prompts-gemini-3
Cómo crear prompts para Gemini 3 que resistan revisiones
Gemini3 Team · 18 de julio de 2026 · 7 min read
Keywords: prompts gemini 3.1 pro, ingeniería de prompts, midassai chat, automatización ai
Published: 18 de julio de 2026 Author: Gemini3 Team
Por qué la mayoría de los prompts de Gemini 3 fallan al revisarse — Y cómo solucionarlo
La mayoría trata la escritura de prompts como redactar un email: sacarlo, enviarlo y esperar lo mejor. Con Gemini 3.1 Pro, especialmente en MidassAI Chat, eso es una receta para el retrabajo. No porque el modelo sea inconsistente, sino porque tu prompt no fue construido para resistir el escrutinio. La revisión no es un fallo; es donde ocurre el trabajo real. Y si tu prompt colapsa cuando preguntas "Espera, ¿qué pasa con el caso límite X?" o "¿Puedes rastrear esa lógica hacia atrás?", has perdido horas, no minutos.
Gemini 3.1 Pro destaca en profundidad: razonamiento sobre documentos de 100K tokens, descomposición de arquitecturas multi-paso, interpretación de frames temporales de video y verificación cruzada de afirmaciones en fuentes heterogéneas. Pero nada de eso surge de directivas vagas como "Explica la computación cuántica" o "Mejora este código". Surge de la intención estructurada: prompts diseñados para sobrevivir ciclos de revisión codificando restricciones, lógica de fallback y criterios de validación explícitos desde el inicio.
Para quién es esto:
- Redactores técnicos que revisan whitepapers contra nuevo material fuente
- Ingenieros backend validando decisiones de diseño de malla de servicios
- Investigadores sintetizando filings regulatorios entre jurisdicciones
- Líderes de producto stress-testeando especificaciones de funciones antes de la planificación del sprint
- Analistas de video extrayendo causalidad temporal (ej. "Entre 2:14–2:27, ¿el gesto del sujeto A precede o sigue a la señal verbal del sujeto B?")
Estos no son casos de uso teóricos. Son flujos de trabajo que hemos stress-testeado en MidassAI Chat con usuarios reales, y donde los prompts mal estructurados fallaban rutinariamente en el segundo paso de revisión.
Puntos clave
Plantilla 1: Recuperación de documentos largos con anclaje de fuente
No digas: "Resume este filing SEC de 80 páginas."
Di mejor:
Utiliza el siguiente prompt estructurado:
You are a compliance analyst reviewing Form 10-K for Acme Corp (2024). Retrieve and extract only disclosures related to cybersecurity risk factors (Item 1C), litigation contingencies (Item 3), and forward-looking statement disclaimers (Item 7). For each extracted clause:
- Quote verbatim (max 45 words)
- Cite exact page number and section header
- Flag any internal contradiction (e.g., "risk is 'material' on p.22 but 'immaterial' on p.41")
Do not paraphrase. Do not infer. Do not summarize beyond extraction.
Por qué resiste la revisión: El anclaje explícito a página/sección fuerza la fidelidad. La detección de contradicciones incorpora una autoauditoría; así, cuando luego preguntas "Muéstrame todas las contradicciones marcadas en la Sección 3", Gemini 3.1 Pro las recupera al instante porque fueron registradas durante el primer pase, no inferidas retroactivamente.
Plantilla 2: Stress Testing de lógica para árboles de decisión
Usa esto cuando valides reglas de negocio, aplicación de políticas o flujos de trabajo condicionales:
Utiliza el siguiente prompt estructurado:
You are a systems auditor evaluating the loan approval engine. Given these three inputs:
- Credit score ≥ 720 → auto-approve
- Income ratio > 45% → require manual review
- Past default within 24 months → auto-reject
Generate all possible input combinations (n=8) and for each:- State final decision
- Trace the exact rule path taken (e.g., "Credit=730 → auto-approve; overrides income ratio=48%")
- Identify any rule conflicts (e.g., "Credit=690 AND default=yes → both reject and manual review triggered")
Output as CSV with columns: credit_score, income_ratio_pct, past_default, decision, conflict_flag.
Esta plantilla fuerza la enumeración exhaustiva, no solo "qué pasa en el caso típico". Cuando revisas ("¿Qué pasa si el income ratio es 44.9%?"), Gemini 3.1 Pro no adivina; recalcula la matriz completa en contexto, preservando los outputs previos para comparación lado a lado.
Plantilla 3: Descomposición de arquitectura de código
Evita "Mejora este código." En su lugar:
Utiliza el siguiente prompt estructurado:
You are a senior backend architect reviewing this Go microservice (attached: main.go, handlers/user.go, pkg/db/connection.go). For each file:
- List all exported types/functions
- Map dependency flow: which functions call which, including cross-package calls
- Identify tight coupling points (e.g., handler directly instantiating DB connection instead of accepting interface)
- Propose one concrete refactoring per coupling point (e.g., "Extract db.Connection to interface; inject via constructor")
Output as Mermaid graph code + bullet list of refactorings.
Gemini 3.1 Pro analiza estructura e intención, no solo sintaxis. La revisión se vuelve quirúrgica: "Re-ejecuta el mapeo de dependencias después de inyectar el cliente Redis, ¿el user handler depende ahora del cache?". El prompt ya definió "dependencia" con precisión, así que la respuesta es determinista.
Plantilla 4: Prompt de análisis temporal de video
Para razonamiento preciso por frame (requiere subida de video a MidassAI Chat):
Utiliza el siguiente prompt estructurado:
Analyze uploaded video clip (0:00–3:12, 30fps). At timestamps 1:22–1:25 and 2:08–2:11:
- Identify primary subject motion (e.g., "left arm raises, then pauses")
- Correlate with audio waveform peaks (provide ms-aligned timestamps)
- Determine temporal ordering: does motion lead, lag, or coincide with peak?
- If lag > 120ms, flag potential sync issue.
Output table: timestamp_range | motion_description | audio_peak_ms | delta_ms | sync_flag.
Esto funciona porque Gemini 3.1 Pro procesa tokens multimodales conjuntamente. La revisión no es "¿se te escapó algo?", sino "Re-analiza 1:22–1:25 usando umbrales de motion más estrictos (optical flow sub-pixel)", y el modelo re-ejecuta el mismo protocolo con parámetros ajustados.
Plantillas 5–7: Triangulación de investigación, generación de casos límite y traducción entre dominios
- Triangulación de investigación: "Compare FDA draft guidance (2024-05), EMA CHMP report (2023-11), and WHO technical brief (2024-02) on AI-enabled diagnostics. For each regulation: extract definition of 'clinical validation', list required evidence types, and note divergence in sample size thresholds. Output as markdown table with column 'Divergence severity (low/medium/high)'."
- Generación de casos límite: "Given this Python function signature
def calculate_tax(income: float, state: str, dependents: int) -> float, generate 12 test cases covering: negative income, state='XX' (invalid), dependents=−1, income=inf, state='CA' with dependents=0, and 7 more boundary conditions. For each, state expected behavior and why it's a meaningful edge case." - Traducción entre dominios: "Translate this Kubernetes Helm chart README (attached) into plain-language product spec for non-technical sales engineers. Preserve all version constraints, resource limits, and failure modes—but replace 'initContainer' with 'pre-start health check', 'tolerations' with 'deployment flexibility settings', etc. Include a glossary mapping technical terms to sales-facing equivalents."
Cada una incorpora preparación para revisión: alcance explícito, criterios de éxito inequívocos y formatos de output estructurados que habilitan validación basada en diffs.
Tu primer prompt a prueba de revisiones empieza ahora
No necesitas prompts perfectos el primer día. Necesitas prompts que aprendan contigo. Cada vez que preguntas "¿Qué pasa si X cambia?", Gemini 3.1 Pro en MidassAI Chat retiene la cadena de razonamiento original, así que la revisión no es empezar de cero. Es capas de insight.
Prueba construir una de estas plantillas en vivo. Sube un PDF de 50 páginas, pega un codebase de 200 líneas o inserta un clip de video de 90 segundos. Luego haz tu primera pregunta de revisión: "Muéstrame dónde se rompen las asunciones." Ahí es cuando verás la diferencia entre un prompt que te da una respuesta, y uno que te da una base de trabajo.