> For the complete documentation index, see [llms.txt](https://docs.hablla.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.hablla.com/hablla-docs-es/flujos-de-automatizacion/todos-los-componentes/hablla-gpt/prompt.md).

# Prompt

El componente Hablla GPT (identificado en el bus interno como `habllaGpt`) es un nodo de procesamiento cognitivo basado en Grandes Modelos de Lenguaje (LLMs). Su función principal es someter instrucciones contextuales, datos agregados del contacto o preguntas abiertas a un motor de Inteligencia Artificial asociado. El componente analiza la entrada recibida en tiempo real y genera una respuesta de texto de forma autónoma, siendo ideal para crear flujos de triaje inteligentes, resumir historiales, analizar sentimientos de mensajes o responder a dudas complejas sin depender de rutas rígidas de decisión.

### 2. Parámetros de configuración

La parametrización del nodo gestiona la elección del cerebro de procesamiento y los límites de inferencia de la IA mediante los siguientes criterios:

* Modelo (\* Campo obligatorio): Menú desplegable utilizado para seleccionar el modelo de lenguaje que procesará la solicitud. El selector ofrece subversiones estables basadas en la arquitectura OpenAI, incluyendo los modelos comerciales de alto rendimiento y eficiencia como `gpt-4o`, `gpt-4o-mini`, `gpt-4.1` y sus respectivas variantes temporales.
* Acción: Campo estructurado para dictar la modalidad o instrucción macro de comportamiento del nodo (como el modo `Prompt`).
* Base de conocimiento: Menú opcional utilizado para acoplar el componente a repositorios corporativos de datos institucionales vectoriales (mecanismo RAG - *Retrieval-Augmented Generation*), garantizando que la IA consulte documentos internos antes de formular una respuesta técnica.
* Pregunta: Caja de texto larga destinada a recibir los comandos, el papel operacional del bot (*System Prompt*) o la duda que será evaluada por la IA.
* Opciones (Menú repetidor avanzado): Lista de parámetros adicionales agregados bajo demanda para refinar el tiempo y el estilo de respuesta del modelo:
  * `Temperatura`: Controla la aleatoriedad y creatividad de la IA (valores cercanos a 0 hacen la respuesta más exacta y estandarizada; valores cercanos a 1 dan mayor libertad de redacción).
  * `Máx. de tokens`: Limita el tamaño y la longitud máxima del payload textual de respuesta generado.
  * `Máx. de intentos`: Define el techo de reenvíos automáticos en caso de inestabilidad o timeout en la API de la IA.
  * `Idioma`: Configura la lengua nativa de priorización de escritura e interpretación del nodo.

### 3. Constructor visual

La interfaz del constructor adopta una estructura en cascada diseñada para la inclusión modularizada de controles avanzados:

* Filtros expandidos bajo demanda: El menú desplegable *Opciones* funciona como un inyector dinámico. En vez de saturar la pantalla con decenas de campos de entrada, el administrador selecciona qué criterio desea refinar (como *Temperatura*) y el panel renderiza inmediatamente el campo correspondiente con la opción de eliminación rápida mediante el icono de papelera.
* Validación sintáctica del nodo: La obligatoriedad marcada con asterisco (`*`) en el selector *Modelo* sirve como barrera de seguridad en el lienzo, bloqueando el guardado de la automatización si no hay ninguna infraestructura de IA vinculada.

### 4. Operadores especiales

Las propiedades lógicas de este componente lidian con compilaciones contextuales asíncronas e inyección de payloads de metadatos:

* Interpolación de variables en prompts completos: La caja de texto del parámetro *Pregunta* acepta la inserción de llaves dobles `{{...}}` de forma libre. Esto permite dotar al robot de IA con todo el contexto reunido del contacto hasta el momento actual (ej.: `"Dado el cliente con nombre {{nome}}, teléfono {{phone}} e historial de mensajes {{$data?.historico}}, haga el siguiente análisis..."`).
* Objeto resultante de inferencia: Al concluir el procesamiento neuronal con éxito, el motor del sistema inyecta la respuesta pura de la IA en una variable de respuesta nativa en el ámbito del contacto (`$data`). El payload generado puede invocarse inmediatamente en componentes de mensaje secuenciales de cualquier canal (WhatsApp, Telegram, Webchat) para mostrar la respuesta generada al usuario final de forma transparente.

### 5. Ejemplos prácticos

La tabla de abajo muestra escenarios clásicos de cómo configurar las propiedades de Hablla GPT para extraer inteligencia automatizada en el flujo:

| **Modelo seleccionado** | **Configuración de la "Pregunta" (Prompt)**                                                                                                                                    | **Parámetro añadido en "Opciones"**                   | **Caso de Uso Práctico**                                                                                                                       |
| ----------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | ----------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------- |
| gpt-4o-mini             | "El usuario escribió: `{{response}}`. Con base en eso, responda de forma breve en qué categoría encaja este mensaje: \[Financiero], \[Soporte] o \[Ventas]."                   | `Temperatura` = 0.0 *(Enfoque total en la precisión)* | Actuar como clasificador o enrutador automático de intenciones de mensajes escritos sin menús cerrados de botones.                             |
| gpt-4o                  | "Clasifique el nivel de insatisfacción del siguiente mensaje del cliente: `{{$data?.first_message}}`. Responda solo con un número del 1 (muy satisfecho) al 5 (muy enfadado)." | `Máx. de tokens` = 5                                  | Analizar el sentimiento de la primera interacción del cliente en Instagram para priorizar en la cola humana los casos urgentes de reclamación. |
| gpt-4o                  | "Eres un asistente virtual de comercio electrónico. Utiliza la base de conocimiento de preguntas frecuentes para resolver la duda del usuario: `{{response}}`"                 | `Idioma` = Portugués                                  | Crear un asistente virtual autónomo conectado al FAQ del sitio capaz de resolver dudas institucionales complejas en el DM de forma humana.     |


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.hablla.com/hablla-docs-es/flujos-de-automatizacion/todos-los-componentes/hablla-gpt/prompt.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.