Cómo comprimir prompts largos de AI Coding: contexto ligero y plantillas prácticas

Después de usar AI Coding durante un tiempo, muchas personas empiezan a escribir prompts cada vez más largos.

Al principio era “ayúdame a arreglar este bug”; luego se convierte en cientos de palabras de contexto, reglas, logs completos, estructura del proyecto, decisiones históricas, preferencias, tests y muchos “también”. Parece más completo, pero suele funcionar peor: el modelo pierde el foco, lee demasiados archivos, consume más tokens y se desvía.

Comprimir un prompt no significa hacerlo lo más corto posible. Significa eliminar contenido de baja densidad para que la IA vea rápido el límite de la tarea, los inputs, las restricciones y los criterios de aceptación.

Quick Answer

La mayoría de prompts de AI Coding pueden comprimirse a seis líneas:

1
2
3
4
5
6

Goal: Fix failed login session refresh.
Scope: Start with src/auth/session.ts and tests/auth/session.test.ts.
Limit: First pass is analysis only; do not modify files; do not scan the whole repo.
Constraints: Do not change public API; do not delete files.
Validation: Give the smallest test command.
Output: List the 3 most likely causes and next steps.

Es más estable que un párrafo largo porque muestra qué hacer, dónde mirar, qué no hacer, cómo validar y qué entregar.

El objetivo no es escribir menos, sino hacer que el modelo adivine menos.

Por qué los prompts largos empeoran

1. El objetivo queda enterrado

Demasiada historia puede hacer que el modelo resuma contexto en vez de resolver la tarea.

2. Las restricciones chocan

“Cambio mínimo”, “refactoriza también”, “añade tests”, “no cambies mucho”, “puedes cambiar arquitectura” y “rápido” no dan prioridad clara.

3. Alcance demasiado amplio

“Todo el proyecto”, “revisa todo” y “todos los archivos relacionados” invitan al Agent a leer de más.

4. Logs y código completos

Logs, archivos y diffs completos entierran la información útil.

5. Necesidades temporales como reglas permanentes

Una tarea puntual no debería vivir en CLAUDE.md, AGENTS.md o memoria. Contamina tareas futuras.

Si el síntoma es aumento de tokens en Claude Code, mira: /es/2026/07/08/claude-code-token-usage-spike-troubleshooting-faq/.

Paso 1: identifica qué ocupa espacio

Pregunta: ¿esta frase cambia la siguiente acción del Agent? Si no, quítala.

Paso 2: convierte prosa en campos

Largo:

1

I recently changed the login module. Users report that refreshing the page often logs them out. I suspect session expiry handling or cookie updates. Please look at it, avoid affecting other login logic, don't rewrite the architecture, maybe add tests, and check if similar problems exist elsewhere.

Comprimido:

1
2
3
4
5

Goal: Diagnose login state lost after page refresh.
Scope: src/auth/session.ts, src/auth/cookie.ts, tests/auth/session.test.ts.
Limit: Do not change auth architecture; first pass analysis only.
Validation: List minimal reproduction and tests to add.
Output: 3 likely causes ranked by probability.

No hay menos información. Hay más ejecutabilidad.

Paso 3: conserva solo contexto que cambia decisiones

Convierte historia en hechos:

1
2
3
4

Background facts:
- Login has a legacy compatibility layer; do not remove it.
- Web and mobile share session logic.
- There was a previous cookie write issue; check cookie update paths first.

El modelo no necesita saber cómo lo recordaste. Necesita saber qué hechos afectan el cambio.

Paso 4: especifica qué no hacer

No digas solo “ten cuidado”. Escribe:

1
2
3
4
5

Forbidden:
- Do not change public API.
- Do not change database schema.
- Do not delete legacy compatibility logic.
- Do not do unrelated refactoring.

Borrado, movimiento y refactor deben tener límites claros. Ver: /es/2026/07/10/ai-coding-avoid-accidental-file-deletion/.

Paso 5: elimina “también”

“También” expande alcance:

1
2
3
4

Phase 1: Diagnose the bug only; do not modify.
Phase 2: Fix the minimal code path.
Phase 3: Add the smallest related test.
Phase 4: Separately evaluate whether refactoring is needed.

Para tareas largas, pide un plan por fases. Recuperación: /es/2026/07/10/ai-agent-long-task-resume-guide/.

Paso 6: no pegues archivos completos

Da paths:

1
2
3
4
5
6

Please read:
- src/auth/session.ts
- src/auth/cookie.ts
- tests/auth/session.test.ts

First pass: summarize relevant logic only. Do not modify.

Para archivos grandes:

1

Focus only on session refresh, cookie update, and logout branches.

Paso 7: logs solo con líneas clave

1
2
3
4

Command: pnpm test -- auth
Failing test: refresh session keeps user logged in
Key error: Expected status 200, received 401
Stack: tests/auth/session.test.ts:42

Si se necesita el log completo:

1
2

Full log is in .tmp/auth-test.log.
Read only the last 80 lines first.

Paso 8: mueve reglas largas fuera del prompt

Si repites pnpm, no editar migrations, correr tests tras API, no borrar archivos, resumen en chino o buscar helpers existentes, muévelo a:

• AGENTS.md;
• CLAUDE.md;
• .cursor/rules/;
• docs/ai-workflow.md;
• Codex Skill;
• descripción de subagent.

Prompt:

1
2

Follow project AGENTS.md.
Extra limit for this task: do not modify src/db/migrations.

Sobre memoria de código y reglas: /es/2026/07/10/ai-agent-codebase-memory-tools-comparison/.

Paso 9: comprime CLAUDE.md / AGENTS.md

Conserva comandos de build, tests, rutas prohibidas, restricciones de estilo, seguridad, commit/validación y trampas del proyecto.

Elimina historia vieja, repeticiones, recordatorios emocionales, contexto arquitectónico largo, introducciones genéricas, tareas puntuales y frases vagas.

Ejemplo:

1
2

- Search `src/components` before adding UI; prefer existing components.
- Do not create a generic component for a one-page change.

Si usas herramientas como caveman, revisa manualmente las reglas de seguridad: /es/2026/07/03/caveman-agent-output-compression-guide/.

Paso 10: tres plantillas

Diagnóstico

1
2
3
4
5
6

Goal:
Scope:
Symptom:
Key error:
Limit: First pass analysis only; do not modify files.
Output: 3 most likely causes + minimal validation steps.

Cambio

1
2
3
4
5
6

Goal:
Allowed files:
Forbidden files:
Implementation requirements:
Validation command:
Output: changed files + validation result + risks.

Review

1
2
3
4

Goal: Read-only review current diff.
Focus:
Limit: Do not modify files.
Output: List issues by severity; if none, say no high-risk issue found.

Si usas Cursor, Codex y Claude Code, asigna roles: Cursor localiza, Claude Code implementa, Codex revisa. Ver: /es/2026/07/10/cursor-codex-claude-code-workflow-division/.

Antes y después

1
2
3
4
5
6

Goal: Diagnose login state lost after page refresh.
Scope: src/auth/session.ts, src/auth/cookie.ts, tests/auth/session.test.ts.
Background: There is old token compatibility; do not remove it.
Limit: First pass analysis only; do not modify; do not scan the whole repo.
Validation: Give minimal reproduction and test suggestions.
Output: 3 causes ranked by probability.

Más corto y más claro.

No comprimas demasiado

No elimines límites de seguridad, permisos, migraciones, riesgo de producción, archivos que no se pueden borrar, criterios de aceptación, condiciones legales/privacidad, comandos, paths o errores exactos.

Malo:

1

Run related tests.

Mejor:

1

Run `pnpm test -- auth`.

Ahorrar tokens no debe reducir ejecutabilidad.

Regla de equipo

1
2
3
4
5
6
7
8
9

## Prompt Discipline

- Treat each task as a small work order.
- Prefer fields: goal, scope, limits, validation, output.
- Do not scan the whole repository unless explicitly requested.
- Ask before reading large logs or unrelated directories.
- Keep command output summarized; save full logs to files.
- Do not mix new feature work, refactor, docs, and cleanup in one task.
- Preserve exact paths, commands, error messages, and safety rules.

Checklist

Resumen

Los prompts largos mezclan objetivo, contexto, restricciones, logs, código y reglas permanentes.

La forma estable es una tarjeta de tarea: objetivo de una frase, paths como scope, límites claros, comando de validación y output fijo. El contexto queda en hechos relevantes, los logs en líneas clave, las reglas en archivos de proyecto y los “también” en tareas futuras.