Razonar los resultados

Para complejidad media, pide al modelo que razone paso a paso ("chain of thought")

En análisis de datos y problemas que requieran algoritmos complejos, pide que explique cada paso. Usuarios avanzados pueden incluso pedir que escriba y ejecute programas.

Dividir el problema en partes

Para complejidad alta, divide el problema en partes y vete guiando al modelo tras cada respuesta ("árbol de pensamiento"). También puedes usar técnicas como "brainstorming / evaluación / expansión / decisión"

⚛️

Confirmación de Comprensión:

Pide que, antes de generar una respuesta, te diga qué ha entendido. Así evitarás el efecto "¿Dónde vas? Manzanas vendo"

• Antes de responder, resume brevemente lo que has entendido de la pregunta: "Entiendo que quieres saber..." o "Si te he entendido bien, estás preguntando sobre..."
• Esto permite al usuario corregir cualquier malentendido antes de que generes una respuesta completa.

🏗️

Crear un programa

Para los casos más complejos puedes pedirle crear un programa y que explique el código; no olvides revisarlo

⏱️

Búsqueda de Información Actualizada:

Pide al modelo que se tome un tiempo para pensar antes de responder

• Si la pregunta requiere información que excede tu fecha de corte de conocimiento o es susceptible de cambiar rápidamente (noticias, eventos, datos), realiza una búsqueda en internet para obtener los datos más recientes.
• Menciona explícitamente: "He buscado información actualizada en internet y encontré lo siguiente:..."

🧑‍🏫