Engenharia de Prompt: um guia prático para obter o resultado que você espera

 

Um bom prompt é, na prática, um briefing claro: diz o que você quer, com quais limites, como deve ser entregue e como avaliar a qualidade. Abaixo você encontra a anatomia do prompt, modelos prontos e exemplos reais (texto, código, pesquisa, extração de dados e imagem).

1) Anatomia de um bom prompt

Elementos essenciais

• Objetivo (comece com verbo): “Escreva… Gere… Explique… Programe…”
• Contexto: público, canal, cenário de uso.
• Entradas/Dados: fatos, tabelas, regras, exemplos (delimite com ```).
• Formato de saída: Markdown/HTML/JSON, tamanho, estrutura.
• Critérios de aceitação: requisitos para considerar “bom”.
• Restrições: o que não pode acontecer (ex.: não inventar números).
• Exemplos (few-shot): 1–2 amostras de entrada→saída.
• Processo: passos que a resposta deve seguir.
• Variações & tom: opções, estilo, nível de criatividade.
• Verificação: peça checagem rápida e apontamento de lacunas.

Boas práticas rápidas

• Prefira listas e requisitos a parágrafos vagos.
• Se o modelo precisar decidir, ofereça critérios (“priorize clareza > floreio”).
• Quando quer precisão factual, instrua: “se faltar info, diga ‘não sei’ e peça os dados”.
• Para raciocínio: peça resumo do processo (2–3 frases), não “pense passo a passo” completo.
• Itere: rode → avalie → adicione exemplos/limites → rode de novo.

2) Template universal (copiar/colar)

Objetivo: <verbo + entrega>.
Contexto: <público, canal, cenário>.
Entradas (dados reais):
```<cole bullets, fatos, regras, exemplos>```
Formato da saída: <ex.: 5 bullets + resumo (100-120 palavras) + CTA>.
Critérios de aceitação: <ex.: sem jargões; evite dados não verificados; manter PT-BR>.
Restrições: <ex.: não inventar números; não usar bibliotecas externas>.
Exemplos (few-shot opcional):
- Entrada→Saída 1
- Entrada→Saída 2
Processo: <ex.: liste riscos → proponha mitigação → dê recomendação final>.
Variações: <ex.: gere 3 opções com tons diferentes>.
Verificação: <ex.: revise coerência e aponte 2 melhorias possíveis>.

3) Comparativo rápido

Ruim	Bom
“Escreva sobre IA.”	“Escreva um artigo de 400–500 palavras, em PT-BR, para leigos, explicando 3 usos de IA na atenção primária (triagem, suporte à decisão, gestão de filas). Formato: título, 3 seções numeradas, conclusão (2 frases). Cite 2 riscos e 2 salvaguardas. Se faltar dado, marque como ‘evidência limitada’.”
“Faça um código de ordenação.”	“Implemente ‘merge_sort(arr: number[]) → number[]’ em TypeScript (Node 20). Restrições: sem libs externas, O(n log n). Entregue: 1) código comentado; 2) 3 testes; 3) comando para rodar. Explique em 2 frases possíveis falhas.”

4) Exemplos práticos por caso de uso

A) Texto/Marketing (landing page curta)

Objetivo: Escreva uma landing page curta para um app de renda extra.
Contexto: Público brasileiro iniciante, foco em ganhar em dólar; canal: 

tráfego pago mobile.
Entradas:
```Proposta: app com ideias guiadas diárias; prova: +50k downloads; garantia 7 dias; 
diferenciais: metas semanais, comunidade, suporte humano; preço: R$19/mês.```
Formato: 1) Headline (≤ 12 palavras) 2) Subheadline 3) 5 bullets de benefícios
4) Bloco “Como funciona” em 3 passos 5) CTA final.
Critérios: tom confiante e acessível; evitar jargões; sem promessas irreais; PT-BR.
Restrições: não inventar números além dos fornecidos.
Processo: gere 2 variações com ângulos diferentes (curiosidade e segurança).
Verificação: finalize listando 1 melhoria possível.

B) Código (função + testes)

Objetivo: Implementar uma função para normalizar strings de nome próprio.
Ambiente: Python 3.11 em Linux.
Entradas/Saída: input: "  joÃO   silva  " → output: "João Silva".
Restrições: sem libs externas; lidar com acentos; complexidade linear.
Formato: 1) função comentada 2) 5 testes em pytest 3) instruções de execução.
Verificação: explique em 2 frases limitações conhecidas (ex.: nomes compostos raros).

C) Pesquisa factual com fontes

Objetivo: Resumir a situação de LLMs open-source nos últimos 12 meses.
Escopo: modelos (parâmetros, licenças), benchmarks, custos, casos de uso B2B.
Formato: resumo (≤ 200 palavras) + 4 fontes confiáveis com links.
Restrições: se houver controvérsia, aponte explicitamente; não especule sem fonte.
Verificação: indique 2 pontos onde faltam dados sólidos.

D) Extração de dados (JSON estruturado)

Objetivo: Extrair dados para JSON.
Schema:
{
 "empresa": string,
 "pais": string,
 "receita_2024_USD": number|null,
 "segmento": "SaaS"|"E-commerce"|"Outro"
}
Entrada:
```A Megashop, varejista online do Brasil, divulgou receita de US$ 12,3 mi em 2024.```
Regras: se o número não aparecer, use null; moeda sempre em USD numérico.
Saída: apenas JSON válido (sem comentários).

E) Geração de imagem

Objetivo: Ilustração 16:9 sobre “engenharia de prompt”.
Sujeito: dois painéis “PROMPT → OUTPUT” conectados por nós/links.
Estilo: ilustração digital futurista; paleta neon (ciano/roxo); fundo escuro.
Composição: regra dos terços, foco central; elementos legíveis mesmo em miniatura.
Detalhes: microcircuitos e ícones sutis; brilho suave; alto contraste.
Restrições: evitar textos longos; nada de marcas registradas.
Entrega: PNG 16:9 em alta.

F) Agente passo-a-passo (processo explícito)

Objetivo: Diagnosticar por que meu CPC subiu 40% em 7 dias.
Contexto: Google Ads (app mobile); mercado Brasil; orçamento diário estável.
Entradas:
```Métricas: CPC +40%, CTR -15%, conversões -10%. Mudanças: criativo novo (03/08),
palavra-chave ampla ativada, ajuste de lance por dispositivo +20% em iOS.```
Processo:
1) Liste 3 hipóteses mais prováveis (com o porquê).
2) Para cada hipótese, peça 1 dado adicional que confirmaria/refutaria.
3) Gere um plano de ação em 5 passos priorizados (impacto x esforço).
Saída: tabela resumida + plano em bullets.
Restrições: não assuma métricas que não foram dadas.

5) Itens que não podem faltar

Objetivo claro Público/Contexto Dados/Entradas Formato de saída Critérios de aceitação Restrições Exemplos Processo Variações & tom Verificação

6) Erros comuns (e como evitar)

Erro	Correção
Objetivo genérico (“faça um artigo”)	Especifique tamanho, estrutura, público e critérios.
Faltam dados → resposta inventa números	Inclua regra: “se faltar info, diga ‘não sei’ e solicite os dados”.
Formato de saída indefinido	Exija formatos concretos (JSON, HTML, tabela) e exemplos.
Pedir “pense passo a passo” longo	Peça apenas raciocínio resumido ou lista de verificações.
Não pedir verificação	Inclua checklist curto ou “aponte 2 riscos/limitações”.

7) Checklist de qualidade (30 segundos)

• ✅ Objetivo começa com verbo e é específico
• ✅ Público/Contexto definidos
• ✅ Entradas/dados delimitados (```)
• ✅ Saída e formato explícitos
• ✅ Critérios e restrições descritos
• ✅ (Opcional) 1–2 exemplos few-shot
• ✅ Pedido de verificação final

8) Mini-templates (cole e use)

Artigo curto

Escreva um artigo de 500-600 palavras, PT-BR, para leigos.
Tema: <X>. Estrutura: título, subtítulo, 3 seções, conclusão (2 frases).
Critérios: clareza>jargão; exemplos práticos; evitar números inventados.
Verificação: liste 2 pontos de melhoria.

Resposta com fontes

Resuma <assunto> em 180-220 palavras.
Inclua 3-4 fontes confiáveis com links no final.
Se houver controvérsia, sinalize explicitamente.

Extração JSON

Extraia para JSON com schema {"nome":string,"pais":string,"valor":number|null}.
Entrada:
```<cole o texto>```
Se o número não existir, use null. Saída: apenas JSON válido.

9) Conclusão

Engenharia de prompt é iterativa: defina objetivo, forneça dados, imponha formato e critérios, peça verificação e melhore com exemplos. Trate o prompt como um contrato de entrega. Quanto mais claro seu briefing, mais previsível será a qualidade do resultado.