Loading...
    • Guía para desarrolladores
    • Referencia de API
    • MCP
    • Recursos
    • Notas de la versión
    Search...
    ⌘K
    Primeros pasos
    Introducción a ClaudeInicio rápido
    Modelos y precios
    Descripción general de modelosElegir un modeloNovedades en Claude 4.6Guía de migraciónModelos deprecadosPrecios
    Crear con Claude
    Descripción general de característicasUsar la API de MessagesManejar razones de paradaMejores prácticas de prompting
    Capacidades del modelo
    Extended thinkingAdaptive thinkingEsfuerzoModo rápido (vista previa de investigación)Salidas estructuradasCitasStreaming de MessagesProcesamiento por lotesSoporte de PDFResultados de búsquedaSoporte multilingüeEmbeddingsVisión
    Herramientas
    Descripción generalCómo implementar el uso de herramientasHerramienta de búsqueda webHerramienta de obtención webHerramienta de ejecución de códigoHerramienta de memoriaHerramienta BashHerramienta de uso de computadoraHerramienta de editor de texto
    Infraestructura de herramientas
    Búsqueda de herramientasLlamada de herramientas programáticaStreaming de herramientas de grano fino
    Gestión de contexto
    Ventanas de contextoCompactaciónEdición de contextoAlmacenamiento en caché de promptsConteo de tokens
    Archivos y activos
    API de archivos
    Agent Skills
    Descripción generalInicio rápidoMejores prácticasSkills para empresasUsar Skills con la API
    Agent SDK
    Descripción generalInicio rápidoTypeScript SDKTypeScript V2 (vista previa)Python SDKGuía de migración
    MCP en la API
    Conector MCPServidores MCP remotos
    Claude en plataformas de terceros
    Amazon BedrockMicrosoft FoundryVertex AI
    Ingeniería de prompts
    Descripción generalGenerador de promptsUsar plantillas de promptsMejorador de promptsSer claro y directoUsar ejemplos (prompting multishot)Dejar que Claude piense (CoT)Usar etiquetas XMLDar a Claude un rol (prompts del sistema)Encadenar prompts complejosConsejos de contexto largoConsejos de extended thinking
    Probar y evaluar
    Definir criterios de éxitoDesarrollar casos de pruebaUsar la herramienta de evaluaciónReducir latencia
    Fortalecer guardarraíles
    Reducir alucinacionesAumentar consistencia de salidaMitigar jailbreaksRechazos de streamingReducir fuga de promptsMantener a Claude en personaje
    Administración y monitoreo
    Descripción general de Admin APIResidencia de datosEspacios de trabajoAPI de uso y costosAPI de análisis de Claude CodeRetención de datos cero
    Console
    Log in
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...

    Solutions

    • AI agents
    • Code modernization
    • Coding
    • Customer support
    • Education
    • Financial services
    • Government
    • Life sciences

    Partners

    • Amazon Bedrock
    • Google Cloud's Vertex AI

    Learn

    • Blog
    • Catalog
    • Courses
    • Use cases
    • Connectors
    • Customer stories
    • Engineering at Anthropic
    • Events
    • Powered by Claude
    • Service partners
    • Startups program

    Company

    • Anthropic
    • Careers
    • Economic Futures
    • Research
    • News
    • Responsible Scaling Policy
    • Security and compliance
    • Transparency

    Learn

    • Blog
    • Catalog
    • Courses
    • Use cases
    • Connectors
    • Customer stories
    • Engineering at Anthropic
    • Events
    • Powered by Claude
    • Service partners
    • Startups program

    Help and security

    • Availability
    • Status
    • Support
    • Discord

    Terms and policies

    • Privacy policy
    • Responsible disclosure policy
    • Terms of service: Commercial
    • Terms of service: Consumer
    • Usage policy
    Fortalecer guardarraíles

    Aumentar la consistencia del resultado

    Cómo hacer que las respuestas de Claude sean más consistentes mediante especificación de formato, prefilling, ejemplos y recuperación contextual.

    Was this page helpful?

    • Especifica el formato de salida deseado
    • Prefill de la respuesta de Claude
    • Limita con ejemplos
    • Utiliza recuperación para consistencia contextual
    • Encadena prompts para tareas complejas

    Para garantizar la conformidad del esquema JSON

    Si necesitas que Claude siempre genere JSON válido que se ajuste a un esquema específico, utiliza Structured Outputs en lugar de las técnicas de ingeniería de prompts que se muestran a continuación. Los resultados estructurados proporcionan conformidad de esquema garantizada y están diseñados específicamente para este caso de uso.

    Las técnicas que se muestran a continuación son útiles para la consistencia general del resultado o cuando necesitas flexibilidad más allá de esquemas JSON estrictos.

    Aquí te mostramos cómo hacer que las respuestas de Claude sean más consistentes:

    Especifica el formato de salida deseado

    Define con precisión tu formato de salida deseado utilizando JSON, XML o plantillas personalizadas para que Claude entienda cada elemento de formato de salida que requieres.

    Prefill de la respuesta de Claude

    El prefilling está deprecado y no es compatible con Claude Opus 4.6 y Claude Sonnet 4.5. Utiliza structured outputs o instrucciones del system prompt en su lugar.

    Prefill el turno del Assistant con tu formato deseado. Este truco evita el preámbulo amigable de Claude y refuerza tu estructura.

    Limita con ejemplos

    Proporciona ejemplos de tu resultado deseado. Esto entrena la comprensión de Claude mejor que las instrucciones abstractas.

    Utiliza recuperación para consistencia contextual

    Para tareas que requieren contexto consistente (por ejemplo, chatbots, bases de conocimiento), utiliza recuperación para fundamentar las respuestas de Claude en un conjunto de información fijo.

    Encadena prompts para tareas complejas

    Divide tareas complejas en subtareas más pequeñas y consistentes. Cada subtarea obtiene la atención completa de Claude, reduciendo errores de inconsistencia en flujos de trabajo escalados.