Mis prompts viejos dejaron de jalar con Opus 4.7. Esto fue lo que cambié.

La semana pasada cambié mi modelo default de Sonnet 4.6 a Opus 4.7 y los primeros tres días sentí que había bajado de nivel. Los emails me salían planos. Los reviews de contrato, superficiales. Los borradores de blog, a la mitad de lo que pedía.

No era el modelo. Eran mis prompts.

4.6 inferenciaba mucho. Le decías "revisa este contrato" y por debajo intentaba adivinar a qué te referías con "revisa": riesgos, claridad, tono, estructura. 4.7 ya no hace eso. Hace exactamente lo que le escribiste, ni más ni menos. Si pediste poco, te entrega poco. Si pediste vago, te entrega genérico.

Anthropic publicó un PDF de 31 páginas explicando cómo prompt-ear el modelo nuevo. Lo leí completo este fin de semana. Estos son los siete cambios que ya están viviendo en mi workflow real.

1. Nombrar el alcance, no asumirlo

El cambio más rentable. Antes escribía:

Revisa este contrato.

Ahora escribo:

Revisa este contrato. Marca los riesgos por cláusula. Califica severidad del 1 al 5. Sugiere un reescrito por cláusula riesgosa. Devuélveme una tabla.

La diferencia no está en el largo. Está en que cada salida tiene nombre, orden y límite. 4.7 no rellena con su criterio. Si no le diste el cuadro, no lo dibuja.

2. Decir el largo, siempre

4.6 calibraba largo según el input: documento gordo + "resume" = resumen largo. 4.7 sigue ese patrón pero más al pie de la letra. Si no le pones tope, te entrega un muro.

Antes:

Resume este reporte.

Ahora:

Resume este reporte en exactamente 5 bullets. Cada bullet menos de 15 palabras. Primera palabra de cada bullet: verbo de acción.

El truco: nombra formato y tope. Las dos cosas.

3. Solo instrucciones positivas

4.7 se queda pegado a la última oración literal. Si le dices "no uses jerga", se acuerda de jerga. Si le dices "no suenes a marketero", piensa en marketing. La negación funciona como ancla, no como filtro.

Antes:

No uses jerga. No uses buzzwords. No suenes a marketero.

Ahora:

Escribe en español plano que un chavo de 16 años pueda leer en voz alta. Usa palabras cortas y concretas: simple, específico, real. Cambia "potenciar" por "usar". Cambia "escalable" por "funciona a cualquier tamaño".

Lo que quieres lo describes. Lo que no quieres, lo reemplazas con lo que sí.

4. Verbos de acción, uno por línea

Cada verbo de acción es un compromiso de output. 4.7 los toma en serio.

Antes:

¿Me ayudas con un email?

Ahora:

Entra a mi Gmail. Busca a [contacto] y lee la última conversación. Escribe el email de respuesta. Versión final, lista para enviar. Objetivo: agendar una reunión con el director comercial de [empresa] esta semana. Largo: menos de 90 palabras. Tono: directo, casual, específico.

Cada línea le da al modelo algo que entregar. Sin verbos, no hay tracción.

5. El truco para forzar reasoning máximo

4.7 trae "adaptive thinking": decide solo cuándo pensar y cuándo responder rápido. La mayoría de las veces eso me sirve. Pero cuando estoy resolviendo algo donde el costo de equivocarse es alto — un pricing, una arquitectura de agente, un email a un cliente con quien tengo poco margen — lo quiero pensando al máximo.

La frase que cierra el prompt:

Piensa antes de contestar (reasoning máximo).

Ese tag al final activa el modo de razonamiento profundo aunque el modelo hubiera querido responder rápido. Lo uso cuando el output me importa más que la latencia.

6. Pedir herramientas explícitas si las quiero

4.6 llamaba a búsqueda web, a archivos, a connectors casi por reflejo. 4.7 llama menos. Razona más entre llamada y llamada.

En general me parece bien — antes vi a 4.6 hacer tres búsquedas web cuando con cero hubiera bastado. Pero cuando necesito que verifique algo contra realidad externa, ahora lo pido directo:

Usa búsqueda web agresivamente. Verifica cada afirmación con al menos 2 fuentes.

Sin esa instrucción, 4.7 confía en lo que ya sabe. Y a veces lo que sabe está desactualizado o medio inventado.

7. "Ve más allá de lo básico" en tareas creativas

Esta frase viene del PDF de Anthropic. Suena como cliché de coach. Funciona.

Antes:

Construye una landing para mi consultoría de IA.

Ahora:

Construye una landing para mi consultoría de IA.

Secciones (en este orden):

• Hero (headline + subheadline + CTA)
• Logo bar (6 placeholders de cliente)
• 3 case-study cards (problema / qué hice / resultado)
• Bloques de servicio (workshops, despliegue, sprints, fractional)
• Carrusel de testimonios (3 quotes)
• Sobre mí (bio de 180 palabras + placeholder de foto)
• Newsletter signup
• Footer

Estilo: editorial, headlines serif, cuerpo sans-serif, mucho aire. Animaciones: sutiles al hacer scroll. Sin gradientes morados.

Ve más allá de lo básico. Pulir como si fuera un entregable real para cliente.

Esa última línea desbloquea otro nivel. 4.7 deja de entregarte lo mínimo aceptable y empieza a entregarte lo que un buen humano entregaría.

El skill que escribe los prompts por mí

Escribir todos esos parámetros cada vez es trabajo. Lo encapsulé en un skill llamado /47.

Funciona simple: le mando un prompt en bruto, sin pulir. El skill lo lee, identifica qué le falta para 4.7 (alcance, largo, formato, verbos de acción, tono) y me devuelve la versión optimizada. Yo la copio, la pego en chat nuevo, y arranco.

Llevo dos semanas dogfooding-lo. La diferencia se nota más en mis prompts mediocres que en los buenos. Los buenos quedan parecidos. Los mediocres pasan de "respuesta tibia" a "respuesta usable".

El skill no es magia. Es un piloto automático para los siete cambios de arriba aplicados a cualquier input crudo. La lógica está en SKILL.md como índice, los pasos en steps/, y las reglas duras (sin negación, verbos obligatorios, largo explícito) en references/. La misma estructura modular que conté la semana pasada.

Lo que aprendí en el cambio

Cada vez que sale un modelo nuevo, la tentación es decir "quedó peor" y volver al anterior. La mitad de las veces el modelo sí quedó peor en algo. La otra mitad, mi forma de prompt-ear quedó vieja y no me había dado cuenta.

4.7 me obligó a aterrizar prompts que llevaba dos años repitiendo en piloto automático. Cuando los reescribí explícitos, los resultados mejoraron en 4.7 — y, regreso curioso, también en 4.6. La precisión nunca le hace daño a un modelo. Solo se siente como trabajo extra hasta que se vuelve costumbre.

Si tu Claude empezó a sentirse tibio esta semana, no cambies de modelo. Reescribe tu prompt.

---

Después de 18 años automatizando negocios y más de 121,000 procesos implementados, sigo viendo el mismo patrón: cuando la herramienta cambia, el operador se queda con el método viejo y le echa la culpa a la herramienta. Si vas a usar IA todos los días, vale la pena cinco minutos cada vez que sale un modelo nuevo para releer cómo cambió.