Blog
Prompt para JSON: corrige formato, campos y valores
Copia un prompt para JSON con campos, tipos y datos ausentes. Distingue el modo JSON de las salidas estructuradas y valida sintaxis, estructura y significado.
En este artículo
Un prompt para JSON debe definir campos, valores permitidos, evidencia y tratamiento de la información ausente. ‘Devuelve solo JSON’ no basta: sintaxis válida, estructura correcta y hechos ciertos son requisitos distintos. Usa la plantilla de mensajes de soporte y valida esas tres capas por separado. Los ejemplos describen un comportamiento esperado, no resultados medidos de un modelo.
1. Define el contrato antes del prompt para JSON
Decide qué necesita el programa que recibe el resultado. Para clasificar consultas podrían bastar category, summary, evidence y needs_review. Escribe nombre, tipo, obligatoriedad, valores admitidos y significado en un mismo contrato. Mantén sincronizados los ejemplos, las instrucciones y el validador cuando cambie cualquiera de ellos.
No confundas desconocido con cero, false o cadena vacía. Cero puede ser un importe real y false ya expresa una decisión. Si importa la ausencia, permite null, omisión o un estado específico que el consumidor entienda. No escojas un relleno cómodo que después se convierta silenciosamente en un hecho del negocio.

| Campo | Tipo y valores | Ausencia de información |
|---|---|---|
| category | billing, access u other | other si no hay categoría clara |
| summary | Cadena breve basada en el mensaje | Rechazar entradas vacías antes de llamar al modelo |
| evidence | Cita literal o null | null si no hay respaldo |
| needs_review | Booleano | true si hay ambigüedad, varias intenciones o falta de evidencia |
2. Copia esta plantilla de salida JSON
Aclara que la entrada es material para analizar y no contiene nuevas instrucciones. La aplicación debe seguir considerándola no fiable. Un objeto JSON no autoriza una devolución, una eliminación de cuenta ni otra acción sensible. Separa la extracción de los permisos necesarios para ejecutar decisiones posteriores.
El ejemplo elige una categoría principal. Si el mensaje habla de cobro duplicado y acceso fallido, requiere revisión para no ocultar la segunda intención. Si necesitas varias etiquetas, convierte el campo en una lista y actualiza también esquema, ejemplos y programa consumidor. No cambies la forma de salida solo dentro del prompt.
Ejemplo para clasificar mensajes de soporte
Usa solo el mensaje dentro de <message>.
Devuelve un objeto JSON, sin explicaciones, bloques Markdown ni campos adicionales.
category: billing, access u other. Usa other si hay varias intenciones o no hay una categoría única.
summary: una frase sin hechos ajenos al mensaje.
evidence: cita literal breve, o null si no hay respaldo.
needs_review: true si hay ambigüedad, varias intenciones o evidencia insuficiente.
<message>[Mensaje de soporte]</message>
Entrada de ejemplo: No puedo iniciar sesión.
Salida de ejemplo:
{"category":"access","summary":"El usuario no puede acceder.","evidence":"No puedo iniciar sesión","needs_review":false}Cargar esta plantilla →3. Distingue modo JSON y salidas estructuradas
Un prompt normal describe la salida, pero puede recibir explicaciones, bloques de código o campos inconsistentes. Algunos servicios ofrecen un modo orientado a JSON válido. Otros admiten salidas restringidas por esquema para controlar más de la estructura. Verifica el proveedor, el modelo, el subconjunto de Schema y las respuestas excepcionales de tu implementación.
Ninguna modalidad demuestra hechos. Un objeto perfectamente formado puede clasificar mal o contener una cita inventada. Tampoco basta escribir ‘usa salida estructurada’ en una conversación para activar una función de API. Confirma los parámetros reales y el modelo de la aplicación donde se consume la respuesta.
| Método | Función principal | Todavía hay que validar |
|---|---|---|
| Solo instrucciones | Definir campos y comportamiento | Sintaxis, estructura, hechos y estados |
| Modo JSON | Restringir JSON válido donde se admita | Campos, tipos, significado y finalización |
| Salida con Schema | Restringir la estructura compatible | Fuentes, reglas, rechazo y truncamiento |
4. Valida análisis, JSON Schema y reglas del negocio
Primero analiza el texto con un parser estándar para detectar comillas, comas finales y fragmentos incompletos. Después valida campos obligatorios, tipos, enumeraciones y propiedades extra. Por último comprueba el significado: la cita debe aparecer en la entrada, la categoría debe seguir tu política y la revisión debe corresponder a la incertidumbre.
El esquema siguiente coincide con el ejemplo y prohíbe propiedades adicionales. No demuestra fidelidad del resumen ni respaldo de la cita. La API podría admitir solo parte de JSON Schema; comprueba compatibilidad antes de enviar la definición. Conserva un validador independiente en la aplicación y registra por separado cada capa, para que una mejora de formato no esconda errores semánticos.
{
"type": "object",
"properties": {
"category": {"type": "string", "enum": ["billing", "access", "other"]},
"summary": {"type": "string"},
"evidence": {"type": ["string", "null"]},
"needs_review": {"type": "boolean"}
},
"required": ["category", "summary", "evidence", "needs_review"],
"additionalProperties": false
}5. Prepara rechazo, truncamiento y fallos de validación
Inspecciona el estado de finalización antes de analizar el cuerpo. No arregles un objeto truncado adivinando llaves: reduce el tamaño o reintenta con un límite razonable. Un rechazo puede aparecer en un campo distinto y no debe entrar automáticamente en el parser normal. Registra por separado red, rechazo, sintaxis y reglas del negocio.
Si reintentas, comunica el error concreto, por ejemplo una categoría fuera de la enumeración, y limita los intentos. Conserva la fuente y el objetivo. No inventes un hecho sustituto para satisfacer el esquema. Al agotar el límite, devuelve un fallo explícito o un estado de revisión que el programa receptor pueda gestionar.
Evita una limpieza universal con expresiones regulares que borre texto o inserte comillas hasta que el resultado se pueda analizar. Puede transformar una explicación o un rechazo en un objeto engañoso. Cualquier preprocesado necesita un formato acotado, pruebas propias y registro de la transformación. Detectar el fallo forma parte de una extracción fiable.
Prueba valores ausentes y entradas límite
Incluye seis tipos: un problema de cobro claro, uno de acceso, ambos a la vez, una queja ambigua, texto con comillas o saltos y mensaje vacío. Si tu política rechaza entradas vacías, hazlo antes de llamar al modelo. No fabriques un resumen para presentar una entrada ausente como un registro válido.
Anota categoría esperada, necesidad de revisión, evidencia aceptable y resultado estructural de cada caso. Decide previamente qué significa ‘esta factura parece rara’. Si el equipo no está de acuerdo, aclara la política antes del prompt. El modelo no puede resolver una definición del producto que aún no se ha decidido.
Compara candidatas con el mismo modelo y configuración. Separa proporción de JSON válido, clasificación y respaldo de evidencia. Una categoría correcta con cita inventada sigue siendo un fallo. Guarda la entrada fallida como regresión para que el siguiente arreglo de formato no introduzca de nuevo el mismo error de significado.
| Entrada de prueba | category / needs_review | Criterio |
|---|---|---|
| No puedo iniciar sesión. | access / false | Citar literalmente no puedo iniciar sesión |
| Me cobraron dos veces y no puedo acceder. | other / true | Conservar ambos problemas para revisión |
| Esto es horrible. | other / true | Sin evidencia de categoría; evidence es null |
| Entrada vacía o solo espacios | No llamar al modelo | Devolver error de entrada de la aplicación |
Acepta los datos después de las tres comprobaciones
Define contrato, elige la restricción realmente compatible y valida sintaxis, forma y significado en ese orden. Lo desconocido y los errores forman parte del contrato. Usa el optimizador para aclarar la instrucción y tu parser y reglas para revisar el resultado. Un prompt completo no garantiza por sí mismo una automatización correcta.
Ejecución registrada: comprobar el contrato del prompt
El 17 de noviembre de 2026 enviamos seis casos ficticios en inglés a DeepSeek Flash, una vez con la instrucción original y otra con una revisión manual: 12 solicitudes. Son revisiones editoriales, no resultados del optimizador en producción. Los dos grupos cubren extracción JSON y reglas de reembolso con fuentes, con datos completos, ausentes y contradictorios.
Esta pequeña prueba de un modelo comprueba un contrato predefinido. La revisión añade condiciones explícitas como null y JSON sin envoltorios. JSON entre bloques de código falla la comprobación de JSON directo. Los recuentos solo describen estos casos; no miden precisión general, comparan proveedores ni demuestran la eficacia de Prompt Optimizer, ChatGPT o Claude. Una repetición puede variar incluso con temperatura cero.
DeepSeek Flash · 2026-11-17 · temperature: 0 · max_tokens: 700 · thinking: disabled · n = 1
Extracción JSON
Instrucción original
Extract order_id, amount, currency and status from the source. Return one JSON object with exactly those keys.Instrucción revisada
Extract order_id, amount, currency and status using only the source. Return one raw JSON object with exactly those keys, no prose or fences. order_id, currency and status are strings or null; amount is a number or null. Use null for missing or conflicting values. Do not choose one conflicting record without stated precedence. Do not infer currency, payment or zero amounts. Copy supported values without adding facts.| Caso | Original aprobado | Revisión aprobada |
|---|---|---|
| json-complete | Aprobado | Aprobado |
| json-missing | Aprobado | Aprobado |
| json-conflict | No aprobado | Aprobado |
Salida original del modelo en el caso contradictorio
Instrucción original
{"order_id": "O-19", "amount": 10, "currency": "USD", "status": "paid"}Instrucción revisada
{"order_id":"O-19","amount":null,"currency":"USD","status":"paid"}Entradas, salidas originales, ajustes y comprobaciones (JSON) · Descargar script de ejecución y verificación offline
Verificación offline (sin clave API ni conexión)
node run-prompt-case-study.mjs --verify prompt-contract-20261117.jsonPreguntas frecuentes
¿Por qué aparece Markdown si pido solo JSON?
La instrucción natural no garantiza el formato. Prohíbe los bloques, aporta ejemplos coherentes y utiliza salida estructurada compatible cuando proceda. Sigue comprobando rechazo, truncamiento y análisis.
¿Un número desconocido debe ser cero o null?
No uses cero si puede ser un importe real. Define null, omisión o un estado en el contrato y confirma que el consumidor lo interpreta correctamente.
¿Pasar JSON Schema demuestra que la respuesta es correcta?
No. Comprueba estructura y algunas restricciones de valores. Las fuentes, las citas, la clasificación y las relaciones entre campos requieren validación independiente.