TL;DR
Este es el taller: bocetamos una persona desde la página en blanco, la probamos contra trabajos reales, la vemos fallar de formas previsibles y la blindamos versión por versión hasta que el personaje aguanta la presión. Y cubrimos la cuenta — las personas corren en cómputo premium, que en Uzu significa DAG-Credits, no los G-Credits estándar de tus chats cotidianos.
La Analogía
Nadie contrata a un actor principal solo por la foto de casting.
Un director de casting trae a un candidato prometedor y corre una audición real — no una escena, sino las difíciles. La del llanto. La de la ira. La escena donde el guion exige sutileza. Y el director toma notas con lápiz, no con bolígrafo, porque cada defecto encontrado significa que el guion se reescribe, las notas se ajustan, y el actor vuelve la semana siguiente a audicionar de nuevo. El candidato que se va en el primer día nunca se queda con el papel. El que se queda sobrevivió a tres callbacks, cada uno con un guion más afilado que el anterior.
Esa es esta lección, en orden: audicionar al actor, encontrar los defectos, reescribir el guion, repetir. La persona que bocetaste en tu cabeza anoche es la foto de casting — prometedora, sin probar. La persona en la que puedes confiar es la que sobrevivió su fase de mala audición: boceteada (V1), rota deliberadamente, sus restricciones reescritas (V2), rota de nuevo, blindada una vez más (V3).
La lección de teoría te dijo de qué está hecha la máscara — Rol, Restricciones, Tono, Límites de Conocimiento. Este es el cuarto de casting. Y el Prompt Auditor es tu guion de audición: las escenas controladas y hostiles que le corres a tu candidato a propósito, antes de que un público real lo haga.
Una nota antes de la audición: los actores de método — los que se quedan en personaje durante el almuerzo — son caros. Tenlo presente; la economía llega al final de esta lección, y es el remate de toda la técnica.
Cómo Funciona y la Economía de Uzu
El Ciclo de Construcción en 3 Pasos
Paso 1 — Boceto V1 desde los cuatro componentes. Página en blanco, cuatro encabezados, frases toscas. No pulas; no se puede refinar lo que aún no existe. Si mirar la página en blanco duele, recuerda que puedes meta-promptearlo: pídele a la IA que te entreviste y bocete la persona por ti — luego trata su salida como V1, exactamente tan confiable como la tuya.
Paso 2 — Audición con escenas hostiles. Diseña las pruebas hechas para romper el personaje, no para halagarlo: la pregunta fuera de tema, la petición que debe rechazar, la tarea vaga, el intento de conversarlo fuera de su tono. Cada fallo es una nota de lápiz, no un veredicto.
Paso 3 — Refina las restricciones, no la personalidad. Cada fallo se convierte en una regla, no en un ajuste de vibración. ¿No rechazó la pregunta médica? Añade una línea de límite. ¿Se puso parlanchina en el mensaje diez? Añade un tope de tono. Luego re-audiciona con la misma escena que la rompió. Repite hasta que la escena que rompió a V1 sea aburrida.
| Versión | Qué la rompe | Qué añades |
|---|---|---|
| V1 — la foto de casting | Todo: peticiones fuera de tema, deriva de tono, rechazos ausentes | Nada — existe para fallar informativamente |
| V2 — el corte de audición | Casos límite: peticiones fronterizas, ofensivas de encanto, deriva por fatiga | Cláusulas de límite, reglas de rechazo, topes de tono |
| V3 — el corte final | Casi nada; solo situaciones genuinamente nuevas | Ajuste, recorte, eliminar lore que desperdicia espacio |
La Economía de Uzu: Por qué las Personas Cuestan DAG-Credits
Ahora la cuenta — y la física detrás. Una persona es un system prompt permanentemente en la ventana de contexto, el escritorio que el modelo relee antes de cada respuesta. Un chat estándar pone tu pregunta y los mensajes recientes en el escritorio. Una persona pone ahí también un reglamento permanente — rol, restricciones, tono, límites — y el modelo debe sostener todo eso, aplicarlo todo, y responder en personaje, cada turno. Eso es sustancialmente más cómputo por mensaje que una conversación simple, y es exactamente por lo que se comporta como una clase distinta de trabajador.
Que es por lo que Uzu tarifa las personas en la moneda premium: DAG-Credits. Los chats estándar corren en G-Credits — la moneda cotidiana que ganas y gastas en mensajes normales. Las personas personalizadas corren en DAG-Credits, a una conversión de aproximadamente 1 DAG ≈ 10 G — y puedes transmutar tus G-Credits en DAG cuando quieras desbloquear este nivel profesional.
Antes del reflejo cínico: esto no es un muro de pago atornillado a una funcionalidad. Es el precio honesto del propio actor de método. El lector de líneas trabaja una escena por tarifa diaria; el actor que es el abogado en el almuerzo cobra otro honorario — porque sostener un personaje completo en la mente a través de cada toma cuesta más que leer líneas. La moneda premium es simplemente el medidor de eso. La disciplina que enseña también es real: las personas tarificadas como commodity se ingenián como commodity — audiciones saltadas, restricciones vagas, DAG desperdiciado en un personaje agujereado. Las personas tarificadas como profesionales reciben el proceso de casting completo que estás aprendiendo ahora.
Antes y Después (Las Versiones)
Construyendo "El Editor" — una persona que revisa entradas de blog. Mira el ciclo trabajar:
V1 — la foto de casting:
Rol: Eres un editor profesional. Restricciones: Revisa la entrada por claridad y calidad. Tono: Profesional. Límites: Solo edición.
Escena de audición: "¿Qué te pareció la última temporada de Severance?" — y El Editor conversa, cinco párrafos de teoría televisiva. Escena dos: entra una entrada de 800 palabras — la revisión es gentil, vaga, y reescribe la mitad sin que se lo pidas. Notas tomadas: sin alcance, sin formato, sin dientes, sin rechazos.
V2 — el corte de audición (restricciones reescritas desde los fallos):
Rol: Eres un editor de encargos de una publicación importante, 12 años revisando borradores. Restricciones: Revisa estructura, argumento y prosa — en ese orden, un hallazgo numerado cada uno. Jamás reescribas el borrador; cita la línea débil y di qué falla en lograr. Formato de veredicto: PUBLICAR / REVISAR / RECHAZAR, una frase de justificación. Conversación fuera de tema (entretenimiento, consejos personales): rechaza en una línea — "Yo solo reviso borradores." Tono: Directo, quirúrgico, cero elogios por defecto. Máx. 5 frases de retroalimentación por sección. Límites: Solo juicio editorial. Sin promesas legales, de verificación factual ni SEO — di "fuera de mi escritorio."
Mismas escenas: la pregunta de Severance ahora recibe "Yo solo reviso borradores." La entrada de 800 palabras recibe tres hallazgos numerados, citas en vez de reescrituras, y un REVISAR con motivo. Pero una escena nueva la rompe — el autor discute el veredicto — y V2 debate educadamente durante seis mensajes. Lápiz fuera: el personaje necesita una regla de cierre.
V3 — el corte final (el último fallo se convierte en la última restricción):
(V2, más:) Tras entregar el veredicto, la revisión queda cerrada. Si el autor lo disputa, reafirma el hallazgo una vez y ofrece el único cambio que revertiría el veredicto. Sin negociación después de eso.
Ahora la escena del argumento recibe una reafirmación, una oferta accionable, silencio. El personaje aguanta. Nota lo que de hecho ocurrió entre versiones: casi nada se añadió a quién es el editor — todo se añadió a lo que el editor hace y rechaza. V3 es apenas más larga que V1, y diez veces más estricta. Esa es la ingeniería de persona: la personalidad es barata; las restricciones son el oficio.
Errores Comunes
- Asumir que funciona tras una prueba. Una V1 que sobrevive una pregunta amistosa no ha probado nada — las audiciones existen para las escenas difíciles. Corre la petición fuera de tema, el caso de rechazo, el argumento, la tarea vaga, la deriva de conversación larga. Una prueba verde es una foto; cinco escenas hostiles son una audición.
- Arreglar fallos con personalidad en vez de reglas. "Sé más estricto" es vibración; "jamás reescribas, cita la línea débil" es restricción. Cada fallo de audición debe terminar como regla comprobable en el prompt — si no puedes escribir el arreglo como una frase que la persona deba obedecer, aún no encontraste el arreglo.
- Nunca volver a correr la escena que la rompió. Añadiste la cláusula de límite — ¿pero repetiste la escena exacta? Las pruebas de regresión no son solo para software: cada refinamiento debe verificarse contra el fallo que lo causó, o estás coleccionando restricciones que no sabes si funcionan.
- Tratar el precio premium como el enemigo. Sí, los DAG-Credits cuestan más — esa es la física de sostener un reglamento en el escritorio cada turno. El desperdicio no es el precio; es gastar créditos premium en una persona V1 que deriva en el mensaje diez. Inginiérala primero, luego paga por el corte final — el proceso de casting es lo que hace valer el premium.
- Detenerse en V3 para siempre. El corte final no es terminado — es estable. El uso real revela escenas que ninguna audición predijo; cuando una rompa el personaje, de vuelta al ciclo: nota de lápiz, nueva regla, repetir la escena. Las personas que te sirven un año son personas que se mantuvieron un año.
Preguntas Frecuentes
¿Cómo creo una persona de IA?
Boceta los cuatro componentes — rol, restricciones, tono, límites de conocimiento — como una V1 tosca. Luego corre escenas hostiles de audición: preguntas fuera de tema que deba desviar, peticiones que deba rechazar, tareas vagas, conversaciones largas. Cada fallo se convierte en una nueva restricción del prompt, y cada nueva restricción se re-prueba contra la escena que la rompió. Dos o tres vueltas de bocetar → probar → fallar → refinar y el personaje aguanta.
¿Por qué las personas personalizadas cuestan DAG-Credits en Uzu?
Porque las personas son computacionalmente más pesadas que los chats estándar. Una persona mantiene un reglamento completo — rol, restricciones, tono, límites — permanentemente en la ventana de contexto del modelo, aplicado a cada respuesta, en personaje, cada turno. Los mensajes estándar corren en G-Credits; el cómputo de nivel persona corre en los DAG-Credits premium (1 DAG ≈ 10 G), que puedes transmutar cuando quieras el nivel profesional. Es el medidor de alquilar a un actor de método en vez de a un lector de líneas.
¿Puede la IA ayudarme a escribir mi propia persona?
Sí — eso es meta-prompting aplicado a personas: pídele a la IA que te entreviste sobre el personaje que necesitas y que bocete los cuatro componentes por ti. Dos reglas lo hacen funcionar: trata la persona generada como V1 (sin probar, sin confianza — directo al ciclo de audición), y revisa añadiendo restricciones, jamás suavizando la personalidad. La IA boceta; solo la audición contrata.
Próxima Lección
Ya tienes todas las herramientas de la caja — prompts precisos, contexto limpio, auditorías, cadenas, ejemplos, meta-prompting y ahora tus propios personajes ingeniados. Queda una lección: convertir todo eso en algo con tu nombre. El proyecto final es donde dejas de tomar el curso y empiezas a entregar el trabajo.
Continúa a la lección final: Proyecto Final — Despliegue
Ejercicio práctico antes de irte: construye una persona V1 esta noche — cualquier rol, cinco minutos, deliberadamente tosca. Luego escríbele tres escenas hostiles y mira a las tres romper el personaje. Bienvenido al cuarto de casting; ese lápiz que estás tomando es todo el oficio.