Formateo de Prompts del Sistema para un Comportamiento Consistente de Claude

El parámetro system es donde estableces la persona, las restricciones y el formato de salida una vez para toda la conversación, en lugar de repetir las instrucciones en cada turno.

Un prompt del sistema bien estructurado es lo que tiene mayor influencia para obtener un comportamiento consistente y predecible de Claude.

Resumen

El parámetro system es un campo de nivel superior en la solicitud, separado del array messages.

Se aplica a toda la conversación, no solo al primer turno, por lo que es el lugar natural para cualquier cosa que deba mantenerse en todos los intercambios: tono, rol, restricciones y formato de salida.

A diferencia de un turno user, el contenido de system nunca se "responde": Claude lo trata como instrucciones permanentes en lugar de algo a lo que responder directamente.

Dado que se encuentra al principio del prompt renderizado, también es el punto de anclaje para el almacenamiento en caché del prompt: mantenerlo estable e idéntico byte a byte entre solicitudes es lo que hace que el almacenamiento en caché sea efectivo.

Los buenos prompts del sistema son específicos y estructurados, no discursos de ánimo vagos: "sé útil" hace mucho menos que una descripción concreta de la persona, el alcance y el formato.

Receta

Tarjeta de receta de referencia rápida, lista para copiar y pegar.

import anthropic
 
client = anthropic.Anthropic()
 
SYSTEM_PROMPT = """Eres un asistente de soporte al cliente para una plataforma de comercio electrónico.
 
Persona: profesional, cálido, conciso.
Alcance: solo preguntas sobre el estado del pedido, devoluciones y envíos. Para cualquier otra cosa, di que no puedes ayudar con eso y sugiere contactar a un agente humano.
Formato de salida: oraciones simples, sin encabezados markdown, sin listas con viñetas a menos que el usuario pida una lista."""
 
response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    system=SYSTEM_PROMPT,
    messages=[{"role": "user", "content": "¿Dónde está mi pedido #4821?"}],
)
 
print(response.content[0].text)

Cuándo usar esto:

• Cualquier aplicación donde Claude necesite una persona o voz consistente en cada respuesta.
• Cualquier lugar donde necesites que Claude se mantenga dentro de un alcance definido y rechace solicitudes fuera de alcance de manera predecible.
• Salida que el código posterior procesa (estructura similar a JSON, una plantilla fija, reglas de formato específicas).
• Conversaciones de varios turnos, donde repetir instrucciones en cada turno de user sería un desperdicio e inconsistente.

Ejemplo de Trabajo

import anthropic
 
client = anthropic.Anthropic()
 
SYSTEM_PROMPT = """Eres un asistente de clasificación para un rastreador de errores interno.
 
Persona:
- Directo y técnico. Sin cortesías, sin "estaré encantado de ayudar".
 
Restricciones:
- Solo clasifica los errores en exactamente una de las siguientes categorías: "crítico", "alto", "medio", "bajo".
- Nunca inventes un nivel de severidad fuera de esa lista.
- Si el informe no tiene suficiente información para clasificar con confianza, haz exactamente una pregunta aclaratoria en lugar de adivinar.
 
Formato de salida:
- Responde solo con dos líneas:
  Severidad: <nivel>
  Razón: <una oración>
- No agregues ningún otro texto, encabezado o explicación más allá de esas dos líneas."""
 
 
def triage(report: str) -> str:
    response = client.messages.create(
        model="claude-opus-4-8",
        max_tokens=256,
        system=SYSTEM_PROMPT,
        messages=[{"role": "user", "content": report}],
    )
    return response.content[0].text
 
 
if __name__ == "__main__":
    print(triage("El botón de inicio de sesión no hace nada al hacer clic en Safari 17. Funciona bien en Chrome."))
    print(triage("Error tipográfico en el pie de página: 'Copyright 2025' debería decir 'Copyright 2026'."))

Lo que esto demuestra:

• El prompt del sistema está organizado en secciones claras: Persona, Restricciones, Formato de salida, en lugar de un solo párrafo indiferenciado.
• Las restricciones enumeran explícitamente los valores permitidos ("crítico"/"alto"/"medio"/"bajo"), cerrando la tendencia del modelo a inventar alternativas que suenan plausibles.
• La sección de formato de salida especifica la estructura exacta esperada, lo que es importante cuando el código posterior procesará la respuesta.
• triage() reutiliza la misma cadena SYSTEM_PROMPT fija en cada llamada, manteniendo el comportamiento consistente de una llamada a otra.

Análisis Profundo

Cómo Funciona

• system se renderiza antes que messages en el prompt que Claude realmente ve, por eso funciona como contexto permanente en lugar de un turno al que Claude responde directamente.
• Se evalúa de nuevo en cada solicitud; no hay memoria parcial de él entre llamadas, por lo que envías el mismo valor cada vez que deseas el mismo comportamiento.
• Claude sigue instrucciones explícitas y estructuradas de manera más confiable que el lenguaje vago o aspiracional: las restricciones concretas vencen a "intenta ser preciso".
• Dado que system se encuentra al principio de la solicitud (antes que tools en el orden de renderizado, viene después de tools, pero antes que messages), es el ancla natural para el almacenamiento en caché del prompt: una cadena system estable e inalterada permite que las solicitudes repetidas reutilicen tokens cacheados en lugar de reprocesar el mismo texto cada vez.
• Editar el prompt del sistema a mitad de la conversación es posible, pero cambia el prefijo delante de todo tu historial de mensajes, lo que cambia el comportamiento e invalida cualquier caché construida sobre el prefijo anterior.

Estructuración de un Prompt del Sistema

No todos los prompts necesitan las cinco secciones, pero recurrir a esta estructura evita que escribas un solo bloque de texto difícil de auditar o actualizar.

Notas de Python

# Mantén los prompts del sistema en un solo lugar, no en cadenas en línea dispersas por los puntos de llamada.
# Cargar desde un archivo también facilita la revisión de prompts largos y la comparación en el control de versiones.
from pathlib import Path
 
SYSTEM_PROMPT = Path("prompts/support_agent.txt").read_text()
 
response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    system=SYSTEM_PROMPT,
    messages=[{"role": "user", "content": "Hola, necesito ayuda con una devolución."}],
)

Tratar un prompt del sistema largo como un activo de texto versionado, en lugar de una cadena en línea, facilita la revisión de cambios y garantiza que se utilice exactamente la misma cadena en cada implementación.

Trampas

• Interpolar valores dinámicos (marcas de tiempo, IDs de usuario, IDs de solicitud) directamente en el prompt del sistema. Esto hace que el prompt sea una cadena diferente en cada solicitud, lo que rompe silenciosamente el almacenamiento en caché del prompt. Solución: mantén system fijo y pon el contexto dinámico en un turno user en su lugar, o en modelos compatibles usa un mensaje del sistema a mitad de la conversación.
• Escribir instrucciones vagas y aspiracionales como "sé preciso y útil". El lenguaje vago le da a Claude poco que seguir. Solución: establece restricciones concretas y un formato de salida específico en lugar de un ánimo general.
• Repetir las mismas instrucciones en cada mensaje user en lugar del prompt del sistema. Esto desperdicia tokens y corre el riesgo de inconsistencia si el texto repetido se desvía entre los puntos de llamada. Solución: mueve todo lo que deba mantenerse durante toda la conversación a system una vez.
• Asumir que Claude "responderá" al prompt del sistema como un mensaje. system no es un turno al que Claude responde; es contexto permanente, así que no esperes una respuesta directa a nada que esté formulado como una pregunta en él. Solución: formula el contenido de system como instrucciones y hechos, no como un mensaje que espera una respuesta.
• Cambiar el prompt del sistema entre solicitudes en la misma conversación sin una razón. Hacer esto cambia el comportamiento a mitad de la conversación de maneras que pueden confundir tanto a Claude como a tus usuarios, e invalida cualquier caché de prompt construida sobre el texto anterior. Solución: mantenlo estable durante la vida de una conversación; si realmente necesitas una actualización a mitad de la conversación, consulta la página dedicada a mensajes del sistema a mitad de la conversación.
• Olvidar la sección de formato de salida para respuestas analizadas por máquinas. Sin una especificación de formato explícita, la redacción de Claude puede variar de una ejecución a otra, rompiendo un analizador posterior. Solución: describe siempre la forma exacta esperada cuando el código consumirá la respuesta, o considera salidas estructuradas para garantías estrictas.

Alternativas

Preguntas Frecuentes

Relacionados

• Comprensión de Roles y Turnos en la API de Mensajes - cómo system se relaciona con el array messages.
• Conceptos Básicos de la API de Mensajes - un primer ejemplo que incluye un prompt system.
• Implementación de Mensajes del Sistema a Mitad de Conversación en Claude Opus 4.8 - actualización de instrucciones a mitad de una conversación sin reconstruir system.

Versiones de Stack: Escrito contra la línea de modelos Claude actual hasta aproximadamente junio de 2026 - Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 (el predeterminado) y Claude Haiku 4.5 - y el SDK oficial de Python anthropic (última versión 0.x). Los nombres de los modelos, las versiones del SDK y los precios cambian rápidamente; verifica los detalles actuales en platform.claude.com/docs antes de confiar en ellos.