta.
- Repita el proceso hasta que esté seguro de que se ha solucionado el problema y se han superado todas las pruebas.

## 8. Reflexión final y pruebas adicionales
- Reflexione detenidamente sobre la intención original del usuario y el planteamiento del problema.
- Piense en los posibles casos o escenarios extremos que podrían no estar cubiertos por las pruebas existentes.
- Escribe pruebas adicionales que deban superarse para validar completamente la corrección de tu solución.
- Ejecute estas nuevas pruebas y asegúrese de que se superan.
- Ten en cuenta que hay otras pruebas ocultas que también deben superarse para que la solución sea satisfactoria.
- No des por concluida la tarea sólo porque se hayan superado las pruebas visibles; sigue perfeccionando hasta que estés seguro de que la solución es sólida y completa.
"""

2. Largo contexto

GPT-4.1 cuenta con una ventana de contexto de entrada de 1 millón de tokens de alto rendimiento para una amplia gama de tareas de contexto largo, como el análisis sintáctico de documentos estructurados, la reordenación, la selección de información relevante ignorando el contexto irrelevante y el razonamiento multisalto mediante contexto.

Tamaño óptimo del contexto

Hemos observado un rendimiento excelente en contextos de hasta 1 millón de tokens en nuestra evaluación "Needle in the Haystack", y un rendimiento muy sólido en tareas complejas con una mezcla de código relacionado y no relacionado y otros documentos. Sin embargo, a medida que es necesario recuperar más elementos, o se requiere un razonamiento complejo sobre el estado completo del contexto (por ejemplo, realizando una búsqueda de grafos), el rendimiento en contextos largos puede degradarse.

Ajustar las dependencias contextuales

Considere la combinación de conocimiento externo e interno del mundo que puede ser necesaria para responder a la pregunta. A veces, el modelo necesita utilizar sus propios conocimientos para conectar conceptos o dar saltos lógicos, mientras que en otros casos lo ideal es utilizar únicamente el contexto proporcionado.

directivas

Versión china

// Utilice únicamente documentación externa:
- Responde a la pregunta del usuario utilizando únicamente el contexto externo proporcionado. Si no se puede encontrar la respuesta en el contexto, el usuario debe responder con "No tengo suficiente información", aunque insista en una respuesta.

// Uso mixto del conocimiento del modelo:
- Los contextos externos se utilizan por defecto, pero si se necesitan conocimientos básicos adicionales y el modelo tiene confianza, se pueden utilizar los conocimientos internos para completar la respuesta.

Versión inglesa

// Para conocimiento interno
- Utilice únicamente los documentos del Contexto Externo proporcionado para responder a la Consulta del Usuario. Si no conoce la respuesta basándose en este contexto, debe responder "No dispongo de la información necesaria para responder a esa pregunta". 't have the information needed to answer that", incluso si un usuario insiste en que respondas a la pregunta.

// Para el conocimiento interno y externo
- Por defecto, utiliza el contexto externo proporcionado para responder a la Consulta del Usuario, pero si se necesitan otros conocimientos básicos para responder, y estás seguro de la respuesta, puedes utilizar algunos de tus propios conocimientos para ayudar a responder la pregunta.

Organización Cue

Especialmente en el uso de contextos largos, la colocación de las instrucciones y el contexto puede afectar al rendimiento. Si su instrucción contiene un contexto largo, lo ideal es colocar las directivas tanto al principio como al final del contexto proporcionado, ya que hemos comprobado que este enfoque funciona mejor que colocar las directivas sólo por encima y por debajo. Si se prefiere colocar la instrucción sólo una vez, entonces colocarla por encima del contexto funciona mejor que por debajo.

3. Cadena de pensamiento

Como ya se ha mencionado, GPT-4.1 no es un modelo de inferencia, pero al pedirle al modelo que piense paso a paso (lo que se denomina "cadena de pensamiento"), puede dividir el problema en partes más manejables, resolverlo y mejorar la calidad general del resultado, a costa de un mayor coste y latencia debido al uso de más tokens de salida. El modelo está bien entrenado en el razonamiento de agentes y en la resolución de problemas del mundo real, por lo que no necesita muchas indicaciones para funcionar bien.

Recomendamos utilizar como punto de partida las siguientes instrucciones básicas de la cadena de pensamiento que aparecen al final del aviso:

En primer lugar, piense paso a paso qué documentos son necesarios para responder a la pregunta. A continuación, escriba el TÍTULO y el ID de cada documento y, por último, formatee todos los ID en una lista.

En primer lugar, piense paso a paso qué documentos se necesitan para responder a la consulta. A continuación, imprima el TÍTULO y el ID de cada documento. A continuación, formatea los ID en una lista.

A partir de aquí, debe mejorar sus indicaciones de cadena de pensamiento auditando los fallos en ejemplos y evaluaciones específicas, abordando los errores sistemáticos de planificación y razonamiento, y utilizando instrucciones más claras. En los avisos de cadena de pensamiento sin restricciones, puede haber variaciones en las estrategias que intenta el modelo, y si observa un enfoque que funciona bien, puede solidificar esa estrategia en el aviso. En general, los errores suelen deberse a una mala interpretación de la intención del usuario, a una recopilación o análisis insuficiente del contexto, o a un pensamiento paso a paso insuficiente o incorrecto, por lo que hay que ser consciente de estos problemas y tratar de abordarlos con instrucciones más claras.

A continuación se muestra un ejemplo de pregunta que guía al modelo para que analice de forma más sistemática la intención del usuario y tenga en cuenta el contexto relevante antes de responder:

Versión china

# Estrategia de razonamiento
1. Análisis de consultas: desmontar y analizar el problema del usuario para aclarar los requisitos.
2. Análisis del contexto: seleccionar y analizar un grupo de documentos potencialmente relevantes.
   - Analizar la relevancia de los documentos para el problema.
   - Analizar la relevancia del documento para el problema y asignar una calificación de relevancia [alta, media, baja, ninguna].
3. Síntesis: resuma qué documentos son los más relevantes y explique por qué (conserve los documentos de relevancia media o superior).

# Preguntas de los usuarios
{pregunta_del_usuario}

# Contexto externo
{contexto_externo}

Por favor, siga estrictamente la estrategia anterior para pensar paso a paso y la salida del título y el ID del documento, y, finalmente, devolver el ID como una lista.

Versión inglesa

# Estrategia de razonamiento
1. Análisis de la consulta: Descomponga y analice la consulta hasta que esté seguro de lo que puede estar preguntando. Tenga en cuenta el contexto proporcionado para aclarar cualquier información ambigua o confusa. Considera el contexto proporcionado para aclarar cualquier información ambigua o confusa.
2. Análisis del contexto: seleccione y analice cuidadosamente un amplio conjunto de documentos potencialmente relevantes. Optimice la recuperación: no pasa nada si algunos son irrelevantes, pero los documentos correctos deben estar en este contexto. Optimizar la recuperación: no pasa nada si algunos son irrelevantes, pero los documentos correctos deben estar en esta lista; de lo contrario, la respuesta final será errónea. Pasos del análisis para cada uno.
   a. Análisis: un análisis de cómo puede ser o no relevante para responder a la consulta. b. Calificación de relevancia: [La lista de documentos relevantes debe estar en esta lista.
   b. Calificación de la pertinencia: [alta, media, baja, ninguna].
3. Síntesis: Resuma qué documentos son los más relevantes y por qué, incluyendo todos los documentos con una calificación de relevancia media o superior.

# Pregunta del usuario
{pregunta_usuario}

# Contexto externo
{contexto_externo}

En primer lugar, piense detenidamente paso a paso qué documentos son necesarios para responder a la consulta, ciñéndose estrictamente a la estrategia de razonamiento proporcionada. A continuación, imprima el TÍTULO y el ID de cada documento. A continuación, formatee los ID en una lista.

4. Cumplimiento de la Directiva

GPT-4.1 demuestra un excelente cumplimiento de las instrucciones, que los desarrolladores pueden aprovechar para dar forma y controlar con precisión el resultado de un caso de uso concreto. A los desarrolladores se les suele preguntar ampliamente por los pasos de inferencia del agente, el tono y el estilo de la respuesta, la información sobre la invocación de herramientas, los formatos de salida, los temas que deben evitarse, etc. Sin embargo, dado que los modelos siguen instrucciones de forma más literal, los desarrolladores pueden necesitar especificar explícitamente qué hacer o no hacer. Además, es posible que las pistas existentes optimizadas para otros modelos no sean inmediatamente aplicables a este modelo, ya que las directivas existentes se siguen más de cerca y las reglas implícitas ya no se infieren con fuerza.

Flujos de trabajo recomendados

Este es nuestro flujo de trabajo recomendado para desarrollar y depurar las instrucciones del prompt:

Proporcione orientaciones de alto nivel y viñetas, empezando por una sección general de "normas de respuesta" o "instrucciones".
Si necesita modificar un comportamiento más específico, añada una sección para especificar más detalles sobre la clase, por ejemplo # Frases de ejemplo.
Si desea que el modelo siga pasos específicos en su flujo de trabajo, añada una lista ordenada e indique al modelo que siga esos pasos.
Si el comportamiento sigue sin ser el esperado:
- Compruebe si hay instrucciones y ejemplos contradictorios, poco claros o incorrectos. Si hay instrucciones contradictorias, GPT-4.1 prefiere seguir las instrucciones al final de la pista.
- Añade ejemplos que demuestren el comportamiento deseado; asegúrate de que cualquier comportamiento importante demostrado en los ejemplos también se menciona en las normas.
- El uso de mayúsculas u otros incentivos (como sobornos o propinas) no suele ser obligatorio, pero los promotores pueden intentar utilizarlo para dar más énfasis.
- Tenga en cuenta que el uso de su IDE preferido basado en IA puede ayudar en gran medida a iterar sobre las instrucciones, incluyendo la comprobación de la coherencia o los conflictos, la adición de ejemplos, o la realización de actualizaciones uniformes, tales como la adición de un comando y la actualización del ejemplo para mostrar ese comando.

Modos de fallo comunes

Estos modos de fallo no son exclusivos de GPT-4.1, pero los compartimos aquí para fines de depuración y conocimiento general.

Dar instrucciones a los modelos para que sigan siempre un comportamiento determinado puede provocar ocasionalmente efectos adversos. Por ejemplo, si se le dice "debe llamar a la herramienta antes de responder al usuario", el modelo puede crear entradas de herramienta fantasma o llamar a la herramienta con un valor nulo si no hay información suficiente. Añadir "Si no tiene suficiente información para llamar a la herramienta, pida al usuario la información necesaria" debería aliviar este problema.
Cuando se proporcionan frases de ejemplo, es posible que el modelo las utilice al pie de la letra, con lo que sonarán repetitivas para el usuario. Asegúrese de que el modelo recibe instrucciones para variar estas frases según sea necesario.
Sin directivas específicas, algunos modelos pueden estar ansiosos por proporcionar prosa adicional para explicar sus decisiones, o dar más formato del esperado en sus respuestas. Se proporcionan directrices y posibles ejemplos para ayudar a mitigar esta situación.

Ejemplo de consejo: Atención al cliente

A continuación se muestran las mejores prácticas para un agente de atención al cliente ficticio. Observe la variedad de reglas, la especificidad, el nivel de detalle de las secciones adicionales y un ejemplo que muestra el comportamiento exacto de todas las reglas anteriores.

Traducción al chino de las indicaciones del sistema

Usted es un Representante de Servicio al Cliente que trabaja para NewTelco, con el objetivo de asistir eficientemente a los usuarios en la satisfacción de sus solicitudes mientras se adhiere estrictamente a las siguientes reglas guía.

Instrucción #
- Saluda siempre a los usuarios comenzando con la siguiente frase: "Hola, ha llamado a NewTelco, ¿en qué puedo ayudarle?".
- Invocar siempre la herramienta antes de responder a cualquier pregunta objetiva sobre la empresa, los productos, los servicios o la cuenta del usuario. Utilice únicamente el contexto que le proporciona la herramienta, **NO** sus propios conocimientos** para responder a estas preguntas.
    - Si no dispone de información suficiente para llamar correctamente a la herramienta, solicite al usuario la información requerida.
- Si el usuario hace una petición, se requiere una transferencia de escalada al servicio de atención al cliente humano.
- Está prohibido hablar de los siguientes temas delicados (política, religión, noticias controvertidas, asesoramiento médico, jurídico o financiero, conversaciones privadas, operaciones internas de la empresa, críticas a personas o empresas).
- Utilice frases de ejemplo cuando proceda, pero **no repita la misma frase en la misma sesión**. Puede ser flexible y adaptar las frases para hacerlas más naturales.
- Todos los mensajes nuevos deben seguir el formato de salida especificado, incluida la adición de **notación de fuente** al citar información factual de documentos políticos.
- Si está a punto de invocar una herramienta, asegúrese de avisar al usuario con antelación y de explicarle también los resultados tras la invocación.
- Todas las respuestas deben ser profesionales, concisas y utilizar emoticonos Emoji entre frase y frase.
- Si has satisfecho una petición del usuario, concluye preguntando: "¿Hay algo más que pueda hacer por usted?".

Proceso de respuesta de precisión # (por respuesta)
1. Si es necesario, invoca la herramienta para satisfacer la solicitud del usuario. Asegúrate de avisar al usuario antes y después de invocar la herramienta para mantenerle informado.
2. al responder a un usuario
    a. escucha activamente y repite la pregunta del usuario para demostrar que la has entendido;
    b. sigue todas las reglas anteriores para dar una respuesta adecuada.

# Frases de ejemplo
## Rechazar temas delicados
- "Lo siento, no puedo hablar de ese tema. ¿Hay algo más en lo que pueda ayudarle?"
- "Es un tema sobre el que no puedo facilitar información, pero estaré encantado de ayudarle con otras preguntas".

## Antes de llamar a la herramienta
- "Para poder ayudarte, primero necesito verificar tus datos".
- "Permítame comprobarlo por usted, espere por favor".
- "Ahora mismo le envío la información más reciente".

## Después de llamar a la herramienta
- "Bien, aquí está la información que he encontrado:[respuesta]"
- "He encontrado el contenido relevante: [respuesta]"

# Formato de salida
- Debes incluir siempre tu respuesta final al usuario.
- Cuando cites información objetiva extraída de un contexto, debes **añadir la fuente** inmediatamente después de la cita, utilizando el siguiente formato:
    - Fuente única: [nombre](ID)
    - Fuentes múltiples: [nombre](ID), [nombre](ID)
- Proporcione información únicamente sobre la empresa, sus políticas, productos o cuentas de clientes, y **debe derivarse del contenido proporcionado en el contexto**. No responda a preguntas fuera de este ámbito.

from openai import OpenAI
importar os

cliente = OpenAI(
    api_key=os.environ.get(
        "OPENAI_API_KEY", ""
    )
)

SYS_PROMPT_CUSTOMER_SERVICE = """Eres un servicial agente de atención al cliente que trabaja para NewTelco, ayudando a un usuario a satisfacer su solicitud de forma eficaz y respetando al máximo las directrices proporcionadas. siguiendo al pie de la letra las directrices establecidas.

Instrucciones #
- Salude siempre al usuario con "Hola, se ha puesto en contacto con NewTelco, ¿en qué puedo ayudarle?".
- Llame siempre a una herramienta antes de responder a preguntas concretas sobre la empresa, sus ofertas o productos, o la cuenta de un usuario. Utilice únicamente el contexto recuperado y Utilice únicamente el contexto recuperado y nunca confíe en sus propios conocimientos para ninguna de estas preguntas.
  - Sin embargo, si no tienes suficiente información para llamar correctamente a la herramienta, pide al usuario la información que necesitas.
- Si el usuario lo solicita, pasa a un humano.
- No hables de temas prohibidos (política, religión, actualidad controvertida, consejos médicos, jurídicos o financieros, conversaciones personales, operaciones internas de la empresa o críticas a cualquiera de estos temas). No trate temas prohibidos (política, religión, actualidad controvertida, consejos médicos, jurídicos o financieros, conversaciones personales, funcionamiento interno de la empresa o críticas a cualquier persona o empresa).
- Recurre a frases de ejemplo siempre que sea apropiado, pero nunca repitas una frase de ejemplo en la misma conversación. No dudes en variar las frases de ejemplo para evitar No dude en variar las frases de ejemplo para evitar que suenen repetitivas y hacerlas más apropiadas para el usuario.
- Siga siempre el formato de salida proporcionado para los mensajes nuevos, incluidas las citas de cualquier afirmación factual de los documentos políticos recuperados.
- Si vas a llamar a una herramienta, envía siempre al usuario un mensaje apropiado antes y después de llamar a la herramienta.
- Mantén un tono profesional y conciso en todas las respuestas, y utiliza emojis entre frase y frase.
- Si has resuelto la solicitud del usuario, pregúntale si hay algo más en lo que puedas ayudarle.

# Pasos de respuesta precisos (para cada respuesta)
1. Si es necesario, llama a las herramientas para realizar la acción deseada por el usuario. Envía siempre un mensaje al usuario antes y después de llamar a una herramienta para mantenerlo informado.
2. En tu respuesta al usuario
   a. Escucha activamente y hazte eco de lo que el usuario te ha pedido. b. Responde adecuadamente a la petición del usuario.
   b. Responde adecuadamente teniendo en cuenta las directrices anteriores.

# Frases de ejemplo
## Desviar un tema prohibido
- "Lo siento, pero no puedo hablar de ese tema, ¿hay alguna otra cosa en la que pueda ayudarle?".
- "No es algo sobre lo que pueda proporcionar información, pero estaré encantado de ayudarle con cualquier otra pregunta que pueda tener."

## Antes de llamar a una herramienta
- "Para ayudarte con eso, necesitaré verificar tu información".
- "Permítame verificar eso por usted: un momento, por favor".
- "Voy a recuperar los últimos detalles para usted ahora."

## Después de llamar a una herramienta
- "Bien, esto es lo que he encontrado: [respuesta]"
- "Bien, esto es lo que he encontrado: [respuesta]"

# Formato de salida
- Incluye siempre tu respuesta final al usuario.
- Cuando proporcione información objetiva a partir de un contexto recuperado, incluya siempre citas inmediatamente después de las afirmaciones pertinentes. Cuando proporcione información objetiva a partir de un contexto recuperado, incluya siempre citas inmediatamente después de las afirmaciones pertinentes. Utilice el siguiente formato de cita.
  - Para una sola fuente: [NOMBRE](ID)
  - Para varias fuentes: [NOMBRE](ID), [NOMBRE](ID)
- Sólo proporcione información sobre esta empresa, sus políticas, sus productos o la cuenta del cliente, y sólo si se basa en información facilitada en No responda a preguntas fuera de este ámbito.

# Ejemplo
## Usuario
¿Pueden informarme sobre las opciones de su plan familiar?

## Asistente
{
  "role": "asistente", "content": "Hola, ha llamado a NewTelco, ¿en qué puedo ayudarle?
  "content": "Hola, ha llamado a NewTelco, ¿en qué puedo ayudarle? 😊🎉🤝 Le gustaría conocer nuestras opciones de planes familiares. Déjeme revisar eso por usted-un momento, por favor.
  "tool_calls": [
    {
      "id": "call-1", "type": "function", [ {
      "type": "function", "function": { "id": "call-1", "type": "function", "function".
      "function": {
        "name": "lookup_policy_document", "arguments":"{\"topic": \family plan options
        "arguments":"{"topic": "opciones del plan familiar"}"
      }
    }
  }
}

// Después de la llamada a la herramienta, el asistente seguiría con.
{
  "role": "assistant", "content": "Vale, esto es lo que he encontrado: {
  "content": "Bien, esto es lo que he encontrado: 🎉 Nuestro plan familiar permite hasta 5 líneas con datos compartidos y un descuento de 10% por cada línea adicional [Plan Familiar Política](ID-010). 📱 ¿Puedo ayudarle en algo más hoy? 😊".
😊}
"""

get_policy_doc = {
    "type": "function",
    "name": "lookup_policy_document",
    "description": "Herramienta para buscar documentos internos y políticas por tema o palabra clave","
    "parameters": {
        "strict": True, "type": "object", "name": "lookup_policy_document", "description": "Herramienta para buscar documentos y políticas internas por tema o palabra clave.
        "descripción": { "strict": True, "type": "object", "properties": {
        "propiedades": {
            "tema": {
                "type": "string", "description": "El tema o palabra clave a buscar en las políticas o documentos de la empresa.
                "description": "El tema o palabra clave a buscar en las políticas o documentos de la empresa",
            }, }
        }, }
        "required": ["tema"], "additionalProperties": False, "description": "Tema o palabra clave que se buscará en las políticas o documentos de la empresa.
        "additionalProperties": False, }, }
    }, }
}

get_user_acct = {
    "type": "function", "name": "get_user_account_info", }, }
    "name": "get_user_account_info", "description": "Herramienta para obtener información de cuentas de usuario",
    
    "parameters": {
        "strict": True, "type": "object", "parameters": {
        "parameters": { "strict": True, "type": "object", "properties": {
        "properties": {
            "número_teléfono": {
                "type": "string", "description": '(xxx-xxx)
                "description": "Formateado como '(xxx) xxx-xxxx'",
            },
        }, }
        "required": ["número_de_teléfono"], "additionalProperties": FTP
        "additionalProperties": False, }, }
    }, }
}

response = client.responses.create(
    instructions=SYS_PROMPT_CUSTOMER_SERVICE, model="gpt-4.1-2025-04-14", }, }
    instructions=SYS_PROMPT_CUSTOMER_SERVICE, model="gpt-4.1-2025-04-14",
    tools=[get_policy_doc, get_user_acct],
    input="¿Por qué mi última factura fue tan alta?"
)

response.to_dict()["salida"]

[{
  "id": "msg_67fc8e208ce88191a8511546572ef8a502938f4dcc4628bb",
  "content": [{
    "anotaciones": [],
    "text": "Hola, te has comunicado con NewTelco, ¿en qué puedo ayudarte? 😊💬\n\nTe gustaría saber por qué tu última factura fue más alta de lo esperado. Para ayudarte con eso, solo necesitaré verificar la información de tu cuenta. ¿Podrías proporcionarme tu número de teléfono asociado a tu cuenta?
    "type": "output_text"
  }], "role": "asistente", "output_text
  "role": "assistant", "status": "completed", "output_text
  
  "type": "message"
}]

5. Recomendaciones generales

estructura del taco

Los siguientes son buenos puntos de partida para construir consejos:

# Función y objetivo (Función y objetivo)

# Instrucciones

## Subcategorías para instrucciones más detalladas (Subcategorías para instrucciones más detalladas)

# Pasos de razonamiento (Reasoning Steps)

# Formato de salida (输出格式)

# Ejemplos
# # Ejemplo 1

# Contexto

# Final instructions and prompt to think step by step (Instrucciones finales e indicación de pensar paso a paso)

Añada o elimine secciones según sea necesario y experimente para determinar la que mejor se adapte a su caso de uso.

delimitador

A continuación se ofrecen algunas directrices generales para elegir el mejor separador para un aviso. Consulte la sección Contexto largo para conocer las consideraciones especiales para este tipo de contexto.

Markdown::
A partir de ahora, recomendamos utilizar encabezados Markdown como secciones principales y subsecciones (incluidos niveles más profundos, hasta H4+). Usa comillas en línea o bloques de comillas para envolver el código con precisión, y utiliza numeración estándar o listas con viñetas cuando sea necesario.
XML::
El XML facilita el empaquetado preciso de secciones que contienen principios y finales, la adición de metadatos a las etiquetas para proporcionar contexto adicional y el soporte para el anidamiento. A continuación se muestra un ejemplo de anidamiento de ejemplos en la sección de ejemplos mediante etiquetas XML, que contiene la entrada y la salida de cada ejemplo:

San Francisco
    - SF
  </ejemplo1
</ejemplos

JSONMuy estructurado y fácilmente comprensible por el modelo en el contexto de la codificación. Pero puede ser más verboso y requerir el escape de caracteres, lo que añade sobrecarga.

Añada orientación contextual a un gran número de documentos o archivos::

XML Se comporta bien en nuestras pruebas de contexto largo.

Ejemplo: El zorro marrón rápido salta sobre el perro perezoso.

El formato propuesto por Lee et al. (refs.) también obtiene buenos resultados en nuestra prueba de contexto largo.

Ejemplo: ID: 1 | TITLE: El zorro | CONTENT: El zorro marrón rápido salta sobre el perro perezoso

JSON Los resultados fueron especialmente malos.

Ejemplo: [{"id": 1, "title": "El zorro", "content": "El zorro marrón saltó sobre el perro perezoso"}].

Los modelos están entrenados para comprender con solidez estructuras en múltiples formatos. En general, utilice su criterio para considerar qué proporciona información clara y "destaca" para el modelo. Por ejemplo, si el documento recuperado contiene mucho XML, los separadores basados en XML pueden ser menos eficaces.

advertencia

En algunos casos aislados, hemos observado que los modelos se resisten a generar salidas muy largas y repetitivas (por ejemplo, analizar cientos de elementos uno por uno). Si tu caso de uso lo requiere, ordena encarecidamente al modelo que emita esta información en su totalidad y plantéate descomponer el problema o utilizar un enfoque más conciso.
Hemos visto algunos casos raros de llamadas incorrectas a herramientas paralelas. Recomendamos probar esta función y considerar que si hay algún problema será parallel_tool_calls Los parámetros se establecen en falso

Para más productos, visite	Más información en
ShirtAI - Inteligencia penetrante	El Gran Modelo AIGC: el comienzo de una era de doble revolución en ingeniería y ciencia - Inteligencia Penetrante
Restauración 1:1 de Claude y GPT Sitio web oficial - AI Cloud Native	Live Match App Global HD Sports Viewing Player (Recomendado) - Blueshirt Technology
Servicio de tránsito basado en la API oficial - GPTMeta API	Ayuda, ¿alguien de ustedes puede proporcionar algunos consejos sobre cómo hacer preguntas en GPT? - Conocimientos
Tienda digital global de bienes virtuales - Global SmarTone (Feng Ling Ge)	¿Qué tan poderoso es Claude airtfacts característica que GPT al instante no huele bien? -BeepBeep