Prompt chaining, descomposición y context engineering

Descomponer y encadenar

Las tareas complejas fallan cuando se piden de una vez: el modelo debe planificar, recordar, decidir formato y no equivocarse en 2000 tokens seguidos. La descomposición parte el trabajo en subtareas con criterio de éxito propio (extraer, clasificar, redactar, verificar), y el prompt chaining las conecta: la salida verificada de un paso es la entrada del siguiente.

El chaining tiene un costo honesto: los errores se propagan (si el paso 1 extrae mal, el paso 3 redacta sobre basura) y cada paso consume tiempo y tokens. Por eso cada eslabón lleva validación: solo avanza lo que pasó el control. Usalo cuando la tarea tiene etapas naturales verificables; para lo simple, un solo prompt bien armado rinde más.

El rendimiento no es solo el texto

En aplicaciones reales, la calidad depende de un sistema completo, no de una frase ingeniosa:

1. Prompt: instrucciones y ejemplos.
2. Contexto: qué información relevante acompaña.
3. Herramientas: búsqueda, cálculo, acciones disponibles.
4. Datos: documentos y bases que puede consultar (RAG).
5. Memoria: qué recuerda entre pasos y sesiones.
6. Instrucciones del sistema: reglas permanentes de comportamiento.
7. Evaluación: cómo se mide si funcionó.

Mejorar solo el texto cuando el problema está en los datos o en la falta de herramientas es como pulir el volante con el tanque vacío. El diagnóstico profesional recorre las siete capas.

Context engineering y sus vecinos

Context engineering es el nombre que se le da a diseñar deliberadamente todo lo que entra en la ventana del modelo: qué documentos se recuperan, en qué orden, con qué instrucciones del sistema, con qué historial y con qué herramientas disponibles. Amplía el escribir un buen prompt a construir un buen entorno de trabajo.

Sus vecinos, sin duplicarlos: las instrucciones del sistema fijan el comportamiento permanente (identidad, reglas, límites); RAG aporta documentos relevantes bajo demanda (ver hub de Agentes); los agentes cierran el círculo cuando el modelo decide solo qué pasos y herramientas usar. Cada concepto tiene su hub y su guía; aquí importa el mapa, no el territorio.

Fuentes

• Building effective agents (workflows, chaining, cuándo usar agentes) (documentacion-tecnica) · consultado 20/09/2026
• Guía de prompt engineering (descomposición, contexto, RAG) (documentacion-oficial) · consultado 20/09/2026

Seguir aprendiendo

• Memoria, planificación y orquestación (Avanzado)
• Cómo evaluar y mejorar prompts (Intermedio)