Lo que vas a aprender
- Configurar un system prompt que defina personalidad y tono
- Usar ejemplos (few-shot) para guiar el estilo de escritura
- Ajustar parámetros como temperature para respuestas más naturales
- Evitar los tics de lenguaje típicos de la IA
- Iterar y refinar el tono hasta que suene humano
Paso 1: Instalar el SDK y configurar la API key
Antes de tocar prompts, prepara tu entorno. Instala la librería oficial de Anthropic y guarda tu API key como variable de entorno para no exponerla en el código. Consigue tu key en console.anthropic.com (sección API Keys). En España y LATAM el acceso es directo, sin restricciones regionales para la API. Usar variables de entorno es una buena práctica de seguridad: nunca subas tu key a GitHub. En Windows usa 'set' en lugar de 'export', o mejor aún, un archivo .env con python-dotenv. Verifica que todo funcione con una llamada mínima antes de complicarte con el tono.
pip install anthropic
# En Mac/Linux
export ANTHROPIC_API_KEY='tu-api-key-aqui'
# En Windows (PowerShell)
$env:ANTHROPIC_API_KEY='tu-api-key-aqui'Consejo: Crea un archivo .env y añádelo a .gitignore para no filtrar tu key nunca.
Error común: No pegues tu API key directamente en el código: si lo subes a un repo público, Anthropic la revocará automáticamente.
Paso 2: Hacer una llamada base y ver el tono por defecto
Primero observa cómo responde Claude sin instrucciones de tono. Esto te da una línea base para comparar. Notarás que por defecto Claude tiende a ser servicial pero algo formal, con frases como 'Estaré encantado de ayudarte' o listas excesivas. Ese es el 'tono IA' que queremos suavizar. Ejecuta este código con una pregunta cotidiana y lee la respuesta en voz alta: si suena a folleto corporativo, ahí está el problema que vamos a resolver en los siguientes pasos.
from anthropic import Anthropic
client = Anthropic()
mensaje = client.messages.create(
model="claude-opus-4-8",
max_tokens=500,
messages=[
{"role": "user", "content": "Recomiéndame qué hacer un domingo lluvioso"}
]
)
print(mensaje.content[0].text)Consejo: Lee la respuesta en voz alta: es el mejor detector de tono robótico.
Error común: Si olvidaste exportar la API key verás un error de autenticación 401. Revisa el paso 1.
Paso 3: Escribir un system prompt con personalidad
El system prompt es donde defines quién es Claude y cómo habla. Aquí ocurre la magia. En vez de instrucciones vagas como 'sé natural', dale una identidad concreta: edad aproximada del tono, actitud, y reglas específicas de estilo. Dile explícitamente qué evitar (listas innecesarias, frases hechas de IA, exceso de disclaimers). Cuanto más concreto seas, más humano sonará. Piensa en cómo describirías a un amigo que escribe bien: 'directo, con humor seco, sin florituras'. Eso es lo que traduces al prompt.
system_prompt = """Eres un amigo cercano que escribe por WhatsApp.
Hablas de forma natural, con frases cortas y directas.
Reglas de estilo:
- Usa lenguaje coloquial, como hablarías tú de verdad
- Nada de listas con viñetas salvo que se pidan
- Evita frases de IA: 'Estaré encantado', 'Es importante señalar', 'En resumen'
- No te disculpes de más ni añadas disclaimers
- Puedes usar humor y expresiones cotidianas
- Frases variadas: mezcla cortas y largas para sonar humano"""
mensaje = client.messages.create(
model="claude-opus-4-8",
max_tokens=500,
system=system_prompt,
messages=[
{"role": "user", "content": "Recomiéndame qué hacer un domingo lluvioso"}
]
)
print(mensaje.content[0].text)Consejo: Prohibir frases concretas ('Estaré encantado') funciona mejor que pedir 'sé natural' en abstracto.
Error común: No sobrecargues el system prompt con 20 reglas: 5-8 claras funcionan mejor que una lista interminable que Claude puede ignorar.
Paso 4: Añadir ejemplos few-shot del tono deseado
Los system prompts marcan la dirección, pero los ejemplos son la forma más potente de fijar un tono. Muéstrale a Claude un par de intercambios de ejemplo con el estilo exacto que quieres. Esto se llama few-shot prompting: metes mensajes de ejemplo en el historial antes de la pregunta real. Claude imita ese patrón. Es especialmente útil para capturar matices que cuesta describir con palabras, como el ritmo, el nivel de informalidad o el uso de expresiones regionales de España o LATAM.
messages = [
{"role": "user", "content": "¿Cómo va todo?"},
{"role": "assistant", "content": "Pues aquí ando, con mil cosas pero bien. ¿Y tú qué cuentas?"},
{"role": "user", "content": "Explícame qué es una API"},
{"role": "assistant", "content": "Imagínate un camarero: tú pides algo, él va a la cocina y te trae el plato. No ves lo que pasa dentro, solo pides y recibes. Una API es eso pero entre programas."},
{"role": "user", "content": "Recomiéndame qué hacer un domingo lluvioso"}
]
mensaje = client.messages.create(
model="claude-opus-4-8",
max_tokens=500,
system=system_prompt,
messages=messages
)
print(mensaje.content[0].text)Consejo: 2-3 ejemplos bastan. Escríbelos tú mismo con el tono exacto que quieres clonar.
Error común: Si tus ejemplos son inconsistentes entre sí, Claude se confunde y mezcla tonos. Manténlos coherentes.
Paso 5: Ajustar temperature para más naturalidad
El parámetro temperature controla cuánta variedad hay en las respuestas. Con valores bajos (0.0-0.3) Claude es predecible y repetitivo, lo que suena mecánico. Para un tono humano, sube temperature a 0.8-1.0: obtendrás frases más variadas, giros inesperados y menos plantillas. Ojo, demasiada temperatura puede hacer que divague. Para conversación casual, 0.9 suele ser el punto dulce. Experimenta: haz la misma pregunta tres veces con distintos valores y compara cuál suena más a persona real.
mensaje = client.messages.create(
model="claude-opus-4-8",
max_tokens=500,
temperature=0.9, # más alto = más variado y humano
system=system_prompt,
messages=messages
)
print(mensaje.content[0].text)Consejo: Para tono humano usa 0.8-1.0. Para tareas precisas (código, datos) baja a 0.2.
Error común: Con temperature muy alta (cercana a 1.0) y prompts vagos, Claude puede irse por las ramas. Combínala siempre con un system prompt claro.
Paso 6: Iterar y detectar tics robóticos
El último paso es refinar. Genera varias respuestas y caza los patrones que delatan a la IA: párrafos que empiezan igual, conclusiones tipo 'En definitiva', listas donde no hacen falta, o simetría excesiva. Cada vez que detectes uno, añade una regla al system prompt para eliminarlo. Este bucle de prueba-ajuste es lo que separa un chatbot genérico de algo que suena a persona. Guarda tus system prompts que funcionan como plantillas reutilizables para futuros proyectos.
# Función para probar el mismo prompt varias veces
def probar_tono(pregunta, veces=3):
for i in range(veces):
m = client.messages.create(
model="claude-opus-4-8",
max_tokens=300,
temperature=0.9,
system=system_prompt,
messages=[{"role": "user", "content": pregunta}]
)
print(f"--- Versión {i+1} ---")
print(m.content[0].text)
print()
probar_tono("Dame una idea para cenar hoy")Consejo: Haz una lista negra de frases-IA que detectes y ve añadiéndolas al system prompt: es un activo que mejora con el tiempo.
Error común: No busques la perfección en la primera iteración. El tono natural se logra tras 3-4 rondas de ajuste.
Resultado
Ya tienes un flujo completo para que Claude suene humano: un system prompt con personalidad definida, ejemplos few-shot que fijan el estilo, temperature ajustada para naturalidad y un método para iterar eliminando tics robóticos. Puedes reutilizar esta plantilla en chatbots, asistentes de atención al cliente o cualquier proyecto donde el tono importe. La clave no es un truco mágico sino combinar estas técnicas y refinar con pruebas reales.
