Skip to main content
El nodo Prompt LLM te permite generar texto con un modelo de lenguaje grande (LLM). Usa este paso cuando necesites un resumen, una clasificación, una reescritura, una extracción o cualquier otra transformación generada por IA a partir de un prompt personalizado. Puedes insertar variables de pasos anteriores en el prompt, lo que permite obtener respuestas dinámicas que se adaptan a las entradas y los resultados de tu Agent. Frame 2147259079 (1).png
Consulta Primeros pasos con Agents para aprender a agregar este nodo a un Agent.

​
Cuándo usar este nodo

Usa el nodo Prompt LLM para tareas como:
  • Resumir resultados de búsqueda o contenido extraído mediante scraping
  • Redactar respuestas o resultados estructurados para procesarlos después
  • Extraer entidades o insights de un texto
  • Reescribir contenido para una audiencia o un formato específicos
  • Convertir datos no estructurados en campos estructurados (por ejemplo, JSON, viñetas)

​
Configuración del nodo

Al seleccionar el nodo Prompt LLM, se abre su panel de configuración en el lado derecho del Agent Builder. El nodo incluye los siguientes campos de configuración.

​
AI Model

Elige el modelo con el que quieres generar el resultado. Puedes cambiar de modelo en cualquier momento mientras diseñas el Agent. El modelo seleccionado determina la calidad, la velocidad y el coste del resultado.

​
Prompt

Escribe la instrucción que quieres que siga el modelo. Es la entrada principal que determina cómo se comportará el LLM. Puedes:
  • Escribir instrucciones en texto plano
  • Hacer referencia a las entradas del Agent
  • Insertar variables de nodos anteriores escribiendo / para abrir el selector de variables
Los prompts pueden ser breves o detallados. Para obtener mejores resultados, da instrucciones explícitas sobre el tono, la estructura, el formato del resultado o las restricciones.
Consulta nuestra guía de prácticas recomendadas para Prompt LLM para obtener consejos sobre cómo escribir mejores prompts.

​
Use Skill

Activa esta opción para aplicar una skill de producto existente a la generación de texto.

​
Use Knowledge Base

Activa esta opción si quieres que el LLM use la información de tu Knowledge Base para la tarea. Una vez activada, selecciona la Knowledge Base completa en el menú desplegable o selecciona carpetas específicas en el menú de configuración de recuperación.
Obtén más información sobre las Knowledge Bases en Knowledge Bases y Brand Kits.

​
Structured Output

Define un esquema JSON para la respuesta del LLM: agrega campos, define sus tipos de datos (string, number, boolean o list) y dales descripciones concisas. Es especialmente útil cuando trabajas con Sheets. Obtén más información en la guía Primeros pasos con Sheets.

​
Output Label

Introduce una etiqueta descriptiva para el resultado de este paso. La etiqueta que proporciones se convierte en el nombre de la variable accesible en pasos posteriores del Agent.
Ejemplos:
  • analysis_summary
  • buyer_intent_score
  • cleaned_text

​
Resultado

El nodo Prompt LLM produce un único resultado de texto o JSON que contiene la respuesta del LLM. Este resultado se puede pasar a nodos posteriores como:
  • Pasos Prompt LLM adicionales
  • Llamadas a API
  • Nodos de procesamiento de datos de Profound
  • Nodo Iteration

​
Ejemplos de uso

A continuación se muestran ejemplos habituales de cómo se puede usar el nodo Prompt LLM en los Agents de Profound.

​
1. Resumir una página web extraída

  1. Agrega un paso Web Page Scrape.
  2. Agrega un nodo Prompt LLM.
  3. En el prompt, haz referencia al contenido de la página extraída:
  1. Establece Output Label en summary.

​
2. Extraer entidades del resultado de un motor de respuesta

  1. Usa Nodos de datos de Profound ​ para recopilar entradas.
  2. Agrega un paso Prompt LLM para extraer información estructurada:
  1. Usa el resultado JSON obtenido en la lógica condicional posterior.

​
3. Reescribir contenido para una audiencia específica

​
Prácticas recomendadas

  • Sé explícito. Los LLM responden de forma más fiable a instrucciones detalladas.
  • Define los formatos esperados. Usa viñetas, JSON, tablas o una redacción específica para controlar la estructura del resultado.
  • Haz referencia solo a lo que necesitas. Evita pasar bloques de contenido innecesariamente grandes, salvo que la tarea lo requiera.
  • Pon nombres claros a los resultados. Unas buenas etiquetas hacen que los Agents sean más fáciles de mantener y reutilizar.

​
Solución de problemas

​
El resultado no tiene el formato que esperaba

Agrega instrucciones explícitas como:
  • “Responde solo en JSON.”
  • “Proporciona exactamente tres viñetas.”
  • “No incluyas explicaciones.”

​
Las variables no aparecen en el prompt

Escribe / con el cursor en el campo Prompt para abrir el selector de variables.

​
El resultado parece incompleto o cortado

Prueba a cambiar a un modelo más grande o revisa el prompt para pedir resultados más breves y estructurados.