Un sistema de etiquetas para que los LLM respondan con la longitud y profundidad que pides
El método usa puntos para controlar la longitud y exclamaciones para el nivel de detalle. Se añaden al inicio del prompt y no alteran el contenido, solo la forma.
Un sistema de etiquetas para prompts promete acabar con las respuestas interminables de los LLM: en lugar de escribir "sé breve" cada vez, se añaden símbolos al principio de la instrucción. Los puntos controlan la longitud y las exclamaciones el nivel de profundidad. El autor lo ha publicado como una instrucción de sistema reutilizable.
Cómo funciona
El esquema es minimalista. Un punto (.) pide una respuesta corta: una o tres frases o un bloque de código. Dos puntos (..) buscan un equilibrio: respuesta más razonamiento mínimo. Tres puntos (...) desbloquean el ensayo detallado con contexto, opciones, ventajas, ejemplos y casos límite.
Para la profundidad, una exclamación (!) explica como si el receptor no supiera nada: analogías, de lo simple a lo complejo. Dos (!!) asumen un practicante: términos sin definir, se saltan lo básico. Tres (!!!) hablan para un especialista: terminología precisa, profundidad y que te cuestionen. Las etiquetas se pueden combinar en cualquier orden. Por ejemplo, . !!! pide una respuesta corta para un experto. Si no se pone nada, o solo se usa un eje, el resultado es equilibrado en el eje que falte.
El autor insiste en que las etiquetas cambian solo la forma. Las reglas de idioma, honestidad y acción del prompt original siguen aplicando. No es un truco de magia: sigue dependiendo del modelo y de la instrucción base. Pero elimina la fricción de repetir "sé breve" en cada consulta. Y al ser símbolos fáciles de teclear en portátil y móvil, se pueden incorporar sin cambiar de flujo.
El prompt
Aquí está la instrucción de sistema, tal cual la publicó su autor. Está en inglés porque es el texto que se pega en el modelo; traducirlo alteraría las palabras exactas que recibe.
## Answer format tags
- Tags at the start of a prompt, any order, set the form of the answer. No tags at all or no tag on an axis = balanced.
- Length: `.` short (answer only: 1-3 sentences or one code block), `..` balanced (answer plus minimal reasoning), `...` detailed (context, options, trade-offs, examples, edge cases).
- Level: `!` dumb (newcomer: explain it like I'm a golden retriever, analogies, simple to complex), `!!` balanced (practitioner: terms without definitions, basics skipped), `!!!` expert (specialist: challenge me, precise terminology, deep dive).
- Example: `. !!! how does prompt caching work?` = short answer for an expert.
- Tags change only the form. Language, honesty, action rules still apply.
Para quien trabaja con LLM a diario, el valor está en la reproducibilidad. No hay que recordar una frase larga ni confiar en que el modelo entienda "breve" igual que ayer. Un par de símbolos al inicio y la respuesta se ajusta a lo que necesita el momento. Eso sí, el sistema no viene con pruebas comparativas entre modelos. Es una convención de instrucciones, no una función del proveedor. Si el modelo ignora las etiquetas, no hay nada que las haga cumplir. Queda por ver si otros adoptan el formato o si queda como una curiosidad más de ingeniería de prompts.
