Biblioteca de prompts IA
Curadas por el estudio: técnica, sector, línea de servicio y variables documentadas. Compatible con familias de modelos Occidente y China.
Biblioteca de prompts para equipos B2B
Curadas por el estudio: técnica, sector, línea de servicio y variables documentadas. Compatible con familias de modelos Occidente y China.
Correo transaccional B2B con C.O.R.E.
Redacta un correo operativo con contexto, objetivo único, restricciones legales y formato fijo.
Actúa como responsable de operaciones de {{empresa}}.
**Contexto:** {{contexto_negocio}}. Audiencia: {{audiencia}}.
**Objetivo:** Redactar un correo de {{tipo_correo}}.
**Restricciones:**
- Máximo {{max_palabras}} palabras.
- No inventar datos; usar solo: {{datos_permitidos}}.
- Evitar superlativos y promesas de resultados garantizados.
- Cumplir tono {{tono}}.
**Estructura de salida:**
1. Asunto (máx. 60 caracteres)
2. Cuerpo en texto plano con saludo, cuerpo, cierre y firma tipo «{{firma}}» Variables (8)
- {{empresa}}
- Nombre o sector de la empresa — p. ej. consultora B2B de servicios
- {{contexto_negocio}}
- Entorno y motivo del correo
- {{audiencia}}
- Perfil del destinatario — p. ej. director de operaciones
- {{tipo_correo}}
- Tipo de mensaje — p. ej. confirmación de registro a evento
- {{max_palabras}}
- Límite de extensión — p. ej. 120
- {{datos_permitidos}}
- Variables reales a incluir
- {{tono}}
- Registro comunicativo — p. ej. profesional y directo
- {{firma}}
- Remitente — p. ej. Equipo de Operaciones
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- Gemini Pro / Ultra
- DeepSeek V3 / R1
Referencias
- Prompt engineering — web.dev Evidencia: Práctica estándar
Auditoría de borrador con crítica inversa
Pide al modelo que detecte inconsistencias, suposiciones y clichés antes de entregar la versión final.
Actúa como auditor de calidad editorial.
Revisa el borrador siguiente e identifica:
- 3 inconsistencias lógicas o contradicciones internas
- 2 suposiciones sin base en el texto o en los datos proporcionados
- 3 clichés de redacción corporativa a eliminar
Después corrige el borrador y entrega la versión refinada manteniendo el mensaje original.
**Borrador:**
"""
{{borrador}}
"""
**Criterios adicionales:** {{criterios}} Variables (2)
- {{borrador}}
- Texto a auditar
- {{criterios}}
- Reglas de marca o compliance — p. ej. Sin claims médicos no verificados
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- Qwen 2.5 / Qwen-Max
Referencias
- Self-refinement patterns — práctica de la industria Evidencia: Industria
Pre-mortem de proyecto de IA
Anticipa fallos antes del despliegue: supone que el proyecto fracasó y documenta causas raíz.
Imagina que estamos en {{fecha_futura}} y el proyecto «{{nombre_proyecto}}» ha fracasado por completo.
**Contexto del proyecto:** {{descripcion_proyecto}}
**Stakeholders:** {{stakeholders}}
Realiza un pre-mortem:
1. Lista 8 causas raíz plausibles (técnicas, datos, gobernanza, adopción).
2. Para cada causa, indica señales tempranas que habríamos podido detectar en la fase {{fase_actual}}.
3. Propón 3 mitigaciones concretas por causa, ordenadas por impacto/esfuerzo.
4. Resume en una tabla: Causa | Probabilidad (1-5) | Impacto (1-5) | Mitigación prioritaria.
No optimices el tono; sé directo y específico. Variables (5)
- {{fecha_futura}}
- Horizonte del ejercicio — p. ej. 6 meses
- {{nombre_proyecto}}
- Nombre del iniciativa
- {{descripcion_proyecto}}
- Alcance y objetivo de negocio
- {{stakeholders}}
- Roles implicados
- {{fase_actual}}
- Fase en curso — p. ej. piloto
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- DeepSeek V3 / R1
Referencias
- Klein — Performing a Project Premortem (HBR) Evidencia: Académico
Análisis ROI paso a paso (chain-of-thought)
Desglosa el cálculo de retorno de una iniciativa de IA con razonamiento explícito antes del número final.
Eres analista financiero B2B. Calcula el ROI ilustrativo de {{iniciativa}} usando razonamiento paso a paso.
**Datos de entrada:**
- Horas liberadas por mes: {{horas_mes}}
- Coste hora fully loaded: {{coste_hora}} {{moneda}}
- Coste mensual de la solución (licencias + operación): {{coste_mensual}} {{moneda}}
- Factor de fricción/adopción (0-1): {{factor_f}}
**Instrucciones:**
1. Explica cada paso antes de calcular (chain-of-thought visible).
2. Calcula ahorro bruto mensual, neto y payback en meses.
3. Señala 3 supuestos débiles que invalidarían el resultado.
4. Entrega tabla final con columnas: Métrica | Valor | Notas.
Marca el resultado como «ilustrativo — no sustituye modelo financiero auditado». Variables (6)
- {{iniciativa}}
- Nombre del caso de uso
- {{horas_mes}}
- Horas ahorradas estimadas
- {{coste_hora}}
- Coste hora cargado
- {{moneda}}
- Moneda — p. ej. EUR
- {{coste_mensual}}
- Coste recurrente de la solución
- {{factor_f}}
- Factor de adopción real — p. ej. 0.7
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- DeepSeek V3 / R1
Referencias
- Wei et al. — Chain-of-Thought Prompting (2022) Evidencia: Académico
Clasificación de tickets con few-shot
Clasifica solicitudes de soporte en categorías usando ejemplos anclados de tu operación.
Clasifica el ticket entrante en una de estas categorías: {{categorias}}.
**Ejemplos:**
Entrada: «No puedo restablecer mi contraseña del portal B2B»
Salida: {"categoria": "acceso", "prioridad": "alta", "equipo": "soporte-n1"}
Entrada: «Necesitamos exportar el informe de ventas Q1 en CSV»
Salida: {"categoria": "informes", "prioridad": "media", "equipo": "producto-datos"}
Entrada: «El certificado SSL muestra aviso en Chrome»
Salida: {"categoria": "infraestructura", "prioridad": "critica", "equipo": "devops"}
**Ticket a clasificar:**
«{{ticket}}»
Responde solo JSON válido con claves: categoria, prioridad, equipo, razonamiento_breve (máx. 25 palabras). Variables (2)
- {{categorias}}
- Lista de categorías válidas
- {{ticket}}
- Texto del ticket
Modelos compatibles
- GPT-4o / GPT-4.1
- Gemini Pro / Ultra
- Qwen 2.5 / Qwen-Max
Referencias
- Brown et al. — Language Models are Few-Shot Learners (2020) Evidencia: Académico
Resumen ejecutivo zero-shot
Condensa un documento largo en un brief para dirección sin ejemplos previos.
Resume el documento para un comité de dirección B2B.
**Documento:**
"""
{{documento}}
"""
**Instrucciones:**
- Máximo {{max_palabras}} palabras.
- Estructura: Contexto (2 frases) → Hallazgos (3 viñetas) → Riesgo principal (1 frase) → Decisión recomendada (1 frase).
- No inventes cifras que no aparezcan en el texto.
- Tono: {{tono}}. Variables (3)
- {{documento}}
- Texto fuente
- {{max_palabras}}
- Límite — p. ej. 180
- {{tono}}
- Registro — p. ej. ejecutivo, sin jerga
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- Llama 3.x
- GLM-4 / ChatGLM
Referencias
- Prompt engineering — web.dev Evidencia: Práctica estándar
Briefing de incidente como CISO
Genera un informe inicial de incidente de seguridad con rol y restricciones de comunicación.
Eres CISO de {{organizacion}}. Redacta un briefing interno de incidente nivel {{severidad}}.
**Hechos conocidos:** {{hechos}}
**Sistemas afectados:** {{sistemas}}
**Regulaciones aplicables:** {{regulaciones}}
**Entregable:**
1. Línea temporal preliminar (bullet points)
2. Impacto potencial en datos y operación
3. Acciones inmediatas (0-24 h) con responsable sugerido
4. Mensaje borrador para dirección (máx. 120 palabras) — sin atribuir culpa ni datos no confirmados
No especules sobre origen del atacante sin evidencia. Variables (5)
- {{organizacion}}
- Entidad afectada
- {{severidad}}
- Nivel — p. ej. P2
- {{hechos}}
- Hechos verificados
- {{sistemas}}
- Activos implicados
- {{regulaciones}}
- Marco normativo — p. ej. RGPD, ENS
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- Mistral Large
Referencias
- NIST CSF 2.0 — Respond Evidencia: Industria
Tree-of-thought para estrategia de contenido
Explora tres ramas de estrategia editorial antes de recomendar una.
Objetivo: {{objetivo_seo}} para {{marca}} en el sector {{sector}}.
Genera un tree-of-thought con 3 ramas estratégicas distintas:
- Rama A: enfoque autoridad técnica (E-E-A-T)
- Rama B: enfoque conversión mid-funnel
- Rama C: enfoque visibilidad en motores generativos (GEO/AEO)
Para cada rama: hipótesis, 3 piezas piloto, KPI principal, riesgo de canibalización.
Luego compara las ramas en tabla y recomienda una con criterio explícito.
Restricción: no proponer keywords que compitan con {{urls_protegidas}}. Variables (4)
- {{objetivo_seo}}
- Meta de negocio
- {{marca}}
- Marca o sitio
- {{sector}}
- Vertical
- {{urls_protegidas}}
- URLs que no deben canibalizarse
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- Gemini Pro / Ultra
Referencias
- Yao et al. — Tree of Thoughts (2023) Evidencia: Académico
Textos alternativos accesibles (WCAG)
Genera alt text descriptivo y funcional para lotes de imágenes web.
Eres especialista en accesibilidad web (WCAG 2.2).
Para cada imagen, escribe un atributo `alt` que:
- Describa la función o información esencial (no solo apariencia decorativa).
- Máximo {{max_caracteres}} caracteres.
- Evite «imagen de…» salvo que aporte contexto.
- Marque como decorativa (alt="") si corresponde.
**Contexto de la página:** {{contexto_pagina}}
**Imágenes:**
{{lista_imagenes}}
Formato de salida: tabla | # | src | alt propuesto | notas | Variables (3)
- {{max_caracteres}}
- Límite por alt — p. ej. 125
- {{contexto_pagina}}
- Propósito de la página
- {{lista_imagenes}}
- Descripción o URL de cada imagen
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- Gemini Pro / Ultra
Referencias
- WCAG 2.2 — Non-text Content (1.1.1) Evidencia: Práctica estándar
Revisión de copy inclusivo y legible
Audita textos de interfaz para lenguaje claro, inclusivo y comprensible.
Audita el copy de interfaz siguiente según criterios de accesibilidad cognitiva y lenguaje inclusivo.
**Pantalla / componente:** {{componente}}
**Copy actual:**
"""
{{copy}}
"""
Entrega:
1. Problemas detectados (jerga, ambigüedad, exclusiones, lectura compleja).
2. Versión revisada por bloque.
3. Nivel de lectura estimado (Flesch-Kincaid aproximado en español).
4. Checklist WCAG 3.1.5 / lenguaje claro aplicable. Variables (2)
- {{componente}}
- Nombre del UI — p. ej. Formulario de contacto
- {{copy}}
- Textos a revisar
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
Referencias
- WCAG 2.2 — Readable (3.1) Evidencia: Práctica estándar
Auditoría de sostenibilidad digital
Evalúa oportunidades para reducir huella de una página o flujo web.
Actúa como consultor de sostenibilidad digital (Green IT).
**Activo evaluado:** {{url_o_flujo}}
**Stack conocido:** {{stack}}
**Tráfico mensual estimado:** {{trafico}}
Analiza y propone:
1. Palancas de reducción de peso y requests (sin sacrificar accesibilidad).
2. Impacto estimado cualitativo (bajo/medio/alto) por palanca.
3. Trade-offs con rendimiento, SEO y UX.
4. Plan de 30 días: quick wins vs cambios estructurales.
Cita buenas prácticas reconocidas; no inventes métricas de CO₂ sin fuente. Variables (3)
- {{url_o_flujo}}
- URL o descripción del flujo
- {{stack}}
- CMS, CDN, hosting — p. ej. Astro + Vercel
- {{trafico}}
- Visitas/mes — p. ej. 50 000
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- DeepSeek V3 / R1
Referencias
- Sustainable Web Design (Griffiths) Evidencia: Industria
Revisión de copy farmacéutico (compliance)
Detecta claims no permitidos en material divulgativo del sector farmacéutico.
Eres revisor de compliance farmacéutico (solo borrador interno — no sustituye revisión legal).
**Mercado:** {{mercado}}
**Tipo de pieza:** {{tipo_pieza}}
**Texto:**
"""
{{texto}}
"""
Identifica:
- Claims terapéuticos no permitidos o absolutos
- Referencias a estudios inexistentes o genéricas
- Omisiones de advertencias obligatorias según {{marco}}
Entrega tabla: Fragmento | Riesgo (alto/medio/bajo) | Sugerencia | Nota legal.
Añade disclaimer: «Revisión asistida por IA — validar con asesoría regulatoria». Variables (4)
- {{mercado}}
- País o región — p. ej. España / LATAM
- {{tipo_pieza}}
- Formato — p. ej. landing B2B para profesionales
- {{texto}}
- Copy a revisar
- {{marco}}
- Normativa de referencia — p. ej. códigos AEMPS / IFPMA
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
Referencias
- IFPMA — Code of Practice Evidencia: Industria
Ficha de producto retail estructurada
Genera descripciones de catálogo con atributos SEO y tono de marca.
Redacta la ficha de producto para {{canal}}.
**Producto:** {{nombre_producto}}
**Atributos:** {{atributos}}
**Tono de marca:** {{tono}}
**Keywords secundarias (no repetir en H1):** {{keywords}}
Estructura:
- Título H1 (máx. 70 caracteres)
- Beneficio principal (1 frase)
- 3 bullets de características verificables
- Párrafo SEO (80-100 palabras, sin keyword stuffing)
- Meta description (130-155 caracteres)
No inventar especificaciones técnicas. Variables (5)
- {{canal}}
- Canal de venta — p. ej. e-commerce B2B
- {{nombre_producto}}
- Nombre comercial
- {{atributos}}
- Datos reales del SKU
- {{tono}}
- Voz de marca
- {{keywords}}
- Términos secundarios
Modelos compatibles
- GPT-4o / GPT-4.1
- Gemini Pro / Ultra
- Qwen 2.5 / Qwen-Max
Referencias
- Google Search Central — product structured data Evidencia: Industria
Diseño instruccional de módulo formativo
Define objetivos, actividades y evaluación para un módulo in-company.
Diseña un módulo formativo de {{duracion}} sobre {{tema}} para {{perfil_alumnos}}.
**Resultado de negocio esperado:** {{resultado_negocio}}
Entrega:
1. 3 objetivos de aprendizaje medibles (verbo observable + criterio).
2. Agenda por bloques con duración.
3. 2 actividades prácticas hands-on.
4. Instrumento de evaluación (rúbrica breve).
5. Materiales previos requeridos.
Alinea con adult learning (andragogía); evita slides-centrismo. Variables (4)
- {{duracion}}
- Horas totales — p. ej. 4 h
- {{tema}}
- Temática — p. ej. prompts seguros en operaciones
- {{perfil_alumnos}}
- Audiencia
- {{resultado_negocio}}
- Impacto esperado en el trabajo
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- GLM-4 / ChatGLM
Referencias
- Bloom — Taxonomía revisada Evidencia: Académico
Respuesta FAQ con contexto recuperado (RAG-aware)
Responde usando solo fragmentos proporcionados; declara cuando falte evidencia.
Responde la pregunta del usuario usando ÚNICAMENTE los fragmentos de contexto.
**Pregunta:** {{pregunta}}
**Contexto recuperado:**
"""
{{contexto}}
"""
**Reglas:**
- Si la respuesta no está en el contexto, responde: «No consta en la documentación proporcionada».
- Cita el id de fragmento entre corchetes, p. ej. [frag-2].
- Máximo {{max_palabras}} palabras.
- Tono: {{tono}}. Variables (4)
- {{pregunta}}
- Consulta del usuario
- {{contexto}}
- Chunks RAG
- {{max_palabras}}
- Límite — p. ej. 150
- {{tono}}
- Registro — p. ej. servicio al cliente B2B
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- DeepSeek V3 / R1
- Qwen 2.5 / Qwen-Max
Referencias
- Lewis et al. — RAG (2020) Evidencia: Académico
Estimación con autoconsistencia
Genera tres estimaciones independientes y consolida por mediana con justificación.
Estima {{metrica}} para {{escenario}}.
Proceso de autoconsistencia:
1. Genera 3 estimaciones independientes (camino A, B, C) con supuestos explícitos.
2. Explica divergencias entre caminos.
3. Consolida con mediana y rango (pessimista / base / optimista).
4. Indica qué dato real reduciría más la incertidumbre.
No presentes una sola cifra sin rango. Variables (2)
- {{metrica}}
- Qué estimar — p. ej. horas de migración
- {{escenario}}
- Contexto del proyecto
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- DeepSeek V3 / R1
Referencias
- Wang et al. — Self-Consistency (2022) Evidencia: Académico
Descomposición de proyecto de migración web
Divide una migración en fases, dependencias y entregables verificables.
Descompón la migración de {{origen}} a {{destino}} para {{sitio}}.
**Restricciones:** {{restricciones}}
**Fecha objetivo:** {{fecha}}
Entrega:
1. WBS de 2 niveles (fase → tareas).
2. Dependencias críticas y riesgos por fase.
3. Criterios de aceptación por entregable.
4. Quick wins de las primeras 2 semanas.
Formato: tabla Markdown. Variables (5)
- {{origen}}
- Plataforma actual — p. ej. WordPress multisite
- {{destino}}
- Stack destino — p. ej. Astro + headless CMS
- {{sitio}}
- Alcance URLs/países
- {{restricciones}}
- SLA, compliance, recursos
- {{fecha}}
- Go-live objetivo
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
Referencias
- PMI — Work Breakdown Structure Evidencia: Práctica estándar
Resumen operativo de cláusulas (no legal advice)
Extrae obligaciones accionables de un contrato para equipos de operaciones.
Resume el contrato para un responsable de operaciones (no es asesoramiento legal).
**Contrato (extracto):**
"""
{{extracto}}
"""
Entrega:
1. Partes y objeto (2 frases).
2. Obligaciones del proveedor (viñetas).
3. Obligaciones del cliente (viñetas).
4. Plazos, penalizaciones y causas de resolución detectadas.
5. Puntos que requieren revisión de counsel humano (marcados ⚠).
Disclaimer obligatorio al inicio. Variables (1)
- {{extracto}}
- Texto del contrato o cláusulas clave
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- Mistral Large
Referencias
- Buenas prácticas de legal design — resumen operativo Evidencia: Práctica estándar
Material educativo para pacientes (borrador)
Redacta contenido divulgativo médico con lenguaje claro y disclaimers.
Redacta un borrador educativo para pacientes sobre {{tema}}.
**Audiencia:** {{audiencia}}
**Nivel de lectura:** equivalente a {{nivel_lectura}}
**Fuentes autorizadas a citar:** {{fuentes}}
Estructura:
- Qué es (párrafo corto)
- Síntomas o señales habituales (sin diagnosticar)
- Cuándo consultar a un profesional
- 3 preguntas útiles para llevar a la consulta
**Restricciones:** no diagnosticar, no prescribir, incluir disclaimer de información general.
Tono empático, accesible (WCAG/lenguaje claro). Variables (4)
- {{tema}}
- Condición o procedimiento
- {{audiencia}}
- Perfil — p. ej. adultos sin formación médica
- {{nivel_lectura}}
- Grado aproximado — p. ej. ESO
- {{fuentes}}
- URLs o guías clínicas aprob internamente
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
Referencias
- WHO — Health literacy Evidencia: Industria
Informe operativo sector energía
Sintetiza indicadores de operación y mantenimiento para comité técnico.
Eres ingeniero de operaciones en {{tipo_activo}}.
**Periodo:** {{periodo}}
**Datos:**
{{datos}}
Genera informe para comité técnico:
1. KPIs vs objetivo (tabla)
2. Desviaciones significativas y causa probable
3. Acciones correctivas priorizadas (impacto/urgencia)
4. Anexo: preguntas abiertas que requieren dato adicional
Usa unidades SI; no extrapolar sin datos. Variables (3)
- {{tipo_activo}}
- Planta, red, etc.
- {{periodo}}
- Semana/mes/trimestre
- {{datos}}
- Series o tabla de indicadores
Modelos compatibles
- GPT-4o / GPT-4.1
- DeepSeek V3 / R1
- Qwen 2.5 / Qwen-Max
Referencias
- ISO 55000 — Asset management overview Evidencia: Industria
Respuesta a reseña hospitality (tono de marca)
Redacta respuestas a reseñas positivas y negativas con protocolo de escalado.
Redacta respuesta pública a esta reseña de {{propiedad}}.
**Reseña:** {{resena}}
**Valoración:** {{valoracion}}/5
**Política de marca:** {{politica}}
Si valoración ≤ 3: incluir disculpa empática, invitación a canal privado ({{canal_privado}}) y NO admitir culpa legal.
Si valoración ≥ 4: agradecer con detalle específico (no genérico).
Máximo 80 palabras. Firmar como {{firma}}. Variables (6)
- {{propiedad}}
- Hotel o cadena
- {{resena}}
- Texto de la reseña
- {{valoracion}}
- Estrellas
- {{politica}}
- Guía de tono
- {{canal_privado}}
- Email o WhatsApp interno
- {{firma}}
- Equipo de relación con huéspedes
Modelos compatibles
- GPT-4o / GPT-4.1
- Gemini Pro / Ultra
- GLM-4 / ChatGLM
Referencias
- Prácticas de reputation management — industria hospitality Evidencia: Industria
Narrativa de impacto para ONG
Transforma métricas de programa en narrativa para informe anual y donantes.
Convierte los datos de impacto en narrativa para informe anual de {{organizacion}}.
**Programa:** {{programa}}
**Métricas verificadas:**
{{metricas}}
**Audiencia del informe:** {{audiencia}}
Entrega:
- Párrafo de apertura (misión + logro del periodo)
- 3 historias micro (anonimizadas) ancladas en datos reales
- Tabla de indicadores con interpretación (no solo cifras)
- Cierre con llamada a acción {{cta}}
Sin inventar beneficiarios ni cifras. Variables (5)
- {{organizacion}}
- Nombre ONG
- {{programa}}
- Programa evaluado
- {{metricas}}
- Datos auditados
- {{audiencia}}
- Donantes, junta, etc.
- {{cta}}
- Acción deseada
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
Referencias
- Global Reporting Initiative (GRI) — narrativa de impacto Evidencia: Industria
Checklist de hardening WordPress
Genera checklist priorizado de endurecimiento según perfil de riesgo.
Genera checklist de hardening WordPress para {{tipo_sitio}}.
**Perfil de riesgo:** {{riesgo}}
**Plugins críticos:** {{plugins}}
**Hosting:** {{hosting}}
Formato: tabla | Control | Prioridad (P1-P3) | Esfuerzo | Verificación |
Incluye: autenticación, permisos, actualizaciones, backups, WAF, headers de seguridad.
Referencia OWASP y WordPress hardening guide; no recomendar plugins sin justificar. Variables (4)
- {{tipo_sitio}}
- Corporativo, e-commerce, etc.
- {{riesgo}}
- Bajo/medio/alto
- {{plugins}}
- Lista relevante
- {{hosting}}
- Entorno
Modelos compatibles
- GPT-4o / GPT-4.1
- Claude Sonnet / Opus
- DeepSeek V3 / R1
Referencias
- OWASP WordPress Security Implementation Guide Evidencia: Práctica estándar