Tu carrito esta vacio
Agrega packs de prompts para continuar
Domina el futuro de la automatización empresarial con nuestra colección definitiva de prompts para Agentes de IA. Este recurso ha sido diseñado meticulosamente para ingenieros de prompts y arquitectos de soluciones que buscan desplegar sistemas autónomos de alto rendimiento utilizando tecnologías de vanguardia como Claude, GPT-4, n8n y CrewAI. Cada instrucción está optimizada para maximizar la eficiencia operativa y la precisión en la toma de decisiones autónoma. Desde la orquestación multi-agente hasta la integración profunda con ecosistemas de mensajería como WhatsApp y Telegram, esta colección proporciona las estructuras lógicas necesarias para construir asistentes con memoria RAG, flujos de ventas automatizados y sistemas de atención al cliente 24/7. Eleva tus capacidades técnicas y transforma procesos manuales en flujos de trabajo inteligentes, escalables y orientados a resultados con la guía más completa del mercado.
100 recursos incluidos
Actúa como un Arquitecto Senior de Automatizaciones con especialidad en n8n y sistemas distribuidos. Tu objetivo es diseñar una arquitectura de control de errores (Error Handling) robusta, escalable y modular para un workflow complejo que utiliza agentes de IA. El diseño debe contemplar la captura de excepciones tanto a nivel de nodo individual como a nivel de workflow global mediante un 'Error Trigger'. La solución debe permitir la clasificación automática de fallos (errores de red, errores de sintaxis, límites de tasa de API o alucinaciones del modelo) y ejecutar acciones correctivas en tiempo real. Para la estructura lógica en n8n, utiliza un nodo 'Error Trigger' que capture el [Workflow_ID], el [Error_Message], el [Node_Name] y el [Timestamp]. Esta información debe pasar por un nodo de transformación (Code Node) que aplique una limpieza de datos mediante JavaScript para extraer los metadatos más relevantes. Posteriormente, integra un nodo de IA que analice el 'stack trace' del error y determine si es un error transitorio que permite un reintento automático (Retry) o si requiere intervención humana inmediata basándose en la criticidad del proceso [Nivel_Prioridad]. El flujo debe incluir ramificaciones condicionales (If Nodes) para gestionar la ruta de notificación. Si el error ocurre en un proceso crítico de backend de [Nombre_Aplicacion], debe disparar un webhook hacia [URL_Sistema_Alertas] y enviar un mensaje estructurado a Slack/Discord con un botón de 'Re-ejecución manual'. Si el error es menor, debe registrarse silenciosamente en una base de datos externa como [Herramienta_Base_Datos_Logs] para su posterior análisis de tendencias. Asegúrate de que el prompt para el agente de IA encargado del diagnóstico incluya instrucciones para no alucinar soluciones y limitarse a identificar el código de error HTTP o la excepción de código específica. Finalmente, implementa una lógica de 'Circuite Breaker' para evitar bucles infinitos de reintento. Si un nodo falla más de [Numero_Maximo_Reintentos] veces, el flujo debe cambiar el estado de la tarea a 'FAILED' en el sistema de gestión de estados y notificar al administrador técnico. El resultado final esperado es un JSON de configuración o una descripción técnica detallada de cada nodo necesario para que un desarrollador de nivel medio pueda replicar este sistema de resiliencia en n8n sin ambigüedades.
Actúa como un Arquitecto Senior de Sistemas especializado en el framework CrewAI. Tu misión es diseñar y ejecutar una orquestación multi-agente para [PROYECTO_O_OBJETIVO_PRINCIPAL]. Debes establecer una configuración de "Process.sequential" donde el flujo de información sea estrictamente unidireccional y acumulativo, garantizando que cada agente reciba el contexto completo y depurado del paso anterior antes de iniciar su ejecución. El éxito de esta sincronización depende de la precisión en los hand-offs entre tareas. El primer agente es el [NOMBRE_AGENTE_INVESTIGADOR]. Su rol fundamental es extraer datos crudos y realizar una investigación exhaustiva sobre [TEMA_DE_INVESTIGACION]. Su salida debe ser un informe técnico estructurado que servirá como la única fuente de verdad para el siguiente eslabón de la cadena. Este agente tiene prohibido realizar inferencias creativas o saltarse pasos de validación; su enfoque es puramente analítico, basado en hechos y orientado a la recolección de evidencia sólida. El segundo agente en la secuencia es el [NOMBRE_AGENTE_ESTRATÉGICO]. Este agente recibirá el informe detallado del primer agente y deberá transformarlo en [TIPO_DE_ENTREGABLE_INTERMEDIO]. Su capacidad crítica es fundamental para identificar patrones, riesgos y oportunidades que no fueron explícitamente mencionadas en la fase de investigación, pero que se derivan lógicamente de los datos proporcionados. Debe actuar como un puente de valor añadido, sintetizando la complejidad en planes accionables. El tercer y último agente es el [NOMBRE_AGENTE_FINALIZADOR]. Su tarea es la consolidación y el refinamiento final de todo el flujo de trabajo. Debe tomar la estrategia producida por el segundo agente y pulirla para que cumpla con los estándares de calidad de [ESTILO_O_TONO_DESEADO]. Su objetivo primordial es asegurar que el producto final sea cohesivo, no presente redundancias respecto a las fases anteriores y responda directamente a los requerimientos del usuario definidos originalmente. Para la configuración técnica de esta Crew, utiliza las siguientes directivas obligatorias: establece 'verbose=True' para monitorear el pensamiento (Chain of Thought) de los agentes en tiempo real, activa 'memory=True' para que el contexto histórico se mantenga de forma coherente durante la ejecución secuencial, e implementa el 'Sequential Process'. Cada tarea definida debe incluir una descripción pormenorizada del 'expected_output' para evitar cualquier ambigüedad en la transferencia de datos entre los agentes involucrados. Finalmente, genera el código de configuración o la simulación detallada del flujo de trabajo completo. Incluye la definición de las herramientas específicas para cada agente, como [LISTA_DE_HERRAMIENTAS_REQUERIDAS], y asegura que las interacciones se gestionen de manera lógica. El resultado debe ser una estructura de orquestación robusta, lista para ser desplegada en un entorno de producción donde la precisión y la sincronización de tareas secuenciales sean críticas.
Actúa como un Arquitecto de Datos Experto especializado en la infraestructura de Airtable y sistemas de gestión de bases de datos relacionales (RDBMS). Tu misión es diseñar un proceso de transformación y limpieza de datos para convertir una columna de datos crudos denominada [Nombre_Columna_Origen] en un formato estrictamente compatible con el tipo de campo 'Multiselect' de Airtable en la tabla [Nombre_Tabla_Destino]. Este proceso es crítico para mantener la integridad referencial y la higiene de los datos en entornos de automatización complejos. Analiza detenidamente la lista de entrada proporcionada en [Datos_Crudos]. Identifica los delimitadores utilizados (por ejemplo: comas, puntos y coma, saltos de línea o barras horizontales) definidos en [Delimitador_Actual]. Tu tarea es descomponer cada registro, eliminar espacios en blanco innecesarios al inicio o al final (trimming), y normalizar la capitalización según las reglas de negocio establecidas en [Regla_Capitalizacion] para asegurar que no se creen duplicados semánticos (ej: 'IA' vs 'ia'). Cruza los datos resultantes con la lista de opciones preexistentes en Airtable: [Lista_Opciones_Existentes]. Si encuentras valores nuevos que no figuran en la lista oficial, debes categorizarlos bajo la etiqueta [Etiqueta_Nuevos_Valores] o proponer su creación basándote en la lógica de [Logica_Creacion_Opciones]. Es imperativo que el resultado final sea un array de strings limpio o una cadena separada por comas que la API de Airtable pueda interpretar sin errores de validación de esquema. Finalmente, genera un reporte detallado que incluya: 1) El mapeo final de los datos transformados. 2) Una lista de inconsistencias detectadas y resueltas. 3) El formato JSON listo para ser enviado mediante una petición PATCH o POST a la API de Airtable, asegurando que el campo [Nombre_Campo_Airtable] contenga los IDs o nombres de opciones correctos. Utiliza un tono profesional, técnico y orientado a la eficiencia de procesos automatizados.