GUÍA
TODO
PROMPTS
70 prompts probados y optimizados para extraer insights significativos de tus datos con inteligencia artificial. Desde SQL hasta Machine Learning.
Registrate y añade ejemplos de prompts, comenta y participa en el foro.
Prompts
Dificultad:
Efectividad minima:0%+
Optimización de Consultas SQL
Avanzado92% efectividad
Analiza y optimiza consultas SQL complejas para mejorar el rendimiento y reducir el tiempo de respuesta.
Caso de uso: Mejora de rendimiento en bases de datos, análisis de planes de ejecución, indexación.
5.0(1)
0
Prompt: Analiza esta consulta SQL [insertar consulta] y proporciona:
1. Análisis del plan de ejecución
2. Identificación de cuellos de botella
3. Recomendaciones de índices
4. Consulta optimizada con explicación
5. Estimación de mejora de rendimiento
6. Código SQL refactorizado
Diseño de Esquema de Base de Datos
Avanzado88% efectividad
Diseña esquemas de base de datos normalizados y eficientes basados en requisitos de negocio.
Caso de uso: Modelado de datos, normalización, diseño de relaciones entre tablas.
0(0)
0
Prompt: Necesito diseñar una base de datos para [descripción del negocio]. Proporciona:
1. Diagrama ER (entidad-relación)
2. Definición de tablas con tipos de datos
3. Relaciones y claves foráneas
4. Índices recomendados
5. Consideraciones de normalización (hasta 3NF)
6. Script SQL CREATE TABLE
Análisis de Datos con Window Functions
Avanzado90% efectividad
Utiliza funciones de ventana para análisis complejos sin necesidad de subconsultas anidadas.
Caso de uso: Análisis de series temporales, ranking, cálculos acumulativos.
0(0)
0
Prompt: Necesito calcular [objetivo específico] usando Window Functions en SQL. Proporciona:
1. Consulta con ROW_NUMBER(), RANK(), DENSE_RANK()
2. Funciones de agregación con OVER ()
3. Particiones y ordenamiento
4. Comparación con versión anterior/siguiente
5. Ejemplo de salida
6. Explicación de cada función
Consultas Recursivas y CTEs
Avanzado85% efectividad
Domina las expresiones de tabla común (CTEs) y consultas recursivas para problemas complejos.
Caso de uso: Estructuras jerárquicas, árboles organizacionales, análisis de rutas.
0(0)
0
Prompt: Necesito resolver [problema con estructura jerárquica]. Proporciona:
1. Explicación de CTEs (Common Table Expressions)
2. Consulta recursiva paso a paso
3. Casos base y recursivos
4. Limitaciones y consideraciones de rendimiento
5. Ejemplo completo con datos de prueba
6. Alternativas iterativas si aplica
Transacciones y Control de Concurrencia
Avanzado87% efectividad
Implementa transacciones ACID y maneja conflictos de concurrencia en bases de datos.
Caso de uso: Garantizar integridad de datos, prevenir race conditions, manejo de deadlocks.
0(0)
0
Prompt: Necesito implementar [operación crítica] con transacciones. Proporciona:
1. Niveles de aislamiento (READ UNCOMMITTED, READ COMMITTED, REPEATABLE READ, SERIALIZABLE)
2. Implementación de transacciones ACID
3. Manejo de deadlocks
4. Bloqueos optimistas vs pesimistas
5. Código SQL con BEGIN, COMMIT, ROLLBACK
6. Casos de prueba para validar
Particionamiento y Sharding de Datos
Avanzado83% efectividad
Particiona y distribuye datos para mejorar rendimiento y escalabilidad.
Caso de uso: Escalabilidad horizontal, gestión de grandes volúmenes, distribución de datos.
0(0)
0
Prompt: Necesito particionar una tabla con [número] de registros. Proporciona:
1. Estrategia de particionamiento (rango, lista, hash)
2. Criterios de partición recomendados
3. Sintaxis SQL para crear particiones
4. Impacto en queries y índices
5. Estrategia de sharding si es necesario
6. Plan de mantenimiento y rebalanceo
Backup, Recovery y Disaster Recovery
Intermedio91% efectividad
Diseña estrategias de backup y recuperación para garantizar disponibilidad.
Caso de uso: Protección de datos, recuperación ante fallos, continuidad del negocio.
0(0)
0
Prompt: Necesito un plan de backup para [tipo de base de datos]. Proporciona:
1. Estrategia de backup (completo, incremental, diferencial)
2. Frecuencia recomendada según RPO/RTO
3. Ubicación de almacenamiento
4. Procedimientos de restauración
5. Pruebas de recuperación
6. Automatización con scripts
Monitoreo y Tuning de Base de Datos
Intermedio89% efectividad
Monitorea y ajusta continuamente el rendimiento de la base de datos.
Caso de uso: Detección de problemas, optimización continua, alertas de rendimiento.
0(0)
0
Prompt: Necesito monitorear [aspecto específico] de mi base de datos. Proporciona:
1. Métricas clave a monitorear (CPU, memoria, I/O, locks)
2. Queries para obtener estadísticas
3. Umbrales de alerta recomendados
4. Herramientas de monitoreo (nativas o terceras)
5. Dashboard de métricas
6. Acciones correctivas automáticas
Integración con ORMs (SQLAlchemy, Sequelize)
Intermedio86% efectividad
Usa ORMs para escribir código más mantenible y seguro contra inyecciones SQL.
Caso de uso: Desarrollo de aplicaciones, abstracción de base de datos, migraciones.
0(0)
0
Prompt: Necesito implementar [funcionalidad] usando [ORM]. Proporciona:
1. Definición de modelos
2. Relaciones entre entidades
3. Queries equivalentes en ORM
4. Migraciones de esquema
5. Validaciones y constraints
6. Código completo con ejemplos
Análisis de Logs y Queries Lentas
Intermedio88% efectividad
Analiza logs para identificar y resolver problemas de rendimiento.
Caso de uso: Debugging, optimización, identificación de cuellos de botella.
0(0)
0
Prompt: Tengo estos logs de queries lentas [insertar logs]. Proporciona:
1. Identificación de queries problemáticas
2. Análisis de planes de ejecución
3. Causas raíz del rendimiento lento
4. Recomendaciones de optimización
5. Índices sugeridos
6. Código refactorizado
Machine Learning: Preparación de Datos
Intermedio94% efectividad
Prepara datos de forma óptima para entrenar modelos de machine learning con mayor precisión.
Caso de uso: Preprocesamiento para modelos, normalización, tratamiento de desbalance.
0(0)
0
Prompt: Tengo un dataset para [tipo de problema: clasificación/regresión] con [número] de muestras. Proporciona:
1. Análisis de distribución de clases (desbalance)
2. Estrategia de normalización/escalado
3. Tratamiento de valores faltantes
4. Detección y manejo de outliers
5. Feature engineering recomendado
6. Código Python con sklearn/pandas
Selección de Modelo de Machine Learning
Avanzado87% efectividad
Selecciona el mejor modelo para tu problema específico con validación rigurosa.
Caso de uso: Comparación de modelos, validación cruzada, tuning de hiperparámetros.
0(0)
0
Prompt: Necesito un modelo para [descripción del problema]. Proporciona:
1. Comparación de 3-5 modelos candidatos
2. Métricas de evaluación apropiadas (Accuracy, Precision, Recall, F1, AUC)
3. Validación cruzada (K-Fold)
4. Matriz de confusión
5. Tuning de hiperparámetros con GridSearchCV
6. Código Python completo con sklearn
Deep Learning: Redes Neuronales Convolucionales
Avanzado85% efectividad
Construye y entrena redes neuronales convolucionales para tareas de visión.
Caso de uso: Clasificación de imágenes, detección de objetos, visión por computadora.
0(0)
0
Prompt: Necesito una CNN para [tarea de visión]. Proporciona:
1. Arquitectura de la red (capas convolucionales, pooling, fully connected)
2. Preprocesamiento de imágenes
3. Data augmentation
4. Función de pérdida y optimizador
5. Estrategia de entrenamiento (epochs, batch size)
6. Código completo con TensorFlow/PyTorch
Deep Learning: Redes Neuronales Recurrentes
Avanzado86% efectividad
Utiliza RNNs y LSTMs para problemas con dependencias temporales.
Caso de uso: Series temporales, procesamiento de secuencias, predicción de texto.
0(0)
0
Prompt: Necesito una RNN/LSTM para [problema de secuencia]. Proporciona:
1. Arquitectura (LSTM, GRU, Bidirectional)
2. Preparación de datos secuenciales
3. Ventanas de tiempo y features
4. Entrenamiento con secuencias variables
5. Predicción y validación
6. Código completo con TensorFlow/PyTorch
Transfer Learning y Fine-tuning
Avanzado88% efectividad
Reutiliza modelos preentrenados para resolver nuevos problemas con menos datos.
Caso de uso: Aprovechar modelos preentrenados, reducir tiempo de entrenamiento, mejorar precisión.
0(0)
0
Prompt: Necesito usar transfer learning para [tarea específica]. Proporciona:
1. Selección de modelo preentrenado apropiado
2. Congelamiento de capas
3. Fine-tuning de capas superiores
4. Estrategia de entrenamiento
5. Comparación con modelo desde cero
6. Código con modelos preentrenados (ResNet, VGG, BERT)
Clustering y Análisis No Supervisado
Intermedio84% efectividad
Descubre patrones ocultos en datos sin etiquetas usando clustering.
Caso de uso: Segmentación de clientes, detección de anomalías, análisis exploratorio.
0(0)
0
Prompt: Necesito agrupar [descripción de datos] en clusters. Proporciona:
1. Selección de algoritmo (K-Means, DBSCAN, Hierarchical)
2. Determinación del número óptimo de clusters
3. Preprocesamiento y escalado
4. Métricas de evaluación (Silhouette, Davies-Bouldin)
5. Interpretación de clusters
6. Código Python completo con sklearn
Ensemble Methods: Boosting y Bagging
Avanzado89% efectividad
Combina múltiples modelos para obtener predicciones más robustas.
Caso de uso: Mejora de precisión, reducción de varianza, competiciones de ML.
0(0)
0
Prompt: Necesito mejorar la precisión de mi modelo usando ensemble methods. Proporciona:
1. Explicación de Bagging, Boosting, Stacking
2. Implementación de Random Forest, Gradient Boosting, XGBoost
3. Tuning de hiperparámetros
4. Validación cruzada
5. Feature importance
6. Código Python con sklearn/xgboost
Validación Cruzada y Evaluación de Modelos
Intermedio90% efectividad
Valida modelos correctamente para asegurar que generalizan bien.
Caso de uso: Prevenir overfitting, estimar rendimiento real, comparar modelos.
0(0)
0
Prompt: Necesito evaluar correctamente mi modelo de [tipo]. Proporciona:
1. Estrategias de validación cruzada (K-Fold, Stratified, Time Series)
2. Métricas apropiadas para [tipo de problema]
3. Detección de overfitting/underfitting
4. Curvas de aprendizaje
5. Matriz de confusión y ROC-AUC
6. Código Python completo
Explicabilidad e Interpretabilidad de Modelos
Intermedio85% efectividad
Entiende y explica las decisiones de tus modelos de ML.
Caso de uso: Cumplimiento regulatorio, confianza del usuario, debugging de modelos.
0(0)
0
Prompt: Necesito explicar las predicciones de mi modelo [tipo]. Proporciona:
1. Técnicas de interpretabilidad (SHAP, LIME, Feature Importance)
2. Análisis de dependencia parcial
3. Gráficos de explicación
4. Validación de sesgos
5. Documentación para stakeholders
6. Código con librerías de explicabilidad
Reinforcement Learning: Primeros Pasos
Avanzado82% efectividad
Aprende a entrenar agentes que toman decisiones óptimas.
Caso de uso: Optimización de decisiones, juegos, control automático.
0(0)
0
Prompt: Necesito implementar un agente de RL para [problema]. Proporciona:
1. Conceptos de MDP, estados, acciones, recompensas
2. Algoritmos básicos (Q-Learning, Policy Gradient)
3. Exploración vs explotación
4. Implementación con OpenAI Gym
5. Entrenamiento y evaluación
6. Código Python con TensorFlow/PyTorch
Análisis de Texto: NLP Básico
Intermedio85% efectividad
Procesa y analiza texto con técnicas de NLP para extraer insights significativos.
Caso de uso: Análisis de sentimientos, clasificación de textos, extracción de palabras clave.
0(0)
0
Prompt: Tengo [número] de textos para analizar con objetivo de [análisis de sentimiento/clasificación/extracción]. Proporciona:
1. Preprocesamiento: tokenización, stemming/lemmatización
2. Vectorización (TF-IDF o Word2Vec)
3. Análisis de sentimiento con puntuación
4. Palabras más frecuentes y relevantes
5. Visualización de resultados
6. Código Python con NLTK/spaCy
Análisis de Sentimientos Avanzado
Avanzado87% efectividad
Realiza análisis de sentimientos con modelos preentrenados y transformers.
Caso de uso: Monitoreo de marca, análisis de redes sociales, feedback de clientes.
0(0)
0
Prompt: Necesito analizar sentimientos en [fuente de datos]. Proporciona:
1. Modelos preentrenados (BERT, RoBERTa, DistilBERT)
2. Clasificación multi-clase (positivo, neutral, negativo)
3. Extracción de aspectos y sentimientos
4. Análisis temporal de sentimientos
5. Visualización de tendencias
6. Código con Hugging Face Transformers
Extracción de Información y Entidades
Avanzado86% efectividad
Extrae información estructurada de textos no estructurados.
Caso de uso: Extracción de datos estructurados, NER, relaciones entre entidades.
0(0)
0
Prompt: Necesito extraer [tipo de información] de textos. Proporciona:
1. Named Entity Recognition (NER)
2. Extracción de relaciones
3. Resolución de correferencias
4. Extracción de atributos específicos
5. Validación de datos extraídos
6. Código con spaCy/Transformers
Clasificación de Textos con Deep Learning
Avanzado88% efectividad
Construye modelos de deep learning para clasificar textos.
Caso de uso: Categorización automática, spam detection, clasificación de documentos.
0(0)
0
Prompt: Necesito clasificar textos en [número] de categorías. Proporciona:
1. Arquitectura de red (CNN, RNN, Transformer)
2. Embedding de palabras (Word2Vec, GloVe, FastText)
3. Preprocesamiento de textos
4. Data augmentation para NLP
5. Entrenamiento y evaluación
6. Código con TensorFlow/PyTorch
Modelado de Tópicos (Topic Modeling)
Intermedio82% efectividad
Descubre temas principales en colecciones de documentos.
Caso de uso: Descubrimiento de temas, análisis de documentos, clustering de textos.
0(0)
0
Prompt: Tengo [número] de documentos y quiero descubrir los temas principales. Proporciona:
1. Algoritmo LDA (Latent Dirichlet Allocation)
2. Determinación del número óptimo de tópicos
3. Interpretación de tópicos
4. Visualización con pyLDAvis
5. Asignación de documentos a tópicos
6. Código Python completo
Generación de Texto con Transformers
Avanzado84% efectividad
Genera texto coherente y contextualmente relevante.
Caso de uso: Generación de resúmenes, traducción automática, escritura creativa.
0(0)
0
Prompt: Necesito generar [tipo de texto] usando modelos preentrenados. Proporciona:
1. Selección de modelo (GPT, T5, BART)
2. Fine-tuning en datos específicos
3. Estrategias de decoding (greedy, beam search, nucleus sampling)
4. Control de longitud y coherencia
5. Evaluación de calidad
6. Código con Hugging Face
Resumen Automático de Textos
Intermedio85% efectividad
Crea resúmenes automáticos de textos largos.
Caso de uso: Síntesis de documentos, resúmenes de noticias, condensación de contenido.
0(0)
0
Prompt: Necesito resumir automáticamente [tipo de contenido]. Proporciona:
1. Enfoques extractivos vs abstractivos
2. Modelos preentrenados para resumen
3. Ajuste de longitud de resumen
4. Preservación de información clave
5. Evaluación de calidad (ROUGE)
6. Código con Hugging Face/spaCy
Búsqueda Semántica y Similitud de Textos
Intermedio86% efectividad
Encuentra textos similares usando embeddings semánticos.
Caso de uso: Búsqueda de documentos similares, recomendaciones, detección de duplicados.
0(0)
0
Prompt: Necesito encontrar textos similares a [consulta]. Proporciona:
1. Generación de embeddings semánticos
2. Métricas de similitud (coseno, euclidiana)
3. Búsqueda eficiente (FAISS, Annoy)
4. Ranking de resultados
5. Visualización de similitud
6. Código con Sentence-BERT/Transformers
Chatbots y Conversational AI
Avanzado83% efectividad
Construye chatbots inteligentes que mantienen conversaciones coherentes.
Caso de uso: Atención al cliente, asistentes virtuales, soporte automatizado.
0(0)
0
Prompt: Necesito crear un chatbot para [dominio específico]. Proporciona:
1. Arquitectura del chatbot (intent recognition, entity extraction)
2. Gestión de contexto conversacional
3. Integración con bases de conocimiento
4. Manejo de preguntas fuera del dominio
5. Evaluación de calidad de respuestas
6. Código con Rasa/Hugging Face
Traducción Automática Neuronal
Avanzado84% efectividad
Traduce textos entre idiomas usando modelos neuronales.
Caso de uso: Traducción de contenido, localización, comunicación multilingüe.
0(0)
0
Prompt: Necesito traducir textos de [idioma origen] a [idioma destino]. Proporciona:
1. Selección de modelo preentrenado
2. Fine-tuning en dominio específico
3. Manejo de términos técnicos
4. Evaluación de calidad (BLEU, METEOR)
5. Mejora de traducciones
6. Código con Hugging Face/MarianMT
Creación de Agentes con LLM
Avanzado89% efectividad
Diseña agentes autónomos que pueden tomar decisiones y ejecutar acciones complejas.
Caso de uso: Automatización de tareas, chatbots inteligentes, asistentes virtuales.
0(0)
0
Prompt: Necesito crear un agente que [descripción de funcionalidad]. Proporciona:
1. Arquitectura del agente (percepción, razonamiento, acción)
2. Definición de herramientas/funciones disponibles
3. Estrategia de razonamiento (cadena de pensamiento)
4. Manejo de errores y recuperación
5. Ejemplo de interacción
6. Código Python con LangChain o similar
Agentes Multiherramienta con Razonamiento
Avanzado87% efectividad
Construye agentes que pueden usar múltiples herramientas en secuencia.
Caso de uso: Resolución de problemas complejos, automatización empresarial, análisis integrado.
0(0)
0
Prompt: Necesito un agente que pueda [tarea compleja] usando [herramientas disponibles]. Proporciona:
1. Definición de herramientas y APIs
2. Lógica de selección de herramientas
3. Encadenamiento de operaciones
4. Manejo de dependencias
5. Validación de resultados
6. Código completo con ejemplos
Agentes Reactivos vs Deliberativos
Avanzado85% efectividad
Entiende las diferencias y elige el tipo de agente apropiado.
Caso de uso: Sistemas en tiempo real, planificación a largo plazo, optimización de decisiones.
0(0)
0
Prompt: Necesito decidir entre un agente reactivo o deliberativo para [problema]. Proporciona:
1. Características de agentes reactivos
2. Características de agentes deliberativos
3. Comparación de rendimiento
4. Casos de uso de cada tipo
5. Implementación de ambos
6. Recomendación justificada
Planificación y Búsqueda en Agentes
Avanzado84% efectividad
Implementa algoritmos de planificación para agentes inteligentes.
Caso de uso: Optimización de rutas, resolución de puzzles, planificación de proyectos.
0(0)
0
Prompt: Necesito que mi agente planifique [tipo de tarea]. Proporciona:
1. Definición del espacio de búsqueda
2. Algoritmos de búsqueda (BFS, DFS, A*)
3. Heurísticas para guiar la búsqueda
4. Optimización del plan
5. Ejecución y replanificación
6. Código Python con ejemplos
Agentes Colaborativos y Negociación
Avanzado83% efectividad
Construye sistemas donde múltiples agentes colaboran o negocian.
Caso de uso: Sistemas multiagente, negociación automatizada, coordinación distribuida.
0(0)
0
Prompt: Necesito agentes que [colaboren/negocien] para [objetivo]. Proporciona:
1. Arquitectura multiagente
2. Protocolo de comunicación
3. Estrategias de negociación
4. Resolución de conflictos
5. Coordinación de acciones
6. Código con framework multiagente
Memoria y Aprendizaje en Agentes
Avanzado86% efectividad
Implementa mecanismos de memoria y aprendizaje en agentes.
Caso de uso: Agentes que mejoran con la experiencia, sistemas adaptativos, aprendizaje continuo.
0(0)
0
Prompt: Necesito que mi agente [aprenda/recuerde] de experiencias pasadas. Proporciona:
1. Tipos de memoria (corto plazo, largo plazo, episódica)
2. Almacenamiento de experiencias
3. Recuperación y relevancia
4. Actualización de políticas
5. Evaluación del aprendizaje
6. Código con persistencia de memoria
Agentes Autónomos en Entornos Dinámicos
Avanzado85% efectividad
Diseña agentes que se adaptan a entornos cambiantes.
Caso de uso: Robots, sistemas de control, adaptación a cambios del entorno.
0(0)
0
Prompt: Necesito un agente autónomo para [entorno dinámico]. Proporciona:
1. Percepción del entorno en tiempo real
2. Detección de cambios
3. Replanificación dinámica
4. Manejo de incertidumbre
5. Recuperación de fallos
6. Código con simulación del entorno
Evaluación y Testing de Agentes
Intermedio82% efectividad
Prueba y valida el comportamiento de agentes inteligentes.
Caso de uso: Validación de comportamiento, debugging, aseguramiento de calidad.
0(0)
0
Prompt: Necesito evaluar la calidad de mi agente. Proporciona:
1. Métricas de evaluación
2. Casos de prueba
3. Simulación de escenarios
4. Detección de comportamientos anómalos
5. Benchmarks y comparativas
6. Código de testing
Seguridad y Alineación de Agentes
Avanzado81% efectividad
Asegura que los agentes actúen de forma segura y alineada con objetivos.
Caso de uso: Prevención de comportamientos no deseados, control de agentes, alineación con objetivos.
0(0)
0
Prompt: Necesito asegurar que mi agente [sea seguro/esté alineado]. Proporciona:
1. Definición de restricciones
2. Validación de acciones
3. Límites de autoridad
4. Auditoría de decisiones
5. Rollback de acciones
6. Código de control y monitoreo
Agentes con Visión: Análisis de Imágenes
Avanzado83% efectividad
Crea agentes que pueden analizar y actuar basados en imágenes.
Caso de uso: Inspección visual, reconocimiento de objetos, análisis de documentos.
0(0)
0
Prompt: Necesito un agente que analice imágenes para [tarea]. Proporciona:
1. Integración de visión por computadora
2. Detección de objetos
3. Extracción de información visual
4. Toma de decisiones basada en imágenes
5. Integración con otras herramientas
6. Código con OpenCV/Transformers
Automatización de Procesos con Python
Intermedio91% efectividad
Automatiza tareas repetitivas y procesos manuales con scripts Python eficientes.
Caso de uso: Scripts de automatización, procesamiento de archivos, integración de sistemas.
0(0)
0
Prompt: Necesito automatizar [descripción de tarea]. Proporciona:
1. Análisis del flujo de trabajo actual
2. Identificación de pasos automatizables
3. Arquitectura de la solución
4. Manejo de errores y logging
5. Planificación de ejecución (cron/scheduler)
6. Código Python completo con buenas prácticas
Web Scraping Ético y Eficiente
Intermedio87% efectividad
Extrae datos de sitios web de forma ética y eficiente.
Caso de uso: Extracción de datos web, monitoreo de precios, recopilación de información.
0(0)
0
Prompt: Necesito extraer [tipo de datos] de [sitio web]. Proporciona:
1. Análisis de estructura HTML
2. Selección de librería (BeautifulSoup, Scrapy, Selenium)
3. Manejo de JavaScript dinámico
4. Respeto a robots.txt y rate limiting
5. Almacenamiento de datos
6. Código completo y escalable
Automatización de Reportes y Dashboards
Intermedio89% efectividad
Automatiza la creación y distribución de reportes.
Caso de uso: Generación automática de reportes, dashboards actualizados, alertas.
0(0)
0
Prompt: Necesito automatizar la generación de [tipo de reporte]. Proporciona:
1. Extracción de datos de fuentes
2. Transformación y agregación
3. Generación de visualizaciones
4. Formato de reporte (PDF, Excel, HTML)
5. Distribución automática
6. Código Python con librerías de reporting
Automatización de Testing y CI/CD
Intermedio90% efectividad
Automatiza pruebas y despliegues para mejorar calidad y velocidad.
Caso de uso: Pruebas automatizadas, integración continua, despliegue automático.
0(0)
0
Prompt: Necesito automatizar [testing/CI/CD] para [proyecto]. Proporciona:
1. Estrategia de testing (unitarias, integración, e2e)
2. Configuración de CI/CD (GitHub Actions, Jenkins, GitLab CI)
3. Pipelines de prueba
4. Despliegue automático
5. Notificaciones de fallos
6. Código de configuración
Automatización de Tareas Administrativas
Básico88% efectividad
Automatiza tareas administrativas cotidianas.
Caso de uso: Gestión de archivos, organización de datos, sincronización de sistemas.
0(0)
0
Prompt: Necesito automatizar [tarea administrativa]. Proporciona:
1. Identificación de pasos manuales
2. Herramientas disponibles
3. Flujo de trabajo automatizado
4. Manejo de excepciones
5. Validación de resultados
6. Código o configuración
Automatización de Comunicaciones
Básico85% efectividad
Automatiza el envío de mensajes y notificaciones.
Caso de uso: Envío de emails, notificaciones, alertas, recordatorios.
0(0)
0
Prompt: Necesito automatizar el envío de [tipo de mensaje]. Proporciona:
1. Selección de canal (email, SMS, Slack, etc.)
2. Plantillas de mensajes
3. Condiciones de disparo
4. Personalización de contenido
5. Tracking y logging
6. Código con librerías de comunicación
Automatización de Integraciones API
Intermedio89% efectividad
Automatiza la integración entre múltiples APIs.
Caso de uso: Sincronización de datos entre sistemas, webhooks, integraciones.
0(0)
0
Prompt: Necesito integrar [API 1] con [API 2]. Proporciona:
1. Autenticación en ambas APIs
2. Mapeo de datos
3. Sincronización bidireccional
4. Manejo de errores y reintentos
5. Logging y monitoreo
6. Código Python completo
Automatización con RPA (Robotic Process Automation)
Intermedio86% efectividad
Automatiza procesos que requieren interacción con interfaces gráficas.
Caso de uso: Automatización de interfaces gráficas, procesos legados, tareas manuales.
0(0)
0
Prompt: Necesito automatizar [proceso manual en GUI]. Proporciona:
1. Análisis del flujo de trabajo
2. Herramientas RPA (Selenium, PyAutoGUI, UiPath)
3. Identificación de elementos
4. Secuencia de acciones
5. Manejo de variabilidad
6. Código de automatización
Monitoreo y Alertas Automáticas
Intermedio87% efectividad
Implementa sistemas de monitoreo y alertas automáticas.
Caso de uso: Monitoreo de sistemas, detección de anomalías, alertas en tiempo real.
0(0)
0
Prompt: Necesito monitorear [métrica/sistema] y alertar si [condición]. Proporciona:
1. Recopilación de datos
2. Definición de umbrales
3. Detección de anomalías
4. Canales de alerta
5. Escalado de alertas
6. Código de monitoreo
Automatización de Backups y Recuperación
Intermedio90% efectividad
Automatiza backups y procedimientos de recuperación.
Caso de uso: Protección de datos, recuperación ante desastres, continuidad del negocio.
0(0)
0
Prompt: Necesito automatizar backups de [tipo de datos]. Proporciona:
1. Estrategia de backup (completo, incremental)
2. Frecuencia y retención
3. Almacenamiento seguro
4. Verificación de integridad
5. Procedimiento de restauración
6. Código de automatización
Prompts para Estudiantes: Explicación de Conceptos
Básico93% efectividad
Obtén explicaciones claras y ejemplos prácticos de conceptos complejos.
Caso de uso: Aprendizaje de nuevos conceptos, preparación de exámenes, comprensión profunda.
0(0)
0
Prompt: Explica el concepto de [tema] de forma que lo entienda un estudiante. Incluye:
1. Definición simple y clara
2. Analogía del mundo real
3. Componentes principales
4. Ejemplos prácticos
5. Errores comunes a evitar
6. Recursos para profundizar
Prompts para Estudiantes: Resolución de Problemas
Intermedio88% efectividad
Resuelve problemas paso a paso con explicación pedagógica de cada etapa.
Caso de uso: Resolución de ejercicios, comprensión de metodología, aprendizaje guiado.
0(0)
0
Prompt: Ayúdame a resolver este problema [insertar problema]. Proporciona:
1. Identificación del tipo de problema
2. Conceptos necesarios
3. Estrategia de solución
4. Pasos detallados con explicación
5. Verificación de la respuesta
6. Conceptos relacionados para profundizar
Prompts para Estudiantes: Preparación para Exámenes
Intermedio90% efectividad
Prepárate efectivamente para exámenes con práctica y retroalimentación.
Caso de uso: Estudio efectivo, práctica de exámenes, identificación de debilidades.
0(0)
0
Prompt: Necesito prepararme para un examen de [materia]. Proporciona:
1. Resumen de temas principales
2. Preguntas de práctica tipo examen
3. Respuestas con explicaciones
4. Áreas de enfoque
5. Consejos de estudio
6. Recursos recomendados
Prompts para Estudiantes: Escritura Académica
Intermedio87% efectividad
Mejora tus habilidades de escritura académica.
Caso de uso: Ensayos, trabajos de investigación, tesis, presentaciones.
0(0)
0
Prompt: Necesito ayuda escribiendo [tipo de trabajo académico] sobre [tema]. Proporciona:
1. Estructura recomendada
2. Tesis principal y argumentos
3. Citación correcta (APA, MLA, Chicago)
4. Revisión de borrador
5. Mejoras de redacción
6. Recursos académicos
Prompts para Estudiantes: Proyectos Prácticos
Intermedio86% efectividad
Guía para completar proyectos prácticos exitosamente.
Caso de uso: Proyectos de programación, experimentos, trabajos prácticos.
0(0)
0
Prompt: Necesito ayuda con un proyecto de [tipo]. Proporciona:
1. Desglose del proyecto en fases
2. Tecnologías y herramientas recomendadas
3. Estructura de código/datos
4. Checklist de requisitos
5. Debugging y troubleshooting
6. Presentación del proyecto
Prompts para Estudiantes: Aprendizaje de Programación
Básico91% efectividad
Aprende programación desde conceptos básicos hasta avanzados.
Caso de uso: Aprender lenguajes de programación, algoritmos, estructuras de datos.
0(0)
0
Prompt: Quiero aprender [lenguaje/concepto de programación]. Proporciona:
1. Conceptos fundamentales
2. Sintaxis básica
3. Ejemplos de código progresivos
4. Ejercicios prácticos
5. Errores comunes
6. Recursos de aprendizaje
Prompts para Estudiantes: Gestión del Tiempo y Estudio
Básico84% efectividad
Mejora tu gestión del tiempo y hábitos de estudio.
Caso de uso: Organización de estudios, productividad, equilibrio académico.
0(0)
0
Prompt: Necesito ayuda organizando mi tiempo de estudio para [objetivo]. Proporciona:
1. Técnicas de gestión del tiempo
2. Plan de estudio personalizado
3. Herramientas de productividad
4. Manejo del estrés académico
5. Hábitos efectivos
6. Seguimiento del progreso
Prompts para Estudiantes: Investigación Bibliográfica
Básico85% efectividad
Realiza investigaciones bibliográficas efectivas.
Caso de uso: Búsqueda de fuentes, evaluación de credibilidad, síntesis de información.
0(0)
0
Prompt: Necesito investigar sobre [tema] para [tipo de trabajo]. Proporciona:
1. Estrategia de búsqueda
2. Fuentes académicas recomendadas
3. Evaluación de credibilidad
4. Síntesis de información
5. Organización de referencias
6. Citas correctas
Prompts para Estudiantes: Presentaciones Efectivas
Básico86% efectividad
Crea y presenta trabajos de forma clara y convincente.
Caso de uso: Presentaciones orales, diapositivas, comunicación efectiva.
0(0)
0
Prompt: Necesito preparar una presentación sobre [tema] para [audiencia]. Proporciona:
1. Estructura de presentación
2. Contenido de diapositivas
3. Notas del orador
4. Visualizaciones efectivas
5. Manejo del nerviosismo
6. Respuesta a preguntas
Prompts para Estudiantes: Mentoría Académica
Intermedio88% efectividad
Obtén orientación académica y profesional personalizada.
Caso de uso: Orientación académica, selección de carrera, desarrollo profesional.
0(0)
0
Prompt: Necesito orientación sobre [decisión académica/profesional]. Proporciona:
1. Análisis de opciones
2. Pros y contras de cada opción
3. Requisitos y habilidades necesarias
4. Perspectivas de carrera
5. Pasos a seguir
6. Recursos de apoyo
Resumen Completo del Dataset
Básico95% efectividad
Establece una base sólida para cualquier análisis posterior al comprender la estructura y calidad del dataset de forma rápida y exhaustiva.
Caso de uso: Exploración inicial de cualquier dataset nuevo antes de comenzar el análisis.
0(0)
0
Prompt: Actúa como un analista de datos experto. Proporciona un resumen completo de este conjunto de datos [insertar datos], incluyendo:
- Número de filas y columnas
- Tipos de variables (numéricas, categóricas, temporales)
- Estadísticas descriptivas (media, mediana, moda, desviación estándar, mínimo, máximo)
- Porcentaje de valores faltantes por columna
- Distribución general de cada variable
- Posibles problemas de calidad de datos detectados
Identificación de Tendencias y Patrones
Intermedio92% efectividad
Combina análisis descriptivo con interpretación contextual y recomendaciones accionables para entender la evolución de tus datos.
Caso de uso: Análisis de ventas, métricas de negocio, datos financieros y series temporales.
0(0)
0
Prompt: Tengo datos de [variable] a lo largo de [periodo de tiempo]. Identifica:
1. Las principales tendencias (crecimiento, declive, estabilidad)
2. Patrones estacionales o cíclicos
3. Trayectorias de crecimiento (lineal, exponencial, logarítmica)
4. Posibles factores que contribuyen a estas tendencias
5. Puntos de inflexión relevantes
6. Proyección para los próximos [periodo]
Proporciona recomendaciones accionables basadas en los hallazgos.
Detección de Anomalías y Valores Atípicos
Intermedio89% efectividad
Proporciona un enfoque estadístico riguroso con contexto empresarial para identificar y gestionar anomalías en los datos.
Caso de uso: Control de calidad de datos, detección de fraudes, monitoreo de sistemas y alertas.
0(0)
0
Prompt: Analiza este conjunto de datos [insertar datos] y detecta anomalías o valores atípicos usando:
- Método IQR (rango intercuartílico)
- Z-score para distribuciones normales
- Análisis de percentiles extremos (P1, P99)
Para cada anomalía encontrada:
1. Identifica su ubicación exacta (fila, columna)
2. Cuantifica la desviación del patrón normal
3. Sugiere posibles causas (error de entrada, evento real, fraude)
4. Recomienda la acción: eliminar, corregir, mantener o investigar
5. Proporciona código Python para automatizar la detección
Análisis de Correlación y Causalidad
Avanzado87% efectividad
Va más allá de la correlación simple para identificar relaciones causales significativas y evitar conclusiones erróneas.
Caso de uso: Marketing, investigación científica, análisis financiero y optimización de procesos.
0(0)
0
Prompt: Examina las correlaciones entre las siguientes variables [listar variables] en mi dataset. Proporciona:
1. Matriz de correlación completa (Pearson y Spearman)
2. Correlaciones fuertes (|r| > 0.7) con interpretación
3. Correlaciones moderadas (0.4 < |r| < 0.7) relevantes
4. Identificación de posibles relaciones causales vs. correlaciones espurias
5. Variables confusoras que podrían distorsionar los resultados
6. Visualización recomendada (heatmap, scatter plots)
7. Implicaciones empresariales de los 3 hallazgos más relevantes
Genera el código Python con seaborn/matplotlib para la visualización.
Limpieza y Preparación de Datos
Básico94% efectividad
Automatiza el proceso más tedioso del análisis de datos con código ejecutable y razonamiento explícito para cada decisión.
Caso de uso: Preparación de datos para modelos de ML, reportes, dashboards y análisis estadísticos.
0(0)
0
Prompt: Tengo un dataset CSV con las columnas [listar columnas y tipos de datos]. Identifica y corrige los siguientes problemas:
1. Valores faltantes: recomienda el método de imputación más adecuado para cada columna (media, mediana, moda, KNN, eliminación)
2. Duplicados: criterios para identificarlos y estrategia de eliminación
3. Errores tipográficos en variables categóricas: estandarización
4. Formatos inconsistentes (fechas, monedas, textos)
5. Valores fuera de rango lógico
6. Codificación de variables categóricas (One-Hot, Label Encoding, Ordinal)
Para cada corrección: proporciona el código Python/Pandas y explica el razonamiento.
Análisis Predictivo y Pronóstico
Avanzado85% efectividad
Combina múltiples métodos estadísticos con código reproducible y métricas de incertidumbre para pronósticos confiables.
Caso de uso: Planificación financiera, gestión de inventarios, previsión de demanda y recursos humanos.
0(0)
0
Prompt: Basándome en los datos históricos de [variable] de los últimos [periodo], necesito un pronóstico para los próximos [periodo].
Requisitos:
1. Aplica al menos dos métodos: regresión lineal + ARIMA (o Prophet si hay estacionalidad)
2. Proporciona intervalos de confianza del 95%
3. Identifica los principales factores que influyen en las predicciones
4. Evalúa la precisión de cada modelo (MAE, RMSE, MAPE)
5. Recomienda el modelo más adecuado con justificación
6. Genera el código Python completo y reproducible
7. Incluye visualización de la predicción vs. datos históricos
Segmentación y Clustering de Datos
Avanzado88% efectividad
Transforma datos crudos en grupos accionables con características distintivas y estrategias diferenciadas para cada segmento.
Caso de uso: Segmentación de clientes, análisis de mercado, personalización de productos y campañas.
0(0)
0
Prompt: Analiza este conjunto de datos de [clientes/productos/usuarios] con las variables [listar variables] y proporciona una segmentación óptima:
1. Determina el número ideal de segmentos usando:
- Método del codo (K-Means)
- Índice de Silhouette
- Dendrograma (clustering jerárquico)
2. Describe las características distintivas de cada segmento
3. Asigna nombres descriptivos y memorables a cada grupo
4. Calcula el tamaño y valor relativo de cada segmento
5. Sugiere estrategias específicas y personalizadas para cada grupo
6. Genera el código Python con visualizaciones (scatter plot 2D/3D, heatmap de características)
Visualización de Datos Óptima
Intermedio91% efectividad
Alinea la visualización con el objetivo comunicativo y la audiencia específica para maximizar el impacto y la comprensión.
Caso de uso: Presentaciones ejecutivas, reportes técnicos, dashboards interactivos y publicaciones.
0(0)
0
Prompt: Tengo datos de [descripción del dataset] con las variables [listar variables]. Necesito visualizaciones para comunicar [objetivo específico] a una audiencia [técnica/ejecutiva/general].
Para cada visualización recomendada (mínimo 3):
1. Tipo de gráfico y justificación de por qué es el más efectivo
2. Variables en cada eje y agrupaciones
3. Código Python completo con matplotlib/seaborn/plotly
4. Anotaciones, etiquetas y títulos claros
5. Paleta de colores accesible (considera daltonismo)
6. Versión estática (PNG) y versión interactiva (Plotly)
7. Narrativa recomendada para acompañar cada visualización
Análisis Estadístico Avanzado
Avanzado86% efectividad
Garantiza rigor estadístico con interpretación accesible para no estadísticos, evitando errores comunes de interpretación.
Caso de uso: Pruebas A/B, investigación científica, análisis de experimentos y validación de hipótesis.
0(0)
0
Prompt: Realiza un análisis estadístico completo para determinar si existe una diferencia significativa entre [grupo A] y [grupo B] en la variable [variable dependiente].
Pasos requeridos:
1. Prueba de normalidad: Shapiro-Wilk (n<50) o Kolmogorov-Smirnov (n≥50)
2. Prueba de homogeneidad de varianzas: Test de Levene
3. Selección de prueba apropiada:
- Paramétrica: t-test independiente o ANOVA
- No paramétrica: Mann-Whitney U o Kruskal-Wallis
4. Interpretación del p-valor con nivel de significancia α=0.05
5. Cálculo del tamaño del efecto (Cohen's d, eta-cuadrado)
6. Potencia estadística y tamaño de muestra recomendado
7. Conclusiones en lenguaje no técnico para presentación ejecutiva
Recomendaciones Accionables y Narrativa
Intermedio93% efectividad
Transforma análisis técnico en decisiones empresariales concretas con impactos proyectados y métricas de éxito claras.
Caso de uso: Reportes a directivos, presentaciones de resultados, planes estratégicos y toma de decisiones.
0(0)
0
Prompt: Basándote en el siguiente análisis de datos [insertar hallazgos clave], genera un informe ejecutivo completo:
ESTRUCTURA REQUERIDA:
1. Resumen ejecutivo (máximo 3 párrafos, sin jerga técnica)
2. Los 5 hallazgos más importantes ordenados por impacto empresarial
3. 3-5 recomendaciones accionables con:
- Descripción de la acción concreta
- Impacto esperado (cuantificado si es posible)
- Recursos necesarios
- Plazo de implementación
- Métrica de éxito (KPI)
4. Riesgos identificados y plan de mitigación
5. Plan de monitoreo: qué medir, con qué frecuencia y quién es responsable
Tono: profesional pero accesible para tomadores de decisiones no técnicos.
Test Approval
Intermedio90% efectividad
Test approval prompt
Caso de uso: Testing
0(0)
0
Prompt: Test prompt content
Test Approval
Intermedio90% efectividad
Test approval prompt
Caso de uso: Testing
0(0)
0
Prompt: Test prompt content
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
Test Approval
Intermedio90% efectividad
Test approval prompt
Caso de uso: Testing
0(0)
0
Prompt: Test prompt content
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Test Prompt
Básico85% efectividad
A test prompt for testing
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
Email Test Prompt 2
Intermedio90% efectividad
Test prompt for rejection email
Caso de uso: Testing rejection emails
0(0)
0
Prompt: This is another test prompt for rejection
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
Email Test Prompt
Básico85% efectividad
Test prompt for email notifications
Caso de uso: Testing email notifications
0(0)
0
Prompt: This is a test prompt for email notifications
Email Test Prompt 2
Intermedio90% efectividad
Test prompt for rejection email
Caso de uso: Testing rejection emails
0(0)
0
Prompt: This is another test prompt for rejection
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
Test Approval
Intermedio90% efectividad
Test approval prompt
Caso de uso: Testing
0(0)
0
Prompt: Test prompt content
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
History Test Prompt 1
Básico85% efectividad
Test prompt for history
Caso de uso: Testing
0(0)
0
Prompt: This is a test prompt for history
Test Approval
Intermedio90% efectividad
Test approval prompt
Caso de uso: Testing
0(0)
0
Prompt: Test prompt content