Engenharia de Prompts

Prompts

No contexto da IA, especialmente em modelos de linguagem, um prompt é uma instrução ou estímulo dado ao sistema para obter uma resposta ou comportamento específico. Geralmente apresentado em forma de texto, o prompt funciona como um gatilho para o modelo de IA, indicando o tipo de informação ou resposta desejada pelo usuário - ou seja, uma espécie de “pergunta” ou “comando” que guia a máquina a gerar respostas.

Prompts podem variar desde perguntas simples, como “como está o clima hoje?”, até consultas mais elaboradas. Entretanto, perguntas genéricas tendem a gerar respostas amplas e menos úteis. Para resultados mais precisos e relevantes, recomenda-se fornecer informações específicas, como “qual é a previsão do tempo em Fortaleza para hoje?”.

Prompt de Atuação

Trata-se de uma técnica empregada para controlar o estilo do texto gerado por inteligência artificial. Esta abordagem oferece aplicações diversificadas, incluindo o aprimoramento da precisão da IA em tarefas específicas, como a resolução de problemas matemáticos.

A implementação do Prompting de Atuação é direta: basta orientar a IA a assumir uma função específica, como “atuar como crítico de moda” ou “agir como especialista em determinada área”.

Também conhecida como Role Prompting, essa estratégia direciona o modelo a adotar uma perspectiva ou expertise particular, resultando em respostas mais alinhadas ao contexto desejado. Por exemplo, ao solicitar que a IA atue como um professor, as respostas tendem a ser mais didáticas e explicativas.

Prompt Engineering

Engenharia de Prompts é definida como o processo de orientar soluções de inteligência artificial generativa para gerar resultados desejados.

A engenharia de prompts envolve escolher formatos, frases e símbolos adequados para orientar a IA, algo especialmente útil para desenvolvedores automatizarem tarefas, explorarem possibilidades e melhorarem a colaboração com o modelo.

Tipos de técnicas de prompting

Técnica	Descrição
Zero-Shot	Sem exemplos prévios, apenas com instruções
One-Shot / Few-Shot	Fornece alguns exemplos para o modelo seguir
Chain of Thought (CoT)	Raciocínio passo a passo
Skeleton of Thought (SoT)	Estrutura lógica pré-definida
Tree of Thought (ToT)	Exploração de múltiplos caminhos de raciocínio
Self-Consistency	Execução múltipla para maior confiabilidade
Directional Stimulus	Guia a resposta com comandos direcionais
ReAct	Combina raciocínio com execução de ações externas

Material complementar: Para aprofundar, consulte materiais como Prompt Engineering para Desenvolvedores (PDF e cursos disponíveis em diversas plataformas).

Chain of Thought na prática

Pedir para o modelo “pensar em voz alta” antes de responder muda bastante o resultado. Sem CoT, o modelo tenta acertar a resposta de primeira, o que aumenta a chance de erro em problemas com múltiplas etapas:

flowchart LR
    A[Pergunta] --> B[Resposta direta]
    B --> C[Maior chance de erro]

Com CoT, o modelo quebra o raciocínio em passos antes de responder:

flowchart LR
    A[Pergunta] --> B[Decompor o problema]
    B --> C[Raciocinar passo a passo]
    C --> D[Validar o raciocínio]
    D --> E[Resposta melhor]

Um jeito simples de ativar isso na prática é literalmente pedir: “pense passo a passo antes de responder”.

Framework de Prompt

Utilizado por profissionais da área, este framework estrutura-se em cinco elementos essenciais: papel, instruções, perguntas, contexto e exemplos. Cada componente desempenha uma função estratégica na elaboração do prompt, permitindo compreender não apenas o conteúdo a incluir, mas também a sequência ideal de cada elemento para otimizar os resultados gerados por sistemas de inteligência artificial como o ChatGPT.

• Papel (Role): Define a persona ou especialização que a IA deve assumir, como “especialista em marketing” ou “professor de matemática”.
• Instruções (Instructions): Comandos claros e específicos sobre o que você deseja que a IA faça, incluindo formato, tom e estilo da resposta.
• Perguntas (Questions): A questão central ou tarefa que você quer que a IA resolva ou responda.
• Contexto (Context): Informações relevantes de fundo que ajudam a IA a compreender melhor a situação e gerar respostas mais precisas.
• Exemplos (Examples): Amostras concretas do tipo de resposta esperada, especialmente útil em técnicas Few-Shot.

A sequência dos elementos impacta diretamente o desempenho do modelo. Questões como “posicionar a instrução no início do prompt produz o mesmo resultado que posicioná-la no final?” são abordadas através de testes práticos e orientações fundamentadas em pesquisas e experiências documentadas.

Prompt de Preparação

O Prompt de Preparação é uma técnica avançada em que você primeiro instrui a IA sobre como deseja que ela se comporte em interações futuras, estabelecendo regras, formatos e expectativas antes de fazer a pergunta principal.

Essa abordagem é particularmente útil em conversas longas ou quando você precisa que a IA mantenha um padrão consistente ao longo de múltiplas respostas.

Exemplo: Você pode preparar a IA dizendo “Responda sempre de forma concisa, usando bullet points, e cite fontes quando relevante” antes de fazer suas perguntas subsequentes.