PromptLib añade Smart Match, búsqueda semántica con Jev sobre tus prompts guardados
La extensión de Chrome para gestionar bibliotecas de prompts abre una beta de su buscador por intención, que localiza una pieza ya probada sin depender del título ni de las etiquetas.
Quien mantiene una biblioteca de prompts acaba siempre en el mismo callejón: sabe que guardó algo que funcionaba, pero no recuerda bajo qué nombre. PromptLib, una extensión de Chrome para almacenar y reutilizar prompts, ha añadido Smart Match, un buscador que usa el modelo Jev para resolver esa búsqueda por intención en lugar de por coincidencia de texto. La función está en beta cerrada y el acceso se pide al desarrollador.
El mecanismo es simple de describir. Smart Match vive dentro de la barra de búsqueda lateral que la extensión ya tenía. Se activa con un icono de IA, se describe el objetivo en lenguaje natural y el sistema recorre los prompts, plantillas y workflows que el usuario tiene en su biblioteca. El autor insiste en un punto que separa esto de un generador: no crea un prompt nuevo, elige entre los existentes. En sus palabras, toma una única decisión acotada, qué pieza ya probada encaja mejor con lo que esa persona intenta hacer.
El ejemplo del propio autor
Pone el caso de alguien que prepara anuncios de imagen para un cliente de protección solar: cinco conceptos con GPT Image, formato cuadrado para Meta, producto visible, aspecto poco pulido y varios ganchos para testear. La búsqueda tradicional sería encadenar términos del estilo GPT Image, Meta Ads, UGC, producto, y luego mezclar filtros por etiquetas. El problema es que el prompt que busca puede estar archivado con un título que no se parece en nada. Smart Match devolvería, según el autor, piezas como un sistema de producción de anuncios de imagen, un generador de anuncios con producto real o un flujo que va del brief creativo al prompt final.
La promesa concreta es que los términos de búsqueda dejen de tener que coincidir con el título, el contenido o las etiquetas del prompt. Ni más ni menos.
Lo que no enseña
No hay demo pública, ni cifras de acierto, ni precios. El propio autor reconoce que limita el acceso porque cada consulta suma a su coste mensual de modelo, así que la beta se abre por invitación: registrarse en su web, instalar la extensión, importar algunos prompts de la biblioteca pública y escribirle para que la active. Todo lo anterior es su versión, sin verificación independiente de por medio.
El interés para quien trabaja con esto está en la arquitectura, no en el envoltorio. Recuperar sobre un corpus propio y ya validado es un problema distinto al de generar de cero, y la búsqueda semántica es la vía obvia para resolverlo. La duda es la de siempre cuando la pieza clave es un modelo de terceros: coste por consulta, latencia y qué pasa con el contenido de tu biblioteca cuando sale de tu máquina.
