Analizador de calidad de prompts
Financiación y uso de IA
IA incluida utiliza créditos REDA. Traiga su propia IA utiliza la cuenta de proveedor de su organización, facturada directamente por ese proveedor. La licencia determina un modelo para toda la organización. En ambos, REDA AI controla las herramientas y acciones configuradas en Salesforce. Configure la licencia y las cuentas de IA.
Con una cuenta propia, el modelo elegido determina los niveles de razonamiento profundo y capacidades disponibles. Revise los niveles y avisos del selector AI Account; no suponga que todos los proveedores admiten la misma combinación. Las herramientas administrativas y el procesamiento de documentos utilizan la conexión predeterminada de la organización. Configure el valor predeterminado y pruebe el flujo.
Qué hace el analizador
El analizador de calidad es un motor de análisis estático que lee el contenido del prompt, calcula un recuento real de tokens, ejecuta siete heurísticas sobre él y devuelve:
- Una puntuación de calidad de 0 a 100 (empieza en 100, con deducciones por cada comprobación fallida)
- Una estimación del recuento real de tokens, útil para detectar prompts más grandes de lo que los administradores creen
- Un costo por solicitud estimado en créditos de REDA AI
- Una relación de compresión que compara el recuento real de tokens con la Estimación de complejidad configurada en el prompt
- Una lista de problemas con el tipo y el mensaje de cada comprobación fallida
Los resultados se guardan en el propio registro del prompt personalizado, de modo que la puntuación y los problemas permanecen visibles sin necesidad de volver a ejecutar nada.
Las siete heurísticas
Cada prompt parte de 100 y cada comprobación activada resta puntos. Los recuentos de tokens se aproximan como palabras × 1,3, así que tómalos como cercanos, no exactos. Una puntuación por debajo de 50 indica un margen de mejora considerable.
| Comprobación | Qué señala | Cuándo se activa | Impacto en la puntuación |
|---|---|---|---|
| LONG | El prompt es excesivamente largo. | Más de 1000 tokens | −20 |
| VERBOSE | El prompt contiene frases de relleno como “asegúrate de…” o “es importante que…” que agregan tokens sin aportar significado. | Cada frase verbosa encontrada | −5 cada una |
| REDUNDANT | El prompt repite instrucciones básicas que REDA AI ya aplica — “sé conciso”, “nunca inventes”, “usa las herramientas primero”, etc. | Duplica las instrucciones básicas de REDA AI | −15 |
| UNSTRUCTURED | El prompt es lo bastante largo como para merecer encabezados o viñetas en markdown, pero no tiene ninguno. | Más de 200 tokens sin encabezados ni viñetas | −10 |
| EXAMPLE_HEAVY | El prompt se apoya en demasiados ejemplos incrustados en lugar de instrucciones claras. | Más de 3 ejemplos o instancias de e.g. |
−10 |
| ESTIMATE_MISMATCH | El recuento real de tokens es significativamente mayor o menor que la Estimación de complejidad que el administrador configuró para el prompt. | Relación de compresión superior a 1,5 o inferior a 0,5 | −10 |
| NO_SECTIONS | El prompt es lo bastante largo como para necesitar encabezados ##, pero no tiene ninguno. |
Más de 100 tokens sin encabezados de sección | −5 |
La puntuación se muestra en cada registro de prompt personalizado. Varias comprobaciones pueden activarse en el mismo prompt — una puntuación más baja indica que hay más margen de mejora.
¿Por qué estas reglas?
Cada heurística apunta a un antipatrón real que cuesta tokens o enturbia el comportamiento del agente:
- LONG — Por encima de ~1.000 tokens, el rendimiento del contenido del prompt cae bruscamente. El modelo ya tiene sus instrucciones; los prompts largos dejan de aportar valor.
- VERBOSE — El fraseo de relleno desperdicia tokens y diluye la señal. “Por favor, asegúrate de ser conciso” son dos problemas a la vez.
- REDUNDANT — Decirle al modelo lo que el encuadre integrado de REDA AI ya le indica agrega tokens sin cambiar el comportamiento.
- UNSTRUCTURED / NO_SECTIONS — Los muros de texto largos y sin estructura son más difíciles de recorrer para el modelo. Los encabezados y las viñetas mejoran drásticamente la recuperación de información.
- EXAMPLE_HEAVY — Unos pocos ejemplos bien elegidos ayudan; muchos ejemplos se convierten en ruido que ahoga la regla que ilustran.
- ESTIMATE_MISMATCH — Si la Estimación de complejidad que configuraste está muy alejada del recuento real, los cálculos de presupuesto posteriores son incorrectos.
Cuándo se ejecuta
El análisis se ejecuta en dos situaciones:
- En cada guardado. Un trigger sobre el objeto Prompt personalizado analiza cada registro al insertarlo y al actualizarlo. La puntuación y la lista de problemas quedan almacenadas antes de que se complete el guardado.
- Bajo demanda. La interfaz del constructor de prompts llama al analizador cada vez que abres o editas un prompt, de modo que ves la puntuación en vivo mientras escribes.
- De forma masiva. Volver a analizar un lote de prompts — por ejemplo, tras agregar una nueva frase redundante a la lista del detector — es una única llamada de Apex.
Las tres vías son gratuitas. El analizador no llama al modelo.
Cómo leer los resultados
En cualquier registro de prompt personalizado encontrarás:
- Puntuación de calidad — el número de 0 a 100
- Complejidad real — la complejidad medida del contenido del prompt, calculada al analizarlo
- Interno: Costo estimado por solicitud — créditos que consume este prompt cada vez que se incluye en un turno. La etiqueta lleva el prefijo Interno:, pero el campo es legible y editable en el conjunto de permisos REDA AI Admin
- Relación de compresión — real / Estimación de complejidad configurada; los valores cercanos a 1,0 significan que la estimación es precisa
- Problemas de calidad — las comprobaciones activadas, almacenadas como JSON, cada una señalando una oportunidad de optimización: verbosidad, redundancia, estructura deficiente, falta de encabezados, exceso de ejemplos o una estimación que no coincide con la complejidad medida
- Último análisis — cuándo se ejecutó el análisis por última vez, para distinguir una puntuación obsoleta de una actual
En el constructor de prompts, los mismos datos aparecen en un panel de calidad junto al editor — actualizándose en tiempo real mientras escribes.
Estimación de tokens
El analizador produce una estimación rápida de tokens que es suficiente para detectar prompts sobredimensionados y desajustes de presupuesto en el momento del diseño. Para obtener recuentos de tokens exactos y precisos según el modelo, consulta el Depurador de conversaciones tras una ejecución real.
Lo que el analizador no hace
- No comprueba la semántica. Un prompt con una puntuación perfecta puede seguir estando mal — instrucciones deficientes, reglas contradictorias, salvaguardas ausentes. El analizador solo detecta problemas mecánicos.
- No detecta conflictos entre prompts. Dos prompts que se contradicen entre sí obtendrán ambos 100 si cada uno está limpio por separado. Para detectar conflictos entre prompts, consulta el informe de conflictos de configuración en Vista previa de ejecución del agente.
- No sugiere correcciones. El analizador te dice qué está mal; el Optimizador de prompts es la función asistida por IA que propone mejoras concretas.
Prácticas recomendadas
Apunta a 90 o más, no a 100. Un prompt que obtiene 100 suele ser más corto de lo que debería. La puntuación es una guía; unas pocas deducciones intencionadas están bien si el prompt las justifica.
Vigila la relación de compresión. Si los tokens reales difieren enormemente de tu Estimación de complejidad, los cálculos de presupuesto posteriores quedan desviados. Actualiza la estimación o recorta el prompt.
Elimina el relleno sin contemplaciones. La comprobación VERBOSE es el mayor impuesto que la mayoría de los prompts pueden esquivar. “Por favor, asegúrate de hacer X” es “Haz X”.
Usa encabezados en cualquier prompt de más de un párrafo. Incluso dos secciones ## mejoran la legibilidad y la puntuación.
Confía en el modelo para lo básico. Los modelos modernos responden por defecto de forma concisa y objetiva. Indicarles que “nunca inventen” en cada prompt es REDUNDANT — recurre a esa instrucción solo cuando hayas visto fallas reales.
Preguntas frecuentes
No. Es Apex puro, sin ninguna llamada al modelo. Guarda tantas veces como quieras.
Las comprobaciones estructurales (LONG, UNSTRUCTURED, NO_SECTIONS, EXAMPLE_HEAVY, ESTIMATE_MISMATCH) funcionan en cualquier idioma. Los detectores de patrones de frases verbosas y redundantes son solo para inglés — los prompts en otros idiomas no activarán esas comprobaciones. La estimación de tokens reales también es menos precisa para contenido que no está en inglés.
Puedes hacerlo. La puntuación es orientativa. Un prompt con unas pocas deducciones deliberadas sigue siendo mejor que un prompt que obtiene 100 por omitir contenido necesario.
Por supuesto. El analizador solo detecta antipatrones mecánicos, no si las instrucciones son correctas. Para evaluar la calidad en situaciones reales, ejecuta el agente en conversaciones e inspecciónalo con el Depurador de conversaciones.
El costo que se muestra se calcula usando la licencia activa de tu organización. Distintas licencias pueden producir costos mostrados diferentes para el mismo contenido de prompt.
Abre cada prompt y guárdalo — el trigger vuelve a analizar en cada guardado — o ejecuta un pequeño script de Apex que recupere los registros y llame al método de análisis masivo. Las puntuaciones se actualizan sin consumir créditos.
Próximos pasos
Usa el Optimizador de prompts para obtener reescrituras asistidas por IA de los prompts que el analizador señaló, o explora la Galería de plantillas de prompts para encontrar puntos de partida reutilizables.