Guia de engenharia de prompt
Um guia gratuito de engenharia de prompt para ChatGPT, Claude e Gemini: como escrever um prompt, as técnicas principais, prompts para programar e onde os modelos falham. Cada prompt destas páginas pode ser editado e aberto no seu app de IA.
Começar o cursoPrimeiros passos
- O que é promptPrompt é o texto que você dá a um modelo de IA para dizer o que ele deve produzir. Veja o que entra em um prompt, exemplos reais para texto, código e imagens, e a diferença entre prompt, resposta e prompt de sistema.
- Engenharia de promptEngenharia de prompt é a prática de escrever e testar as instruções que você dá a um modelo de IA para que ele produza o resultado de que você precisa. Este guia explica por que ela funciona e mapeia todas as técnicas principais.
- Como escrever um promptUm bom prompt é um briefing curto: um papel, uma tarefa, o contexto que o modelo não consegue adivinhar, o material a trabalhar, a forma da resposta e os limites. Cada parte corrige um jeito diferente de a resposta dar errado.
- Exemplos de promptsTreze prompts prontos para copiar, para estudar, programar, escrever e planejar. Preencha as lacunas e depois copie o prompt ou abra no ChatGPT ou no Claude.
- Prompt de sistemaO prompt de sistema (system prompt) é um conjunto de instruções permanentes que vale para uma conversa inteira com um modelo de IA. Veja onde ele fica, o que colocar nele e como ele difere de uma mensagem do usuário.
- Tokens e contextoOs modelos de IA leem texto em tokens, pequenos pedaços de palavras, e só conseguem guardar um número limitado deles de uma vez: a janela de contexto. Veja como os dois funcionam e o que fazer quando uma conversa fica longa.
- TemperaturaA temperatura controla quanto de aleatoriedade um modelo de linguagem usa ao escolher cada próxima palavra. Veja como ela muda as chances de cada palavra, quando usar um valor baixo ou alto e como ela difere do top_p.
Técnicas essenciais
- Prompt zero-shotZero-shot prompting é pedir a um modelo que faça uma tarefa só com instruções, sem exemplos da resposta. É assim que a maioria das pessoas usa o ChatGPT, o Claude e o Gemini, e funciona bem quando a tarefa é comum e a instrução é precisa.
- Prompt few-shotFew-shot prompting coloca no prompt alguns exemplos resolvidos, cada um com uma entrada e a resposta que você quer, para que o modelo copie o padrão. É o jeito mais rápido de ensinar um formato, um conjunto de rótulos ou um estilo da casa que o modelo não adivinharia.
- Chain of thoughtO chain of thought (cadeia de pensamento) pede ao modelo que escreva o raciocínio antes de dar a resposta. Ajuda mais em problemas de matemática e lógica com várias etapas e importa menos em modelos de raciocínio, que já pensam antes de responder.
- Prompt de papelO role prompting, ou prompt de papel, dá ao modelo um papel para interpretar, como tutor, revisor de código ou entrevistador. O papel muda para quem a resposta é escrita e que padrão ela segue; ele não acrescenta conhecimento que o modelo não tem.
- Saída estruturadaSaída estruturada (structured output) é pedir ao modelo uma resposta em uma forma fixa, como JSON, uma tabela ou um modelo, para que um programa ou uma pessoa possa usá-la sem reformatar. Dê o esquema, diga o que fazer com valores ausentes e valide o resultado no código.
- Delimitadores e tags XMLDelimitadores marcam onde o material colado começa e termina, para que o modelo consiga separar as suas instruções do texto em que ele deve trabalhar. Aspas, crases triplas, linhas ### e tags XML funcionam; as tags XML escalam melhor quando o prompt tem vários materiais.
- Templates de promptUm template de prompt é um prompt que você já testou, com lacunas para as partes que mudam a cada uso. Copie templates prontos com campos para preencher e depois transforme o seu melhor prompt em um template em cinco passos.
Técnicas avançadas
- Encadeamento de promptsO encadeamento de prompts (prompt chaining) divide um trabalho em uma sequência de prompts menores, em que a saída de cada etapa vira a entrada da seguinte. Cada etapa faz uma coisa, e você pode conferir o resultado antes que a próxima rode.
- Self-consistencyO self-consistency prompting (prompt de autoconsistência) faz a mesma pergunta de raciocínio várias vezes, deixa cada execução raciocinar do seu jeito e fica com a resposta que aparece mais. Veja como funciona, como fazer à mão e como fazer no código.
- Tree of thoughtO tree of thought prompting (árvore de pensamentos) faz o modelo explorar várias soluções parciais, avaliar cada uma e manter só os ramos promissores. Veja como funciona o método original, uma versão em um único prompt para testar e onde essa versão fica devendo.
- ReActO ReAct prompting faz o modelo alternar entre raciocinar sobre uma tarefa e chamar uma ferramenta, lendo cada resultado antes de decidir o próximo passo. É o loop por trás da maioria dos agentes de IA.
- Meta promptingMeta prompting é usar um modelo para trabalhar em prompts: escrever um do zero, melhorar um que você já tem ou dividir uma tarefa em prompts para outras chamadas ao modelo. Veja como fazer cada uma sem receber de volta um prompt inchado.
- Engenharia de contextoEngenharia de contexto (context engineering) é decidir tudo o que entra na janela de contexto do modelo em cada chamada: instruções, documentos, resultados de ferramentas, memória e histórico da conversa, e em que ordem. O prompt que você digita é só uma parte.
Prompts para programar
- Prompts para escrever códigoPrompts de programação funcionam quando parecem uma pequena especificação: a linguagem e a versão, as entradas e saídas, os casos extremos e os testes que o código precisa passar. Peça um passo pequeno por vez.
- Prompts para depuraçãoPara depurar com o ChatGPT ou o Claude, cole o erro completo e o código que o gerou, diga o que você esperava e o que aconteceu, liste o que você já tentou e peça a causa antes da correção.
- Explicar códigoPeça à IA que explique o código linha por linha, no seu nível, com uma tabela de como os valores mudam durante a execução. Diga o que você já sabe para que a explicação comece de onde você está.
- Prompts para code reviewUm bom prompt de code review diz o que procurar, pede uma gravidade para cada problema, exige uma entrada concreta que o dispare e um diff, e manda o modelo ignorar o estilo. Depois você confere cada apontamento, porque alguns vão estar errados.
Limites e segurança
- Alucinação de IAUma alucinação de IA é uma resposta confiante e falsa: um fato, uma citação, uma função ou um pacote inventado. Ela acontece porque um modelo de linguagem prevê o texto provável em vez de consultar algo. Prompts podem reduzi-la; só a verificação a pega.
- Prompt injectionPrompt injection é um ataque em que um texto lido pelo modelo, digitado por um usuário ou escondido em um e-mail, página web ou arquivo, sobrescreve as instruções que a aplicação deu a ele. Delimitadores ajudam, mas não impedem; limitar o que o modelo pode fazer, sim.
- Iterar em promptsMelhorar um prompt funciona melhor como um pequeno experimento: defina como é uma boa resposta, mantenha algumas entradas de teste fixas, mude uma coisa por vez e compare as saídas lado a lado.
