Princípios para escrever prompts mais eficazes
A diferença entre uma resposta genérica e uma que parece ter sido escrita sob medida quase nunca está no modelo. Está em sete decisões que a maioria das pessoas toma errado sem perceber, antes mesmo de apertar enter. Não é sobre "hackear" o modelo com frases mágicas, é sobre comunicar com a mesma clareza que você usaria para delegar uma tarefa a uma pessoa de confiança. Alguns princípios que uso no dia a dia:
1. Dê contexto real
Explicar o objetivo final, não só a tarefa isolada, muda o tipo de resposta que você recebe. Um pedido como "escreva um resumo" força o modelo a adivinhar para quem é, por que existe e o que vem depois dele. Dizer por que você precisa daquilo, que será para um cliente, é uma nota interna, serve de base para outra decisão, dá ao modelo os mesmos critérios de julgamento que você usaria. Contexto não é enfeite: é o que permite que a IA faça as escolhas certas nas mil pequenas decisões que uma tarefa aberta sempre exige.
2. Seja específico sobre o formato
Se você quer uma lista, um código, uma tabela, diga isso explicitamente e vá além: tamanho aproximado, nível de detalhe, tom, estrutura interna. "Formato" não é só a forma final, é também a forma de pensar: pedir que a resposta comece pela conclusão é diferente de pedir que ela desenvolva o raciocínio até chegar lá. Quanto mais implícita a expectativa de formato, maior a chance de receber algo tecnicamente correto mas inutilizável no contexto em que você precisa dele.
3. Mostre exemplos
Um bom exemplo vale mais que várias linhas de instrução abstrata, pois comunica nuances que são difíceis de descrever em regras. Isso vale tanto para exemplos positivos (isso é o que eu quero) quanto negativos (isso eu já tentei e não é bem isso). Um exemplo malfeito mostrado de propósito, com a explicação do porquê ele não serve, costuma corrigir o rumo do modelo mais rápido do que uma lista de instruções tentando prever todos os casos de borda.
4. Divida tarefas grandes
Peça passos intermediários em vez de tudo de uma vez. Tarefas grandes acumulam erro: se a primeira decisão estiver levemente errada, tudo que vem depois herda esse erro, e o resultado final pode parecer coerente mesmo estando fundamentalmente torto. Dividir em etapas menores cria pontos de verificação e você consegue corrigir o rumo cedo, antes que o custo de refazer tudo fique alto.
5. Revise e refine
Trate a primeira resposta como rascunho, não como resultado final. A primeira resposta de um modelo tende a ser a mais "óbvia" estatisticamente e nem sempre a mais adequada ao seu caso específico. Pedir uma segunda passada, questionar uma escolha específica, ou simplesmente perguntar "existe uma abordagem melhor?" frequentemente revela alternativas que não apareceriam numa única rodada.
6. Explicite o que evitar
Dizer o que você quer não é a mesma coisa que dizer o que você não quer, e às vezes a segunda informação é mais valiosa. Restrições negativas como: "não use jargão técnico", "não sugira essa abordagem porque já tentamos", "evite respostas genéricas de manual", cortam caminhos que, sem essa informação, o modelo provavelmente tomaria por serem estatisticamente comuns, mesmo sendo errados para o seu contexto.
7. Peça o raciocínio, não só a resposta
Para tarefas complexas ou com múltiplas etapas de decisão, pedir que o modelo explique o raciocínio antes de chegar à resposta final tem duas vantagens: expõe onde o raciocínio pode estar errado antes que o erro se propague, e força uma checagem mais rigorosa da própria lógica, o mesmo efeito de "explicar em voz alta" que nos ajuda a notar as próprias falhas.
Esses princípios valem tanto para uso pontual quanto para fluxos automatizados com agentes e, no fundo, não são tão diferentes dos princípios de uma boa comunicação entre pessoas. A diferença é que, com IA, você não pode contar com o contexto implícito que uma pessoa já teria por conhecer você, seu trabalho e seu histórico. Cada prompt começa do zero, e a qualidade da resposta é, quase sempre, um espelho direto da qualidade do pedido.
Se você quer ir além dos princípios e ter os templates prontos para aplicação prática, disponibilizei um conteúdo estruturado no meu ebook Claude - Do Zero ao Avançado, junto com um pacote de skills de IA prontas pra usar. [Link]