Skip to main content
PromptQuorumPromptQuorum
Inicio/Blog/8 Frameworks de Ingeniería de Prompts Explicados: CRAFT vs CO-STAR vs APE (Guía 2026)
Ingeniería de Prompts

8 Frameworks de Ingeniería de Prompts Explicados: CRAFT vs CO-STAR vs APE (Guía 2026)

Domina los principales frameworks de prompts y descubre cuál funciona mejor para tu caso de uso.

8 min de lecturaBy Hans Kuepper · PromptQuorum
8 Prompt Engineering Frameworks: CRAFT, CO-STAR, APE, RISEN, TRACE, RTF, SPECS and Single-PromptA wheel diagram showing 8 prompt engineering frameworks arranged around a central Prompt node. Each framework addresses a different writing and AI prompting style.PromptCRAFTCOSTARAPERISENTRACERTFSPECSSinglePrompt
  • CRAFT: Context, Role, Action, Format, Target — Best for marketing and creative content
  • CO-STAR: Context, Objective, Style, Tone, Audience, Response — Comprehensive structured approach
  • APE: Action, Parameter, Example — Concise framework for specific tasks
  • RISEN: Role, Intention, Scenario, Expectation, Notation — Best for role-playing and personas
  • TRACE: Task, Request, Action, Context, Example — Step-by-step instruction framework
  • RTF: Role, Task, Format — Lightweight framework for rapid prompting
  • SPECS: Setting, Problem, Expectation, Constraints, Success Criteria — Goal-oriented prompting
  • Single-Prompt: One-shot, unstructured prompting for simple requests

¿Qué es un Marco de Prompts?

Un marco de prompts es una plantilla estructurada que te guía a través de los elementos esenciales de un buen prompt. En lugar de escribir un párrafo largo, los marcos desglosan tu solicitud en campos específicos—como contexto, objetivo, tono y audiencia. Esto hace que tus prompts sean más claros, más efectivos y te da resultados predecibles.

Piénsalo como una receta. Podrías lanzar ingredientes al azar en una olla y esperar lo mejor, o podrías seguir una receta estructurada con ingredientes medidos en el orden correcto. Los marcos son recetas para prompts.

1. Marco CRAFT

Mejor para: Marketing, copywriting, contenido creativo

Los Campos:

  • Context: Información de fondo que la IA necesita entender
  • Role: Qué rol debería tomar la IA (ej., "redactor experto")
  • Action: Qué quieres que haga la IA (ej., "escribir líneas de asunto de email")
  • Format: Cómo quieres que se estructura la salida (ej., "lista con viñetas", "párrafo")
  • Target: Para quién es esto (ej., "tomadores de decisiones B2B SaaS")

Ejemplo:

Context: Estamos lanzando una app de productividad para freelancers

Role: Eres un redactor experto especializado en SaaS

Action: Escribe 5 líneas de asunto de email convincentes

Format: Lista numerada con una explicación de 1 frase para cada una

Target: Freelancers ocupados de 25–45 años que valoran herramientas que ahorran tiempo

Por Qué Funciona:

CRAFT te fuerza a pensar en cada aspecto de tu solicitud antes de hacerle una pregunta a la IA. La combinación de rol + objetivo garantiza que la IA entienda exactamente para quién es el contenido y cómo hablarse a sí misma.

2. Marco CO-STAR

Mejor para: Comunicación empresarial, escritura profesional, toma de decisiones

Los Campos:

  • Context: La situación o el antecedente
  • Objective: Qué estás intentando lograr
  • Style: El tono y el enfoque (formal, casual, técnico, etc.)
  • Tone: La calidad emocional (urgente, tranquilizador, confiado, etc.)
  • Audience: Quién leerá/usará esto
  • Response: Qué formato/longitud/nivel de detalle quieres

Ejemplo:

Context: Nuestro startup acaba de obtener financiamiento de la Serie A

Objective: Anunciarlo a los empleados

Style: Profesional pero entusiasta

Tone: Celebratorio y orientado al futuro

Audience: Equipo interno (ingenieros, diseñadores, especialistas en marketing)

Response: Anuncio de 3 párrafos adecuado para email

Por Qué Funciona:

CO-STAR separa el estilo del tono (el estilo es la presentación, el tono es la emoción), lo que te da mucho más control sobre cómo escribe la IA. Es excelente para contextos empresariales o profesionales donde la precisión es importante.

3. Marco SPECS

Mejor para: Proyectos complejos, análisis detallado, escritura técnica

Los Campos:

  • Situation: El estado actual o el problema
  • Purpose: Por qué estás preguntando (qué problema resuelve)
  • Expected Output: Cómo debería verse el resultado
  • Context: Información relevante adicional
  • Style: El formato y el tono

Ejemplo:

Situation: Tenemos 1000 tickets de soporte de cliente esperando ser categorizados

Purpose: Para enrutarlos al equipo correcto (facturación, técnico, solicitud de función)

Expected Output: Un script de Python que lee CSV, categoriza, da salida a CSV nuevo

Context: Usamos estas categorías: [lista]. Palabras clave comunes por categoría: [lista]

Style: Solo código, sin explicación, usa la librería pandas

Por Qué Funciona:

SPECS está orientado a los detalles y es excelente cuando necesitas comunicar requisitos complejos. El campo de salida esperada evita que la IA adivine qué quieres.

4. Marco RISEN

Mejor para: Tareas multitaso, flujos de trabajo, procesos, instrucciones

Los Campos:

  • Role: Qué rol debería desempeñar la IA
  • Instructions: Pasos detallados o requisitos
  • Steps: Desglose numerado del proceso
  • End Goal: Cómo se ve el éxito
  • Narrowing: Restricciones o reglas específicas a seguir

Ejemplo:

Role: Eres un maestro experto creando un esquema de curso

Instructions: Crea un curso para principiantes de 4 semanas sobre ingeniería de prompts

Steps: 1) Define objetivos de aprendizaje 2) Esquematiza cada semana 3) Enumera recursos

End Goal: Un estudiante debería poder escribir prompts profesionales para la semana 4

Narrowing: Sin ejemplos de código, no asumar conocimiento previo de IA, mantener lecciones bajo 30 min cada una

Por Qué Funciona:

RISEN es perfecto para secuencias y procesos. El campo "Narrowing" evita que la IA se salga del camino y asegura que la salida respete tus restricciones.

5. Marco APE

Mejor para: Solicitudes rápidas, tareas simples, cuando no necesitas complejidad

Los Campos:

  • Action: Qué quieres que haga la IA
  • Purpose: Por qué estás preguntando
  • Expectation: Qué esperas obtener

Ejemplo:

Action: Resume este artículo

Purpose: Necesito una descripción general de 2 minutos para una reunión de equipo

Expectation: 3-4 puntos con viñetas que cubran los hallazgos clave

Por Qué Funciona:

APE es hermosamente simple. La mayoría de solicitudes cotidianas caben en estos 3 campos. Es un excelente punto de partida antes de pasar a marcos más complejos.

6. Marco de Prompts de Google

Mejor para: Propósito general, investigación, búsqueda de información

Los Campos:

  • Task: Qué quieres lograr
  • Context: Contexto relevante
  • Persona: Quién está preguntando / qué perspectiva tomar

Por Qué Funciona:

El marco de Google es ligero e información-enfocado. Excelente para consultas de investigación y escenarios "¿y si?".

7. Marco TRACE

Mejor para: Aprendizaje de pocos disparos, solicitudes basadas en ejemplos, enseñar la IA

Los Campos:

  • Task: Qué quieres
  • Request: Tu solicitud específica
  • Action: Qué debería hacer la IA
  • Context: Información adicional
  • Example: Muéstrale a la IA un ejemplo de salida perfecta

Por Qué Funciona:

TRACE es poderoso porque mostrar un ejemplo le enseña a la IA exactamente qué quieres. "Haz este tipo de cosa" a menudo es más claro que explicarlo.

8. Marco RTF

Mejor para: Capacitación empresarial, contenido estandarizado, materiales de capacitación

Los Campos:

  • Role: El rol de instructor o experto
  • Task: El objetivo educativo
  • Format: Cómo presentar (diapositivas, cuestionario, lección, etc.)

Por Qué Funciona:

RTF está construido específicamente para capacitación y educación. Asegura una salida consistente y pedagógicamente sólida.

¿Qué Marco Debería Usar?

Para el marco de decisión completo — cuándo usar CO-STAR vs CRAFT vs RTF vs APE — con puntuación lado a lado para cada caso de uso, ver [qué marco de prompts debería usar?](https://www.promptquorum.com/es/prompt-engineering/which-prompt-framework-should-you-use)

FrameworkBest ForComplexity
APESolicitudes rápidas y simples⭐ Bajo
CRAFTMarketing, copywriting⭐⭐ Medio
CO-STARComunicación empresarial⭐⭐ Medio
SPECSTareas complejas y técnicas⭐⭐⭐ Alto
RISENProcesos multitaso⭐⭐⭐ Alto
TRACEAprendizaje basado en ejemplos⭐⭐⭐ Alto
GoogleInvestigación general⭐⭐ Medio
RTFCapacitación y educación⭐⭐ Medio

Consejo Pro: Prueba Múltiples Marcos

Aquí está el secreto: el mismo prompt escrito en CRAFT vs SPECS podría producir resultados diferentes del mismo modelo de IA. Los diferentes marcos activan diferentes patrones de razonamiento en la IA.

Por eso PromptQuorum te permite cambiar entre marcos al instante y ver cómo se reestructura la misma idea. Prueba tu prompt en CRAFT, luego cambia a SPECS, luego CO-STAR. Compara los resultados. Aprenderás qué marcos funcionan mejor para tu caso de uso específico.

Próximos Pasos

Elige un marco que coincida con tu tarea más común. Dómalo. Luego experimenta con otros mientras tus habilidades crecen.

¿Listo para poner estos marcos en práctica? Pruébalos con PromptQuorum, que incluye los 8 marcos más optimización automática y comparación multi-IA.

Nota sobre hechos de terceros

Este artículo hace referencia a modelos de IA, benchmarks, precios y licencias de terceros. El panorama de la IA cambia rápidamente. Las puntuaciones de benchmark, los términos de licencia, los nombres de modelos y los precios de API pueden cambiar entre el momento en que se escribió y cuando usted lo lee. Antes de tomar decisiones de despliegue o cumplimiento basadas en este artículo, verifique las cifras actuales en la fuente oficial de cada proveedor: tarjetas de modelos de Hugging Face para licencias y benchmarks, sitios web de proveedores para precios de API y EUR-Lex para el texto actualizado del RGPD y la Ley de IA de la UE. Este artículo refleja información públicamente disponible a mayo de 2026.

Your backend, your choice — local LLM or API keys

PromptQuorum works with local models and cloud API keys alike. Bring your own Ollama setup or connect any provider's API key — you decide which LLM runs your prompts.

← Back to Blog