*Este artículo fue creado utilizando entrada de voz con IA (Aqua Voice). Tenga en cuenta que puede haber algunas inconsistencias.
¿Sigues estancado en “ser bueno con los prompts”? — La evolución de la IA y tres tipos de ingeniería
Hola. ¿Cómo están todos?
Soy Hiro del Laboratorio de Full Body Tracking.
Hoy, en lugar de hablar sobre rastreo corporal completo como siempre, quiero hablar sobre IA.
Uso una herramienta de IA llamada Claude Code para todo tipo de cosas — escribir artículos, escribir novelas, generar scripts de Blender 3D, y más.
Pero solo usarla normalmente no es suficiente.
Hoy hablaré sobre cómo ha evolucionado la forma en que usamos la IA, qué ha cambiado junto con su evolución, y por qué llegué a la forma en que la uso ahora.
Hay tres generaciones de uso de IA
Basándome en mi experiencia usando IA, siento que la evolución del uso se puede dividir en tres etapas.
La primera es “Prompt Engineering.”
La segunda es “Context Engineering.”
La tercera es “Harness Engineering.”
Permítanme explicar cada una.
Generación 1: Prompt Engineering
Si usas IA, la mayoría de las personas probablemente empezaron aquí.
Hay una pantalla de chat como LINE, dices “Por favor haz tal cosa,” y responde “Claro, aquí está tal cosa.” Esa es la idea básica.
El prompt engineering es la habilidad de escribir bien esas instrucciones.
Por ejemplo, algo como esto:
“Eres un editor profesional. Por favor, corrige el siguiente texto.”
Le das contexto y prerrequisitos a la contraparte para obtener respuestas más especializadas. La clave es escribir buenas instrucciones.
Esto sigue siendo importante incluso en generaciones posteriores. Sin embargo, tenía una debilidad fatal.
Tienes que decirlo cada vez
“Eres un investigador de rastreo corporal completo, tu pronombre en primera persona es ‘yo,’ tu estilo de escritura es casual-educado…”
Tienes que escribir esto cada vez, con un conteo de caracteres limitado.
La IA no puede recordar todo, así que necesitas ser lo más conciso posible, pero también preciso.
Honestamente, tenía sus límites.
Se olvida cuando la conversación se alarga
Los humanos somos iguales, ¿verdad? Cuando sigues hablando un rato, terminas pensando “Espera, ¿de qué estábamos hablando originalmente?” La IA es igual.
La calidad se vuelve inconsistente
A medida que las conversaciones se alargan, la calidad empieza a fluctuar. Lo configuras como “un investigador de rastreo corporal completo,” pero a mitad de camino, se convierte en un personaje completamente diferente.
No puedes aprovechar el conocimiento pasado
Quieres decir “Por favor absorbe toda la información de los artículos que he escrito antes y úsala,” pero eso es imposible. Hay un límite en cuánto puede retener la IA en su memoria a la vez.
Al final, el enfoque de “intentar manejar todo solo con prompts” empezó a mostrar sus límites.
Entonces la pregunta se convirtió en: ¿hay otra forma? Y el uso de IA evolucionó en una nueva dirección.
Generación 2: Context Engineering
¿Qué es el context engineering? Es la habilidad de diseñar “qué información mostrarle a la IA, en qué momento y en qué orden.”
Si los prompts se tratan de “qué preguntar,” entonces el contexto se trata de “qué mostrarle a la IA.”
Tres cosas que hacer
Primero, alimentarla con la información necesaria.
Cuando la IA escribe un artículo, precargas artículos relevantes del pasado, la información más reciente de dispositivos, retroalimentación de los lectores, y demás. No todo — solo lo que es relevante para la tarea actual.
Luego, gestionar la frescura de la información.
Juzgas “esta información es actual” y “esa información está desactualizada,” y priorizas mostrar lo más nuevo. Si le pides que escriba “recomendaciones más recientes” basándose en información vieja, eso va a ser engañoso.
Finalmente, diseñar el orden de la información.
El orden en que le muestras las cosas a la IA cambia el resultado. “Primero, ayudarla a entender el mundo de VRChat. Luego, ayudarla a entender la tecnología de rastreo corporal completo. Finalmente, presentar el tema actual.” Invertir este orden produce resultados completamente diferentes.
Cuatro técnicas
Se dice que el context engineering tiene cuatro técnicas principales.
Selección: Elegir la información necesaria.
Compresión: Condensar la información y pasar solo los puntos clave.
Segmentación: Dividir la información en bloques y presentarla en etapas.
Depuración: Eliminar información innecesaria para reducir el ruido.
Alimentar todo de una vez en realidad es contraproducente. La clave del context engineering es presentar solo lo necesario, en la forma que se necesita.
Generación 3: Harness Engineering
La última en surgir es harness engineering.
Cuando escuchas “harness,” algunas personas pueden pensar en el cableado automotriz. Pero el harness del que hablo aquí se refiere originalmente al conjunto completo de equipo para controlar un caballo. Herramientas que guían al caballo en la dirección correcta.
Harness engineering es la habilidad de diseñar el entorno mismo en el que opera la IA, para que siempre funcione en la dirección correcta.
Similitudes con los test harness
Por cierto, dado que Anthropic — la empresa que hace Claude Code — es una empresa de software, creo que este “harness” comparte la misma etimología que “test harness.”
Un test harness es un término de desarrollo de software para un sistema que controla estructuralmente el entorno de ejecución de un objetivo de prueba y hace que los resultados sean verificables.
Equipo para hacer que un caballo corra correctamente. Un sistema para verificar objetivos de prueba correctamente. Diseño ambiental para hacer que la IA trabaje correctamente. Todos están conectados.
¿Qué estoy haciendo realmente?
Permítanme presentar el harness que he construido realmente.
Primero: Skills (Personas).
Reglas como “Hiro escribe así,” “el pronombre en primera persona es yo,” “esto está prohibido” se definen en archivos. La IA lee estos archivos y opera desde el inicio con la premisa “Yo soy Hiro.”
No necesitas escribir “Tú eres Hiro” en el prompt cada vez. Ya está en ese camino.
Segundo: Base de Conocimiento.
Artículos que he escrito en el pasado, conocimiento de VRChat, información sobre dispositivos de rastreo corporal completo. Todo esto está organizado en carpetas, y la IA puede consultarlo cuando sea necesario.
No necesitas escribir “El rastreo corporal completo es una tecnología que sigue el movimiento de todo el cuerpo…” en el prompt cada vez. Ya sabe cómo buscar y cómo encontrar el conocimiento.
Tercero: Flujo de trabajo.
Hay un procedimiento establecido para escribir artículos: confirmar el tema, diseñar el tema oculto, bosquejo, escribir, revisar. Este procedimiento está escrito en un archivo, así que la IA puede trabajar paso a paso en “qué pensar primero.”
Cuarto: Memoria.
Registros como “esta persona tomó esta decisión antes” y “esta política se estableció para este proyecto” se guardan en archivos, y la IA puede leerlos en nuevas sesiones.
Este podría ser el más importante. La memoria se extiende más allá de los límites de la ventana de contexto.
Quinto: Controles de calidad (Checkers).
Cuando la IA produce un resultado, no va directamente a publicación. Un checker se ejecuta automáticamente. “¿Coincide con la definición original?” “¿Es correcto el pronombre en primera persona?” Si algo falla, el proceso vuelve al inicio del diagrama de flujo y lo rehace.
En vez de decir “Ten cuidado” en un prompt, los controles están integrados en el sistema.
La diferencia entre “Peticiones” y “Sistemas”
El punto importante aquí es: “Pero, ¿no había definiciones de condiciones como ‘hazlo así’ y ‘escríbelo así’ en la etapa de context engineering también?”
Sí, las había. Pero esas definiciones de condiciones en realidad eran solo peticiones.
Incluso si decías “No hagas esto” o “No escribas así,” no había un sistema en su lugar para asegurar el camino correcto. Como eran peticiones, la IA podía olvidarlas o ignorarlas.
Harness engineering no es una petición — es estructura. Pone rieles para que la IA solo pueda correr en la dirección correcta. Esa es la diferencia fundamental.
Comparando las tres lado a lado
Permítanme organizar todo hasta ahora de una vez.
Prompt Engineering:
La habilidad de hacer buenas “órdenes” a la IA.
En términos de restaurante: Hacer tu pedido.
Context Engineering:
La habilidad de darle a la IA los “ingredientes correctos.”
En términos de restaurante: Conseguir los ingredientes correctos.
Harness Engineering:
La habilidad de diseñar la “cocina” donde trabaja la IA.
En términos de restaurante: Diseñar la cocina.
Son completamente diferentes, ¿verdad? Pero necesitas las tres.
El mejor pedido (prompt) x los mejores ingredientes (contexto) x la mejor cocina (harness).
Cuando las tres se juntan, la IA realmente puede cocinar. Si falta alguna, no funciona.
Una analogía de casa lo hace aún más claro
Para quienes no conectaron bien con la analogía del restaurante, aquí va una versión de casa.
Harness = Cimientos. Una vez construidos, duran para siempre.
Contexto = Paredes y pilares (estructura). Se pueden reconfigurar por tarea.
Prompt = Diseño de interiores (arreglo de muebles). Se puede cambiar cada vez.
Unos cimientos sólidos, paredes adecuadas e interiores bien arreglados. Solo cuando todo se junta se convierte en una “casa.”
Por el contrario, no importa cuán elaborado sea el interior (prompt), sin los cimientos (harness), estás reconstruyendo desde cero cada vez. Sin paredes (contexto), ni siquiera tienes una habitación.
Ejemplo real — Cómo escribí “El Amante del Metaverso”
Donde más sentí la diferencia entre estas tres fue con la novela “El Amante del Metaverso,” los 12 capítulos completos, que escribí recientemente.
¿Qué hubiera pasado solo con prompts?
“La ambientación es VRChat, el tema es romance en un mundo virtual, por favor escríbelo en 12 capítulos.”
Escribir eso, arreglar lo que sale, dar más instrucciones, arreglar de nuevo. Repetir.
Algo sale de esto. Pero lo que obtienes es una “novela con sabor a IA.” Las descripciones de VRChat son superficiales, y la emoción del rastreo corporal completo no se transmite.
Lo que hice
Usé las tres capas.
A nivel de prompt:
“Este capítulo va más o menos así.” “Esta escena debería tener este tipo de atmósfera.” Mantuve las instrucciones individuales simples.
A nivel de contexto:
Cargué el contenido de los capítulos anteriores, la cultura de guía para novatos de VRChat, la experiencia emocional del rastreo corporal completo, y la atmósfera de las salas de baile. La información que este capítulo en particular necesitaba ahora mismo.
A nivel de harness:
La persona de “Hiro” aseguró la autenticidad de VRChat. La base de conocimiento aseguró descripciones precisas de rastreo corporal completo. Los controles de calidad confirmaron “¿Hay algo poco realista para VRChat?” y “¿Es coherente la historia?” La memoria mantuvo la consistencia a lo largo de los 12 capítulos.
Lo más difícil, honestamente, fue el contexto. Si no puedes poner algo en palabras tú mismo, tampoco puedes transmitírselo a la IA. Articular “este sentimiento particular de VRChat” es genuinamente difícil. Hubo muchos fracasos.
Pero cuando las tres encajaron juntas, pude escribir una obra larga de 12 capítulos con calidad consistente. Si hubiera faltado un solo elemento, no creo que hubiera funcionado.
Las tres no están en oposición — Son capas
“¿Entonces el prompt engineering ya está obsoleto?”
Para nada.
Expliqué que las tres pertenecen a diferentes generaciones, pero eso no significa que las más antiguas se vuelvan innecesarias. Usas todas. Son simplemente capas diferentes.
Incluso después de construir un harness, todavía das instrucciones a nivel de prompt: “Escribe este capítulo así.”
Incluso si el contexto está bien organizado, si el prompt es descuidado, el resultado será descuidado.
Solo cuando las tres se juntan la IA rinde a su máximo potencial.
Resumen
Solo con prompts, eres un cliente haciendo pedidos desde cero cada vez.
Cuando organizas el contexto, la IA obtiene buenos ingredientes, y la calidad del resultado se dispara.
Una vez que construyes un harness, la IA se convierte en un compañero de equipo. Lleva tu conocimiento, trabaja con tu estilo y funciona en tu nombre.
Soy un investigador de rastreo corporal completo, pero es lo mismo con el rastreo corporal completo.
Solo con un headset y controladores (= solo prompts), puedes entrar al mundo virtual.
Elegir el mundo correcto (= organizar el contexto) cambia la calidad de la experiencia.
Ponerte los sensores de rastreo corporal completo, calibrar y configurar el entorno (= construir el harness) — ahí es cuando por primera vez tienes la sensación de “estar ahí tú mismo.”
Es lo mismo con la IA.
Solo cuando alineas las tres capas se convierte en “tu IA.”
Espero que todos ustedes prueben las etapas que están más allá de los prompts.
Hiro
¡Gracias por leer! ¡Síguenos en X y suscríbete a nuestro canal de YouTube!