Qué es un prompt de sistema y cómo se escribe

Un prompt de sistema es el conjunto de instrucciones que una aplicación da a un modelo de lenguaje antes de que el usuario diga nada: qué papel debe hacer el modelo, qué puede y qué no puede hacer, qué tono usar y cómo dar formato a la respuesta. Cuando el chatbot de atención de una tienda solo responde sobre pedidos y lo hace en tres frases cortas, ese comportamiento suele venir de su prompt de sistema, no del modelo en sí. Esta guía explica qué es un prompt de sistema, dónde va en las API de OpenAI, Claude y Gemini, cuánto peso le dan los modelos, cuánto cuesta y por qué nunca debe guardar un secreto.

Dónde va el prompt de sistema en cada API

Cada proveedor le da un nombre y un sitio propios a estas instrucciones. La idea es la misma en todos: viajan con la petición, separadas del mensaje del usuario.

Tabla: dónde van las instrucciones de sistema (documentación oficial, comprobada el 28 de octubre de 2026)

Un detalle de OpenAI pilla a mucha gente: el parámetro instructions solo se aplica a la petición con la que se envía. Si encadenas turnos con previous_response_id, las instrucciones de los turnos anteriores no se arrastran, así que tu aplicación tiene que volver a enviarlas cada vez.

Quién gana cuando las instrucciones chocan

OpenAI dice que los mensajes developer, las instrucciones de quien desarrolla la aplicación, tienen prioridad sobre los mensajes user de la persona que escribe. Lo compara con una función y sus argumentos: el mensaje del desarrollador contiene las reglas y la lógica del negocio, y el del usuario aporta la entrada a la que se aplican esas reglas.

Esa prioridad describe cómo debe comportarse el modelo; no es un candado. Un usuario, o un texto escondido en una página web o en un documento que lee el modelo, puede intentar convencerlo de que se salte sus instrucciones, que es el ataque que describe nuestra guía sobre la inyección de prompts. Un prompt de sistema hace mucho más probable el comportamiento buscado; no hace imposible el contrario.

La forma de escribirlo también cuenta. Anthropic señala que Claude Opus 4.5 y Claude Opus 4.6 responden con más fuerza al prompt de sistema que los modelos anteriores, y que las reglas escritas a gritos para modelos antiguos ahora pueden hacer que se pasen de frenada. Su consejo es cambiar algo como «CRITICAL: You MUST use this tool when...» por una redacción normal como «Use this tool when...».

Qué lleva un buen prompt de sistema

Casi todos los prompts de sistema en producción cubren las mismas seis cosas:

1. Un papel. Una frase sobre qué papel hace el modelo. Anthropic dice que incluso una sola frase marca la diferencia.
2. La tarea y el público. Para qué sirve el asistente y con quién habla.
3. Reglas. Qué debe hacer, qué no debe hacer nunca y qué hacer cuando no está seguro, como ofrecer el paso a una persona.
4. Contexto. Datos de producto, políticas o textos de referencia que el modelo necesita en cada turno.
5. El formato de salida. Extensión, estructura, idioma y cualquier cosa que tu programa vaya a leer.
6. Ejemplos. Algunos intercambios de muestra con la respuesta que quieres.

Los prompts largos se siguen mejor cuando cada parte está bien marcada. Anthropic recomienda envolver cada tipo de contenido en su propia etiqueta XML, como <instructions> o <context>, y dice que así se reducen las malas interpretaciones; los títulos de Markdown cumplen una función parecida. Nuestros fundamentos de ingeniería de prompts explican cómo redactar cada instrucción.

Un ejemplo para un chatbot de atención

Este es un prompt de sistema breve para una tienda online de bicicletas imaginaria. Es una ilustración, no una plantilla que funcione igual en cualquier sitio:

Eres el asistente de atención al cliente de una tienda online de bicicletas.

<reglas>
- Responde solo a preguntas sobre pedidos, envíos, devoluciones y los productos de <contexto>.
- Si la respuesta no está en <contexto>, di que no estás seguro y ofrece pasar
  la conversación a una persona.
- No pidas nunca números de tarjeta ni contraseñas.
- Responde en el idioma del cliente, en tres frases como máximo.
</reglas>

<contexto>
Envíos: de 2 a 4 días laborables en España. Devoluciones: 30 días, gratis.
</contexto>

Cada línea corresponde a una de las seis partes de arriba: el papel en la primera línea, las reglas en su propio bloque y los datos que el modelo puede usar en otro aparte. Todo lo que pregunte un cliente se lee después a la luz de esas instrucciones.

Cuánto cuesta un prompt de sistema

El prompt de sistema se cobra como tokens de entrada en cada llamada, porque el modelo tiene que leerlo cada vez. En nuestro ejemplo resuelto de cuánto cuesta un chatbot al mes, un prompt de sistema de 1.200 tokens enviado en cuatro turnos supone 4.800 de los 6.500 tokens de entrada de cada conversación. Un prompt largo no es un problema en sí mismo, pero cada uno de sus tokens se multiplica por tu tráfico.

La caché de prompts es la respuesta habitual, y el prompt de sistema es el candidato ideal porque se repite exactamente igual. Dos reglas de los proveedores deciden si funciona:

• Lo fijo va primero. Anthropic construye su caché en un orden fijo, herramientas, después sistema y después mensajes, y un cambio en un nivel invalida ese nivel y todo lo que viene detrás. Una fecha, el nombre de un usuario o cualquier otra cosa que cambie al principio del prompt de sistema rompe la caché de toda la petición.
• Hay una longitud mínima. OpenAI guarda en caché los prompts a partir de 1.024 tokens en GPT-5.6 y posteriores, y Anthropic a partir de 512 tokens en sus modelos 5.5. Los prompts más cortos se procesan sin más al precio normal.

Nuestra guía sobre la caché de prompts explica los descuentos, y la ventana de contexto marca el límite de hasta dónde pueden crecer el prompt y la conversación.

Por qué un prompt de sistema no es un secreto ni un candado

OWASP, el proyecto abierto de seguridad, incluye la filtración del prompt de sistema entre los riesgos principales de las aplicaciones basadas en modelos de lenguaje. Su criterio es tajante: el prompt de sistema no debe considerarse un secreto ni usarse como control de seguridad. Los usuarios a menudo consiguen que un modelo revele sus instrucciones, y nada garantiza que se niegue.

Del criterio de OWASP salen tres consecuencias prácticas:

• Nada de credenciales. Contraseñas, claves de API y cadenas de conexión no van en un prompt de sistema.
• Los límites se aplican en el código. Reglas como quién puede ver qué datos o cuánto puede gastar un usuario las tiene que comprobar tu programa, no las instrucciones del modelo.
• Las salidas se revisan aparte. OWASP considera preferible un sistema independiente que inspeccione la salida del modelo a confiar solo en las instrucciones del prompt de sistema.

Escribe cada prompt de sistema como si un usuario curioso fuera a leerlo algún día, porque puede pasar.

Instrucciones personalizadas en las aplicaciones de consumo

No hace falta una API para usar la misma idea. En ChatGPT, las instrucciones personalizadas son indicaciones que escribes tú en su apartado de Personalización, y el asistente las tiene en cuenta en tus chats; nuestra guía sobre la memoria de ChatGPT explica cómo conviven con los recuerdos guardados. La diferencia con el prompt de sistema de una aplicación es quién lo escribe: tú, para ti, en lugar de un desarrollador para todos los usuarios de un producto.

Cómo lo comprobamos

El 28 de octubre de 2026 leímos la guía de generación de texto y la guía de caché de prompts de OpenAI, las buenas prácticas de prompts y la documentación de caché de Anthropic, la documentación de generación de texto de Gemini de Google y la ficha LLM07:2025 de OWASP sobre la filtración del prompt de sistema. La cifra de 4.800 tokens de entrada sale del ejemplo de nuestra guía sobre el coste de un chatbot. El prompt de sistema de muestra es una ilustración nuestra y no se ha probado con ningún modelo concreto.