API LLM para prompts: escríbelos y refínalos en código
Esta guía muestra cómo usar una API de texto para escribir, ampliar y reescribir prompts para otras herramientas, desde una sola llamada hasta un lote de miles.
Actualizado

Puntos clave
- Una llamada de chat convierte una idea aproximada en un prompt terminado; el ID del modelo es uncensored.
- El modo JSON devuelve campos que tu script puede almacenar y buscar.
- Una clave completa ejecuta 8 peticiones simultáneas y 300 por minuto; reintenta los errores 429 usando Retry-After.
- La API solo escribe texto; pegas el prompt en tu herramienta de video o imagen.
Qué hace una API LLM para el trabajo de prompts
Una API LLM para prompts es buena en la parte del trabajo de prompts que agota a las personas: convertir una idea de tres palabras en una descripción completa, escribir diez variantes de la misma escena o reescribir un prompt para que siga un formato de casa. Envías la idea aproximada y un conjunto de reglas, y recibes texto de prompt terminado. Como el endpoint es compatible con OpenAI, el código es la misma llamada de chat que escribirías para cualquier otro modelo.
Una limitación primero. Este servicio solo devuelve texto. No renderiza video, imágenes ni audio. Si tu objetivo final es un clip de una herramienta de texto a video, la API escribe el prompt y tú pegas o canalizas ese prompt en el generador que uses. Esta separación es útil por sí misma, porque la escritura de prompts es el paso lento y repetitivo, y los tokens de texto son baratos.
El modelo es un modelo de pesos abiertos ajustado para responder sin rechazos de contenido para uso adulto legal, por lo que un trabajo de escritura de prompts sobre una escena de thriller oscuro o una batalla de fantasía violenta no se rechaza con una lección. La única limitación estricta es que no se producirá nada que involucre a menores en contenido sexual.
Una primera llamada para escribir prompts en Python
Instala el SDK con pip install openai y apúntalo a la URL base. El ID del modelo es uncensored, y la clave se pasa como token Bearer, que el SDK maneja por ti.
from openai import OpenAI
client = OpenAI(
base_url="https://api.veo3apis.com/v1",
api_key="YOUR_API_KEY",
)
SYSTEM = (
"You write prompts for a text-to-video tool. "
"Given a rough idea, reply with one prompt of 60 to 90 words. "
"Name the subject, the camera movement, the lighting and the mood. "
"Reply with the prompt only, no preamble."
)
def expand(idea: str) -> str:
resp = client.chat.completions.create(
model="uncensored",
messages=[
{"role": "system", "content": SYSTEM},
{"role": "user", "content": idea},
],
temperature=0.8,
max_tokens=300,
)
return resp.choices[0].message.content.strip()
print(expand("a lighthouse during a storm, seen from a drone"))
Tres detalles hacen que esto funcione mejor que un primer intento habitual. El mensaje del sistema define la longitud y los elementos que todo prompt debe nombrar, para que las salidas sean comparables. Establecer temperature alrededor de 0.8 da variedad entre ejecuciones sin desviarse de la idea. Y max_tokens es opcional aquí, pero un límite de 300 evita que una respuesta de completado cueste más de lo debido. Si lo omites, la completación puede usar lo que quede de la ventana de 100,000 tokens.
Si quieres diez versiones de una idea, no hagas diez bucles con la misma configuración y esperes. Aumenta la temperatura y pasa un seed diferente por llamada, o pide diez prompts numerados en una sola respuesta y divídelos en código. La segunda opción es más barata porque las instrucciones se envían una sola vez.
Devuelve prompts estructurados con modo JSON
El texto libre está bien para un humano. Una vez que un script consume la salida, necesitas campos. El modo JSON hace que la respuesta sea un objeto JSON válido, para que puedas leer el prompt, los elementos que quieres excluir y algunas etiquetas sin escribir un analizador frágil. Menciona la palabra JSON y las claves que esperas en el mensaje del sistema, y establece response_format.
from openai import OpenAI
client = OpenAI(
base_url="https://api.veo3apis.com/v1",
api_key="YOUR_API_KEY",
)
import json
resp = client.chat.completions.create(
model="uncensored",
response_format={"type": "json_object"},
messages=[
{
"role": "system",
"content": (
"Return a JSON object with the keys prompt (string), "
"avoid (string) and tags (list of at most five short strings)."
),
},
{"role": "user", "content": "a night market in the rain, handheld camera"},
],
)
data = json.loads(resp.choices[0].message.content)
print(data["prompt"])
print(data["tags"])
Almacena el objeto, no solo el texto. Una tabla con columnas para la idea, el prompt final, las etiquetas y la fecha te permite buscar tu historial más tarde, y facilita ver qué instrucciones produjeron los prompts que guardaste.
Cuando la salida debe seguir un formato que JSON no captura, como un orden fijo de líneas etiquetadas, indícalo con un ejemplo concreto dentro del mensaje del sistema. Los modelos copian ejemplos con mayor fiabilidad que siguiendo descripciones abstractas.
Transmite el resultado para herramientas interactivas
Si una persona espera el resultado, por ejemplo en una herramienta interna de prompts o un panel de chat, transmite la respuesta para que las primeras palabras aparezcan de inmediato. Establece stream: true; la respuesta llega como eventos enviados por el servidor, y el uso se reporta al final del streaming.
from openai import OpenAI
client = OpenAI(
base_url="https://api.veo3apis.com/v1",
api_key="YOUR_API_KEY",
)
stream = client.chat.completions.create(
model="uncensored",
messages=[
{"role": "system", "content": "Rewrite the user's prompt to be more specific about camera and light."},
{"role": "user", "content": "a man walking through a foggy forest"},
],
stream=True,
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
print()
Recuerda que una petición transmitida mantiene su ranura de concurrencia hasta que termina el stream. Una clave completa permite 8 peticiones simultáneas, por lo que ocho usuarios leyendo streams lentos al mismo tiempo bloquearán una novena. Para una herramienta interna pequeña es suficiente. Para algo público, cola las peticiones en tu lado.
Ejecuta un lote dentro de los límites de peticiones
Los trabajos de escritura de prompts que ahorran más tiempo son lotes: 500 tomas de productos, 200 ideas de escenas de un guion, una hoja de cálculo completa de líneas aproximadas. Una clave completa permite 8 peticiones concurrentes y 300 por minuto, y una clave de prueba permite 2 y 60. Un grupo de hilos dimensionado según la clave es la forma más sencilla de mantenerse dentro de ambos números.
from openai import OpenAI
client = OpenAI(
base_url="https://api.veo3apis.com/v1",
api_key="YOUR_API_KEY",
)
import time
from concurrent.futures import ThreadPoolExecutor
from openai import RateLimitError
SYSTEM = "Turn the idea into one 60 to 90 word video prompt. Reply with the prompt only."
def expand(idea: str) -> str:
for attempt in range(4):
try:
resp = client.chat.completions.create(
model="uncensored",
messages=[
{"role": "system", "content": SYSTEM},
{"role": "user", "content": idea},
],
max_tokens=300,
)
return resp.choices[0].message.content.strip()
except RateLimitError as err:
wait = int(err.response.headers.get("Retry-After", "5"))
time.sleep(wait)
raise RuntimeError("gave up on: " + idea)
ideas = ["a paper boat in a gutter", "a train crossing a salt flat", "a chef plating dessert"]
with ThreadPoolExecutor(max_workers=8) as pool:
prompts = list(pool.map(expand, ideas))
for idea, prompt in zip(ideas, prompts):
print(idea, "->", prompt[:80])
Un 429 puede significar dos cosas. El código de error rate_limited significa que superaste las peticiones por minuto; concurrency significa que había demasiadas peticiones ejecutándose al mismo tiempo. Una sobrecarga temporal también devuelve 429 con un encabezado Retry-After: 5. El bucle anterior espera tanto como diga el encabezado e intenta de nuevo. Las peticiones fallidas o rechazadas no se cobran, por lo que un reintento no duplica el costo.
Escribe los resultados en disco a medida que avanzas, una línea por prompt terminado. Un archivo JSON-lines funciona bien: un objeto por línea que contiene la idea, el prompt y la hora, para que una ejecución fallida pueda saltarse lo que ya está hecho cuando lo reinicias. Un lote de unas pocas miles de llamadas eventualmente encontrará un momento de mala red, y no quieres empezar de nuevo desde el principio.
Incluye tu guía de estilo en la ventana de contexto de 100k
Los prompts mejoran cuando el modelo conoce tus reglas. Con una ventana de 100.000 tokens, prompt más completación, puedes meter mucho en el mensaje del sistema: una guía de estilo, una lista de frases prohibidas, veinte ejemplos de prompts aprobados y un glosario de cómo tu equipo nombra los movimientos de cámara.
Usa ese espacio con propósito y mantén una regla en mente: el modelo sigue lo que está escrito, así que escribe las reglas como si le explicaras a un nuevo colega. Una lista corta de cinco ejemplos excelentes supera a cincuenta mezclados, porque el modelo promedia lo que ve. Pon los ejemplos en el mismo formato que quieres recibir. Si un proyecto tiene un personaje recurrente, escribe la ficha del personaje una vez, con cabello, ropa y edad (solo personajes adultos) descritos con palabras fijas, y dile al modelo que copie esas palabras textualmente en cada prompt. Este es el truco de consistencia más barato disponible: la misma frase aparece en cada prompt, por lo que el generador posterior ve la misma descripción cada vez.
Las instrucciones largas se envían de nuevo con cada llamada, por lo que se facturan en cada una. A $0.15 por millón de tokens de entrada, una guía de estilo de 3.000 tokens cuesta $0.00045 por petición solo en entrada. Es poco, pero en 10.000 peticiones suma $4.50, así que recorta la guía una vez que funcione. La página de precios tiene las tarifas completas si quieres hacer tus propios cálculos.
Problemas comunes y cómo solucionarlos
Algunos errores aparecen una y otra vez en los flujos de trabajo de escritura de prompts.
- Preambulo en la salida. Las respuestas que comienzan con "Aquí tienes tu prompt:" terminan dentro del generador. Termina el mensaje del sistema con "Responde solo con el prompt" y recorta los espacios del resultado.
- Prompts demasiado largos. Más palabras no siempre dan mejor video o imágenes. Establece un rango de palabras en las instrucciones y verifícalo en código.
- Misma idea, misma salida. Si pasas
seedcon un valor fijo, las ejecuciones se repiten. Cambia la semilla por elemento, o omítela cuando quieras variedad. - Mezcla de roles. Mantén las reglas en el mensaje del sistema y la idea en el mensaje del usuario. Poner ambos en un solo bloque hace que el modelo trate tus reglas como contenido para reescribir.
- Deriva a lo largo de un lote largo. La calidad puede disminuir cuando las mismas instrucciones se ejecutan miles de veces. Verifica elementos al inicio, medio y final de la ejecución, y mantén el mensaje del sistema bajo control de versiones para que puedas saber qué redacción produjo qué lote.
- Sin paso de revisión. Lee una muestra de cada lote antes de enviar prompts a una herramienta posterior costosa. Diez minutos de lectura ahorran muchas peticiones desperdiciadas.
Para empezar, crea una cuenta, reclama el crédito de prueba de $0,50 en la página de claves de API y ejecuta el primer script anterior. La prueba es un reclamo por persona, dura 7 días y no requiere tarjeta. La documentación lista todos los parámetros que se pasan, incluyendo top_p, stop y las penalizaciones.
Más guías
Preguntas y respuestas
¿Puede esta API generar el video?
No. Solo genera texto. Úsala para escribir el prompt y luego pásalo a la herramienta de video que prefieras.
¿Cuántos prompts puedo escribir por minuto?
Una clave completa permite 300 peticiones por minuto y 8 a la vez. Una clave de prueba permite 60 por minuto y 2 a la vez.
¿Qué pasa si envío demasiadas peticiones?
Recibirás un HTTP 429 con el código rate_limited o concurrency. Espera el valor de Retry-After y vuelve a enviar la solicitud.
¿Se utilizan mis prompts para el entrenamiento?
No. Los prompts no se utilizan para entrenamiento.
Tu clave está a un formulario de distancia
Crea una cuenta, copia la clave, cambia la URL base. Esa es toda la configuración.