Cómo registrar la versión de las instrucciones usada en una prueba

Distingue plantilla y contenido enviado

Conserva un identificador de versión y una huella del texto de instrucciones. Si construyes el mensaje con variables, registra también sus valores o referencias protegidas que permitan reconstruirlos. No basta con guardar “prompt final”: el mismo archivo puede cambiar después. Separa instrucciones de sistema, reglas de negocio y texto de la solicitud para saber qué pieza produjo una diferencia.

Captura el contexto que cambia el significado

Incluye versión del esquema de salida, herramientas disponibles, reglas de recuperación y documentos de referencia. Anota el identificador de modelo y los parámetros que exponga la integración, sin atribuir estabilidad ilimitada a un alias comercial. No necesitas copiar secretos para reconstruir permisos: registra el perfil o alcance aplicado. Protege los registros que contengan datos personales y limita su conservación a la finalidad acordada.

Vincula versión y ejecución

Asigna un identificador de ejecución y otro por caso. Guarda inicio, resultado, errores y versión del conjunto de evaluación. Si un reintento utiliza instrucciones nuevas, trátalo como otra ejecución; no sobrescribas la anterior. Cuando el proveedor permita gestionar versiones, verifica cuál se resolvió efectivamente. Cuando no lo permita, conserva una copia controlada de la configuración que envía tu aplicación.

Ensaya la reconstrucción

Pide a otra persona que identifique qué instrucciones y condiciones corresponden a una salida concreta utilizando solo el registro. Si necesita preguntar al autor, falta una pieza. Repetir una llamada no garantiza texto idéntico, así que la comprobación consiste en reconstruir condiciones y volver a medir, no en prometer igualdad literal. Declara cualquier dependencia que haya cambiado o no pueda congelarse. Usa ese límite al interpretar diferencias entre pruebas, especialmente cuando se actualicen fuentes externas o herramientas. Asigna además quién puede aprobar cambios y quién conserva la configuración histórica durante el periodo de revisión.

Fuentes y documentación

• NIST · AI RMF Core — Marco voluntario sobre medición y documentación de límites.
• OpenAI · Evaluation best practices — Referencia sobre casos diversos y evaluación; el procedimiento propuesto no es una garantía del proveedor.