Custom GPTs: cómo crearlos con Markdown paso a paso

Los Custom GPTs son la forma más sencilla de convertir un prompt en una herramienta reutilizable dentro de ChatGPT. Y aunque OpenAI nunca lo dice con esas palabras, el lenguaje en el que se programa un GPT es Markdown. La calidad de tu GPT depende casi por completo de cómo estructures sus instrucciones en Markdown.

Qué es un Custom GPT y para qué sirve

Un Custom GPT es una versión personalizada de ChatGPT con su propio prompt de sistema, sus propios archivos de referencia y sus propias capacidades activadas. Lo creas una vez, lo guardas, y a partir de ahí lo invocas como si fuera una app independiente.

Casos de uso típicos:

Asistente de SEO que revisa textos siguiendo tus reglas concretas.
Generador de READMEs que aplica la estructura de tu equipo.
Tutor de Markdown (como el tutor interactivo de este sitio) que responde con un tono específico.
Revisor de código que conoce las convenciones de tu proyecto.
Asistente de soporte alimentado con tu documentación técnica.

Para crearlos necesitas un plan de pago de ChatGPT. Los límites concretos (caracteres de instrucciones, número de archivos, tamaño máximo) cambian con frecuencia, así que conviene consultar la documentación oficial de OpenAI antes de empezar un proyecto serio.

Anatomía de un Custom GPT

Un GPT se construye sobre cinco partes. Solo dos de ellas necesitan Markdown, pero son las más importantes.

Nombre y descripción

Texto corto que verá el usuario al elegir el GPT. No usan Markdown. Sé claro y específico: "Revisor de Markdown" beat "Asistente útil".

Instructions (system prompt)

Es el corazón del GPT y donde más impacto tiene Markdown. Aquí defines:

El rol que adopta el modelo.
El contexto que debe asumir.
Las reglas duras (qué debe hacer y qué no).
El formato de salida esperado.
Cómo manejar casos límite.

Más detalle en Markdown en prompts.

Conversation starters

Tres o cuatro prompts de ejemplo que se muestran como botones al usuario. Texto plano, sin Markdown.

Knowledge files

Archivos que el modelo puede consultar durante la conversación. Acepta varios formatos. Markdown puro (.md) y texto plano (.txt) son los más fiables: van directos al contexto sin conversión rara, ocupan poco y son fáciles de mantener en Git.

Capabilities y herramientas

Activas qué puede hacer el GPT (búsqueda web, generación de imágenes, ejecución de código, lienzo de edición). Los nombres concretos cambian con cada actualización de ChatGPT, así que revisa la UI cuando vayas a configurar uno.

Plantilla base de Instructions en Markdown

Esta es la estructura que funciona bien en la mayoría de casos. Cópiala y adáptala.

# Rol

Eres [rol especifico] para [audiencia]. Tu objetivo es [resultado concreto].

# Contexto

[Informacion de fondo que el modelo necesita para entender el dominio: que es
el producto/equipo/proyecto, vocabulario propio, convenciones, etc.]

# Tarea principal

[Que debe hacer el GPT en cada conversacion. Una sola tarea bien definida
funciona mejor que un asistente "generico" para todo.]

# Reglas

- HAZ: [comportamientos concretos que debe tener]
- NO HAGAS: [comportamientos que debe evitar]
- SIEMPRE: [restricciones duras, no negociables]
- NUNCA: [lineas rojas absolutas]

# Tono

- [Formal / cercano / tecnico / didactico]
- [Conciso / detallado]
- [En que idioma responde por defecto]

# Formato de salida

[Como debe estructurar la respuesta. Si quieres Markdown con secciones fijas,
describe la plantilla exacta aqui.]

Ejemplo de respuesta valida:

---
## Resumen
[1-2 frases]

## Detalle
[Lista de puntos]

## Siguiente paso
[Una accion concreta]
---

# Cuando escalar o rechazar

[Condiciones bajo las que el GPT debe negarse a responder o pedir mas
informacion antes de seguir.]

El truco de esta plantilla está en los encabezados #. ChatGPT, igual que otros modelos, presta atención a la estructura. Una sección con # Reglas pesa más que las mismas reglas sueltas dentro de un párrafo.

Ejemplo real: revisor de Markdown

# Rol

Eres un revisor de documentos Markdown para un equipo de documentacion
tecnica. Tu objetivo es detectar errores de sintaxis, inconsistencias de
estilo y mejoras de claridad en los textos que te pasa el usuario.

# Tarea principal

Cuando el usuario te pase un fragmento Markdown:

1. Detecta errores de sintaxis (encabezados mal anidados, listas rotas,
   enlaces incorrectos, code fences sin cerrar).
2. Senala inconsistencias de estilo segun las reglas de la siguiente
   seccion.
3. Sugiere mejoras de redaccion concretas.

# Reglas de estilo

- HAZ: usar `##` como nivel maximo de encabezado (el titulo va en el
  frontmatter).
- HAZ: cerrar las listas con linea en blanco antes y despues.
- NO HAGAS: usar guiones largos "—", sustituir por dos puntos o comas.
- SIEMPRE: revisar que los enlaces internos empiecen por "/" no por la
  URL completa del sitio.
- NUNCA: reescribir el texto entero sin permiso del usuario, solo sugerir.

# Formato de salida

## Errores criticos
[Lista de errores que rompen el renderizado, con linea afectada y como
corregirlo.]

## Inconsistencias de estilo
[Lista de problemas de estilo, no criticos.]

## Sugerencias de redaccion
[Maximo 3 sugerencias, las mas impactantes.]

## Texto corregido (opcional)
[Solo si el usuario pide explicitamente la version corregida.]

# Cuando escalar

Si el texto no esta en Markdown, o si parece codigo de otro lenguaje,
pregunta al usuario antes de revisar.

Con un prompt como este, el GPT se comporta de forma consistente entre conversaciones. Sin esa estructura, el modelo improvisa cada vez.

Knowledge files: usa Markdown puro

Los Knowledge files son archivos que el GPT puede consultar para responder. Convertirlos a Markdown antes de subirlos da los mejores resultados:

Texto plano con estructura: el modelo entiende #, ##, listas, tablas y bloques de código de forma nativa.
Sin metadatos basura: a diferencia de un PDF o DOCX, un .md no lleva fuentes, márgenes ni layout que confundan.
Diffeable con Git: si actualizas la documentación, el cambio se ve. Si subes un PDF nuevo, no.

Estructura recomendada para un archivo Knowledge:

---
documento: Guia de estilo del equipo
version: 2026-05
---

# Guia de estilo

## Tono

- Cercano pero profesional
- Tutear al lector

## Estructura

Cada articulo tiene...

## Errores comunes

### Encabezados mal anidados

Saltar de `#` a `###` rompe el indice...

El frontmatter no es estrictamente necesario, pero ayuda al modelo a entender el contexto del archivo. Si tienes varios documentos en el Knowledge, ponles a todos un frontmatter mínimo con documento y version.

Errores comunes al escribir Instructions

Instrucciones contradictorias. "Responde corto" + "incluye ejemplos detallados" + "no asumas nada". El modelo tiene que elegir y rara vez elige lo que querías.
Reglas negativas sin alternativa. "No uses inglés" funciona peor que "Responde siempre en español". Dile qué hacer, no solo qué evitar.
Olvidarse del formato de salida. Sin una plantilla explícita, cada respuesta sale distinta. Define la estructura con encabezados Markdown.
Mezclar rol y tarea. "Eres un experto en SEO que también escribe titulares y hace análisis de keywords y…" se queda en nada concreto. Un GPT, una misión.
Saturar con ejemplos. Tres ejemplos buenos enseñan más que veinte ejemplos repetitivos.
No iterar. El primer Instructions casi nunca es el bueno. Prueba el GPT con casos reales, mira dónde falla y reescribe la sección concreta que falla.

Buenas prácticas para mantener tu GPT en el tiempo

Versiona las Instructions en un archivo .md aparte (por ejemplo en un repo Git) y pega el contenido en el builder cuando lo actualices. Así puedes ver el historial de cambios.
Knowledge en .md con nombres descriptivos: guia-estilo.md mejor que documento1.md. El modelo usa el nombre del archivo en sus búsquedas internas.
No subas información sensible. Si compartes el GPT por link, los archivos del Knowledge son técnicamente extraíbles con prompts maliciosos.
Anota las limitaciones. Si tu GPT no debe responder a algo, hazlo explícito en las Instructions con "Cuando el usuario pregunte X, responde Y".

Para el siguiente nivel de control sobre prompts, lee la guía de prompt engineering y la página de system prompts.

Recursos relacionados

ChatGPT y Markdown: cómo usar Markdown en ChatGPT
Markdown en prompts: guía completa para estructurar prompts
Prompt engineering: técnicas avanzadas
System prompts: cómo escribir system prompts efectivos
Markdown y la IA: el papel de Markdown en el ecosistema de IA
Plantilla de README: otro caso de Markdown como plantilla reutilizable