Guía de prompts de mapa de conocimiento con GPT Image 2: 5 plantillas listas para oposiciones, Xiaohongshu, apuntes, slides y SOPs

Antes de GPT Image 2, "usar IA para crear una imagen de mapa de conocimiento" era más un meme que un flujo de trabajo real. Cualquier modelo te escribía mal los títulos, te metía diez secciones en tres o te soltaba un póster bonito pero vacío que parecía ruido decorativo. Así que casi todo el mundo lo dejaba estar y volvía a PowerPoint, Figma o sus apuntes a mano en el iPad.

Eso cambió esta primavera. Con GPT Image 2 puedes pasarle al modelo un único prompt estructurado y obtener de vuelta una ficha de estudio de verdad — tipografía correcta, una rejilla de secciones limpia, las flechas adecuadas en los sitios adecuados — en una sola pasada. Esta guía es el marco de prompts que reutilizo, más cinco plantillas listas para copiar y pegar para los cinco escenarios donde de verdad busca la gente esto: preparación de oposiciones, fichas de conocimiento para Xiaohongshu / redes sociales, apuntes de clase, visuales para slides y SOPs operativos.

1. Primero: ¿qué demonios significa "imagen de mapa de conocimiento con IA"?

Hay dos cosas muy distintas que comparten esa frase:

• Mapa de conocimiento técnico (KG): un almacén de triples entidad–relación–entidad, del tipo que se construye con Neo4j / RDF / GraphRAG. Eso es una estructura de datos, no una imagen.
• Imagen visual de mapa de conocimiento: un póster imprimible o compartible que organiza visualmente un tema — definición, tipos, flujo, errores típicos, ejemplos, regla mnemotécnica. Esto es lo que la gente realmente busca cuando teclea "cómo hacer un mapa de conocimiento con IA."

Esta guía va de lo segundo. Lo primero es un trabajo de LLM + base de datos de grafos y no tiene nada que ver con los modelos de imagen — queda fuera de alcance aquí.

2. La plantilla universal de prompt en 5 bloques

Cada imagen de mapa de conocimiento que he sacado con GPT Image 2 y ha funcionado sigue los mismos cinco bloques, en este orden. Si te saltas alguno, la salida se convierte en un fondo de pantalla bonito o en una sopa de letras.

[1] CANVAS — orientation (vertical 1024×1536 or horizontal 1536×1024),
    paper-style background, dominant accent color.
[2] TOPIC HEADER — exact title text + one-line positioning sentence.
[3] SECTIONS — 5 to 8 named cards. Common skeleton:
    Definition → Question Types → Solving Path → Common Pitfalls →
    Comparisons → Worked Example → Mnemonic.
[4] VISUAL — line weight, icon style, arrow style, palette accents,
    rounded-card vs. ruled-notebook aesthetic.
[5] CONSTRAINTS — "THE TEXT READS: ..." quoting for every label,
    no extra logos, no decorative filler, preserve exact spelling.

Por qué cinco y no seis ni cuatro:

• Lienzo primero. El modelo se compromete con la maquetación antes que con el contenido. Si describes el tema antes que el lienzo, obtienes relaciones de aspecto aleatorias.
• Cabecera antes que secciones. El H1 ancla la jerarquía. Sin él, todas las tarjetas se renderizan con el mismo peso visual y la imagen queda plana.
• 5-8 secciones es el punto dulce. Por debajo de cinco parece vacío; por encima de ocho empieza a perder etiquetas incluso GPT Image 2.
• El bloque visual al final entre los descriptivos. Las descripciones de estilo puestas pronto se sobreaplican; puestas al final actúan como retoque final.
• Las restricciones al final, en imperativo — el modelo las trata como guardarraíles, no como sugerencias.

Un truco que conviene repetir del cookbook de OpenAI: cualquier texto que vaya en la imagen debe envolverse como THE TEXT READS: "...". Esa única frase es la palanca más fuerte para precisión con escrituras no latinas y títulos largos.

3. Escenario 1 — Ficha de estudio para oposiciones (el ejemplo de cabecera)

Es por donde yo empezaría, porque las fichas de oposiciones son la prueba más exigente: necesitan chino correcto, mucha información, un flujo de resolución claro y una estética de "apunte de estudio" que no parezca generada por IA.

Este es el prompt que produjo la portada de este post (una ficha de estudio para "Marco de respuesta para preguntas de análisis comprensivo en oposiciones a funcionario civil"):

Create a vertical (1024×1536) civil-service exam study infographic
on the topic "面试综合分析题答题结构 / Civil-Service Interview
Analysis Question Framework". The goal is to help a reader
understand: what this question type tests, how to recognise it,
the standard answering workflow, common pitfalls, similar
question types, a worked example, and a memorable mnemonic.

CANVAS: clean light paper background, deep-navy title block,
charcoal body lines, with restrained accents in blue, teal, gold,
and a single red flag for warnings.

LAYOUT BLOCKS (rounded cards with thin borders, numbered tags):
1) Header: exact title + one-line positioning.
2) Core Definition — what this question actually tests.
3) Question-Type Signals — prompt phrasings and keyword tells.
4) Solving Path — 4 to 5 numbered steps connected by hand-drawn arrows.
5) Common Pitfalls — trap options, wrong reasoning patterns.
6) Comparison — distinguish from adjacent question types.
7) Worked Example — short stimulus + correct decomposition.
8) Mnemonic — one short rhyming line or three-keyword summary.

VISUAL: looks like a high-quality printed exam handout crossed
with a hand-illustrated education poster. Use rounded cards,
thin rule lines, numbered tags, hand-drawn arrows, small
zoom-in callouts, and a dedicated "易错提醒" warning strip.

CONSTRAINTS: every visible heading and body string is rendered
verbatim — THE TEXT READS exactly what is specified. No extra
logos, no Lorem ipsum, no decorative filler text. Information
density is high but the page stays balanced and uncluttered.

Algunas cosas que conviene mencionar:

• Escribo el título en chino más una glosa en inglés. GPT Image 2 puede con ambos, pero los prompts bilingües hacen que el modelo trate el tema como algo serio y educativo en lugar de como un meme.
• Las etiquetas numeradas + flechas dibujadas a mano hacen que la salida se lea como un apunte de estudio, no como un flyer publicitario.
• La tarjeta de "errores fáciles / trampas" es el elemento más infrautilizado en las fichas de conocimiento generadas por IA. Añadirla es lo que hace que la imagen parezca redactada en lugar de generada.

Puedes ver la imagen renderizada y más de 20 plantillas similares en la página /prompts — cada tarjeta de ahí es reproducible desde su prompt original.

4. Escenario 2 — Ficha de conocimiento para Xiaohongshu / redes sociales

Para plataformas chinas (especialmente Xiaohongshu / RED), la especificación de facto es 1080×1440 vertical, lectura en forma de F, serie de tres tarjetas. El prompt de abajo produce una sola tarjeta de esa serie; reutilízalo tres veces con la misma paleta de acento para conseguir un carrusel.

Create a vertical 1080×1440 knowledge card for Xiaohongshu titled
"3 Habits That Actually Lower Cortisol".

CANVAS: warm cream background (#FFF8EE), subtle paper grain.
A single accent color of muted terracotta (#C96E5A).

LAYOUT:
- Top: progress label "认知觉醒 · 卡片 2 / 3" in tiny mono caps.
- Headline block: H1 in handwritten serif, sub-line in clean sans.
- Middle: three numbered "habit" rows. Each row has a small flat
  icon on the left, a 3-word habit name, and a 1-sentence "why".
- Bottom: a single quote strip with a hand-drawn underline.
- Right edge: tiny vertical text "swipe →".

VISUAL: minimal flat illustration, two-color palette only, 1pt
hairlines, slight paper texture, generous whitespace, F-shaped
reading flow (title top-left, scan down).

CONSTRAINTS: text rendering must be pixel-perfect — THE TEXT
READS each label exactly as written. No watermark. No platform
logos. Output looks like a published Xiaohongshu carousel card,
not a Canva template.

Dos trucos de retención específicos de Xiaohongshu:

• La etiqueta de progreso "X / Y" indica al espectador que hay más tarjetas — sube el porcentaje de swipe y el tiempo medio de visualización, dos métricas que el algoritmo premia.
• Un H1 manuscrito junto a un cuerpo sans limpio es la firma visual del "creador reflexivo" frente al "contenido de agencia", que es justo lo que vende la plataforma.

5. Escenario 3 — Apunte de clase / nota de lección

Para profes y tutores. El truco está en que un apunte es más ancho que una ficha de conocimiento — va horizontal, tiene una columna de navegación a la izquierda y deja respirar el cuerpo.

Create a horizontal 1536×1024 classroom handout titled
"Photosynthesis — One-Page Lecture Note for 8th-grade Biology".

CANVAS: graph-paper background, navy header bar, hand-drawn
margin notes in pencil-grey.

LAYOUT:
- Left rail (20% width): table of contents with 5 numbered items.
- Main area (80% width) split into three rows:
  Row A — annotated diagram of a leaf cross-section with arrows
    pointing to chloroplast, stomata, xylem, phloem.
  Row B — the balanced chemical equation in a boxed callout,
    with sun, water, CO2, glucose, O2 labeled as small icons.
  Row C — a 4-step "Light vs Dark Reactions" comparison table.
- Bottom-right: a "Common Misconceptions" red flag box with
  three bullets, each one sentence.

VISUAL: pen-and-marker textbook illustration style. Pencil-grey
linework, navy headings, accent yellow for highlights, red for
warnings only. Friendly but not childish.

CONSTRAINTS: every label is rendered verbatim. The handout reads
like it was prepared by a science teacher, not designed by a
marketing agency. No school logos, no watermarks.

Si estás produciendo un currículo entero, genera un apunte y luego, en turnos siguientes, pide a GPT Image 2 que conserve la maquetación y solo cambie el bloque de contenido — su fidelidad en la edición local es lo que hace que la producción por lotes sea económicamente viable hoy.

6. Escenario 4 — Visual para slide (nivel sala de juntas)

Esos elementos clásicos y dolorosos — los círculos concéntricos de TAM/SAM/SOM, las matrices 2×2, los diagramas de swim-lane — antes te llevaban 30 minutos en Figma. Ahora son un prompt.

Create a horizontal 16:9 slide visual titled
"2026 GTM Plan — Where We Win This Quarter".

CANVAS: pure white background, single brand-blue accent (#2563EB),
charcoal text. Boardroom presentation aesthetic.

LAYOUT: 2x2 matrix.
- X axis label: "Effort (low ← → high)"
- Y axis label: "Strategic value (low ← → high)"
- Quadrants, each with a 2-word verdict tag and 2 example bullets:
  Top-right "DO NOW": Enterprise pilot, Channel partner.
  Top-left "QUICK WINS": Lifecycle email, Pricing test.
  Bottom-right "RECONSIDER": Conference circuit, New SDR hire.
  Bottom-left "PARK": Affinity merch, Side-project blog.
- Footer micro-text: "Source: Q2 OKR review, internal".

VISUAL: clean sans-serif, 1pt rule lines, generous whitespace,
no decorative icons. Reads as a McKinsey-style consulting slide.

CONSTRAINTS: every quadrant label is rendered verbatim. No
watermarks. No fake company logos. The image looks like a
PowerPoint screenshot, not a stock illustration.

Encadena este prompt con un follow-up del tipo "Ahora genera un visual de círculos concéntricos TAM / SAM / SOM en el mismo lenguaje visual" y tendrás una baraja coherente en lugar de un Frankenstein de capturas.

7. Escenario 5 — SOP / diagrama de flujo de trabajo

Los equipos de operaciones tienen el ROI más limpio de todo este flujo — un buen diagrama SOP ahorra una hora de Visio y se lee mejor que el manual al que sustituye.

Create a vertical 1024×1536 SOP diagram titled
"Customer Refund Process — Standard Workflow (2026)".

CANVAS: white background, navy header strip with the SOP title
and a small "Doc ID: OPS-014 · v2.1" badge.

LAYOUT: top-to-bottom flowchart with 6 numbered nodes connected
by directional arrows.
1) "Customer submits refund request" — owner: Support L1.
2) "Verify order + payment status" — owner: Support L1.
3) Decision diamond: "Within 30-day window?" — Yes → step 4,
   No → step 6.
4) "Approve refund in Stripe dashboard" — owner: Finance.
5) "Send confirmation email + close ticket" — owner: Support L1.
6) "Escalate to Support L2 for exception review" — owner: L2.
Right side: a sidebar with three "Common pitfalls" warnings
and the SLA: "Refunds processed within 24h business time".

VISUAL: clean Visio-style flowchart, rectangles for actions,
diamonds for decisions, hand-drawn-feel arrows in navy, owner
tags in small pill labels. No icons, no illustration.

CONSTRAINTS: every node label and owner tag rendered verbatim.
No watermarks. Output reads like a print-ready company SOP page.

Un movimiento de pro: pídele al modelo que renderice el ID del documento y el número de versión en un pequeño badge. Los revisores tratan los documentos con metadatos de versión como autorizados; es la mejora de credibilidad más barata de todo este flujo.

8. Seis errores típicos (y cómo arreglarlos)

Tras unas 300 generaciones de fichas de conocimiento, estos son los patrones de fallo que ahora anticipo en cada prompt:

Si tienes uno de estos errores y no aparece en la lista, abre la biblioteca de prompts y revierte el ejemplo funcional más cercano — suele ser más rápido que depurarlo desde cero.

9. Chuleta de tamaños

Para quien solo quiera las dimensiones y un sufijo de prompt de una línea:

Solo con la relación de aspecto cambia si el modelo se compromete con un modelo mental de "tarjeta" o de "página". Usa la columna literalmente — no traduzcas 1024×1536 a "infografía vertical" y esperes la misma nitidez.

En resumen

El cambio interesante no es que GPT Image 2 "se vea mejor". Es que las imágenes de conocimiento listas para publicar de una sola pasada ya son un flujo de trabajo y no una fantasía. Los cinco escenarios de arriba cubren la mayor parte de lo que la gente busca cuando googlea "cómo hacer un mapa de conocimiento con IA" — y la misma plantilla de prompt en 5 bloques sirve para todos.

Si quieres ahorrarte escribir prompts y ver lo que da de sí GPT Image 2, la página /prompts tiene más de 20 plantillas listas para producción (incluida la ficha de oposiciones de este post) que puedes bifurcar, y /explore tiene la galería completa de salidas con sus prompts originales adjuntos.

Lecturas recomendadas

• ¿De verdad GPT Image 2 ha destronado a Nano Banana? Mi veredicto
• GPT Image 2 vs Nano Banana 2 vs Midjourney v7 — Comparativa enfocada a producción
• Guía de redacción de prompts para GPT Image 2 — 7 reglas para una tasa de acierto del 90%