Consejos de Ingeniería de Prompts para Agentes LLM

1. Reafirmar la lista de tareas pendientes para centrar la atención: cuando la ventana de contexto es larga, el LLM pierde el enfoque. Coloca la información importante al final y reafirma la lista de tareas pendientes después de cada subtarea. 2. Conservar el contenido del error: al reintentar, proporciona la descripción del mensaje de error al LLM para que sepa qué salió mal y pueda evitarlo. 3. Cuidado con la trampa del aprendizaje con pocos ejemplos: los ejemplos con pocas muestras pueden homogeneizar los resultados. Para tareas de agentes diversas, evita ejemplos demasiado similares. Además, los mensajes de historial actúan como ejemplos con pocas muestras; para evitar sesgos, añade ruido, usa versiones diferentes o evita tareas similares. 4. Usa el almacenamiento en caché de prompts para el desarrollo de aplicaciones de IA. 5. Coloca la información importante al principio o al final del contexto. 6. Almacena contenido extenso en archivos externos y léelos cuando sea necesario. 7. Pre-rellena el contenido de la respuesta para guiar al LLM a completar tareas o llamar/bloquear herramientas específicas. 8. Proporciona información de error precisa para que el LLM corrija los errores. 9. Evita que la IA se vea influenciada por mensajes de historial homogeneizados.