Como escrever prompts melhores: confira e revise

Suponha que você dê esta instrução a uma IA:

Escreva um e-mail de acompanhamento com base nestas anotações da reunião.

A resposta parece bem-acabada. Ela agradece a todos, lista três decisões e atribui as próximas etapas. Há apenas um problema: as anotações contêm duas propostas, não duas decisões, e ninguém concordou sobre quem será responsável por uma das tarefas.

A redação é boa. O e-mail não está pronto para envio.

É nesse ponto que muitas pessoas iniciantes concluem que precisam de um prompt mais longo, uma fórmula especial ou um papel impressionante, como “especialista de classe mundial em comunicação”. O diagnóstico mais útil é simples: ninguém disse à IA como distinguir uma resposta utilizável de outra fluente, mas imprecisa.

Um prompt melhor funciona como um briefing de tarefa que pode ser conferido. Ele informa qual trabalho a IA deve fazer, fornece as informações necessárias, protege os limites que a resposta não pode ultrapassar e facilita a inspeção do resultado por uma pessoa. Nem todo pedido precisa de todas as partes, e sua primeira mensagem não precisa ser perfeita.

O que torna um prompt melhor do que outro?

Em uma tarefa cotidiana, use três testes práticos:

• Útil: o resultado ajuda na próxima ação que você pretende realizar?
• Fiel: ele preserva os fatos, distinções e incertezas importantes do seu material?
• Verificável: você sabe com o que comparar a resposta antes de confiar nela?

“Torne o texto profissional” pode influenciar o tom, mas não responde a nenhuma dessas perguntas. “Separe as decisões confirmadas das questões em aberto e não invente uma pessoa responsável” responde.

Este artigo usa um exercício fictício de anotações de reunião para construir um prompt em etapas. Reunião, pessoas e projeto não são reais.

1. Dê à IA um único trabalho claro

Comece pelo resultado necessário, não por um papel para a IA.

Vago:

Ajude-me com estas anotações da reunião.

Mais claro:

Redija um e-mail de acompanhamento para a equipe do projeto com base nas anotações da reunião abaixo.

O segundo pedido identifica ação, material de origem, documento e leitores. Um bom teste é imaginar que você fornece a instrução a uma pessoa competente que não participou da reunião. Ela saberia o que entregar?

Antes de escrever mais, decida o que significa “concluído”. Neste exemplo, o e-mail deve permitir que a equipe veja o que foi decidido, o que alguém concordou em fazer e o que ainda precisa de resposta. Se misturar essas categorias, falhou mesmo que a prosa esteja excelente.

Essa ideia também aparece nas orientações da Anthropic para desenvolver prompts: defina critérios de sucesso e uma forma de testá-los antes de gastar tempo otimizando a redação. Em uma conversa comum, você não precisa de um sistema de avaliação. Uma pequena lista mental basta.

2. Acrescente contexto capaz de mudar o resultado

Uma IA não consegue inferir o registro privado da sua reunião a partir de “escreva um e-mail de acompanhamento”. Inclua o material de origem e qualquer contexto que mude a forma como ele deve ser usado.

Neste exercício, o contexto necessário é:

Anotações da reunião

- A equipe confirmou um projeto-piloto da nova página de ajuda para 18 de setembro.
- Mei preparará o primeiro rascunho até 8 de setembro.
- O grupo discutiu a inclusão de um vídeo, mas não tomou uma decisão.
- Alguém precisa verificar o custo das legendas; não há responsável nem prazo.
- O cliente ainda precisa confirmar se sua equipe de suporte pode revisar o rascunho.

Destinatários e finalidade também importam: este é um acompanhamento interno que deve deixar os compromissos visíveis. O histórico de todas as reuniões anteriores do projeto provavelmente não é necessário.

Um prompt pode combinar a tarefa, o material necessário, os limites e o resultado desejado. Use somente as partes que mudam o trabalho.

Contexto relevante não é o mesmo que contexto máximo. Um estudo de modelos de linguagem com contexto longo constatou que, nas tarefas testadas de recuperação e perguntas e respostas, os modelos não usavam todas as posições de entradas longas com a mesma confiabilidade. Modelos e capacidades continuam mudando, portanto isso não é um limite universal. Ainda assim, é um bom motivo para organizar o material importante em vez de enterrá-lo em texto sem relação.

Pergunte sobre cada detalhe:

Se eu remover isto, uma resposta correta pode mudar?

Se sim, talvez seja necessário. Se não, considere deixá-lo de fora. Antes de enviar, também remova nomes, contatos, dados de contas, registros internos ou outros materiais sensíveis que a tarefa não exija. Quando o material for confidencial, confira a política de dados atual da ferramenta usada.

3. Proteja fatos, restrições e incógnitas

O contexto informa o que a IA pode usar. Os limites dizem o que ela não pode alterar silenciosamente.

Nas anotações da reunião, estas categorias são diferentes:

• Um fato é uma informação registrada, como a data do projeto-piloto em 18 de setembro.
• Uma restrição é uma regra para o resultado, como preservar datas confirmadas.
• Uma incógnita é uma lacuna que a IA não pode preencher de modo responsável, como a pessoa encarregada de verificar o custo das legendas.

Acrescente essas distinções ao pedido:

Mantenha separadas decisões confirmadas, ações atribuídas, propostas e
questões em aberto. Não invente responsável, prazo, decisão nem resposta
do cliente. Se as anotações não contiverem um detalhe necessário,
marque-o como "a confirmar".

Essa instrução é mais valiosa do que pedir que a IA pareça segura. A autoridade da prosa não transforma proposta em decisão nem faz surgir uma pessoa responsável inexistente.

Instruções positivas costumam ser mais fáceis de aplicar do que uma longa lista de proibições. Em vez de apenas dizer “não misture as coisas”, especifique as categorias que a resposta deve usar. Mantenha o limite negativo para falhas que tornariam o resultado inseguro ou inutilizável.

4. Peça uma saída que você consiga examinar

Os requisitos da saída não são decoração. Devem facilitar tanto o uso quanto a conferência da resposta.

Para o e-mail, acrescente:

Use esta estrutura:

1. Um resumo da reunião em duas frases.
2. Decisões confirmadas.
3. Ações atribuídas, incluindo somente responsáveis e datas presentes nas anotações.
4. Questões em aberto e ações sem responsável.
5. Um pedido final para que os destinatários corrijam qualquer imprecisão.

Mantenha o e-mail abaixo de 250 palavras e use linguagem direta e neutra.

As seções expõem omissões. Uma seção separada de “questões em aberto” dificulta que um problema sem solução desapareça dentro de um parágrafo fluente. O limite de palavras impede que o rascunho se expanda até virar uma transcrição da reunião.

Exemplos podem ajudar quando é difícil descrever o formato, a classificação ou o tom desejado. OpenAI, Google e Anthropic documentam exemplos como forma de orientar as saídas. Mas eles são evidências opcionais do que você quer dizer, não ingredientes obrigatórios. Uma tarefa conhecida com pedido claro talvez não precise de nenhum.

O prompt completo

O pedido montado agora fica assim:

Redija um e-mail interno de acompanhamento para a equipe do projeto com
base nas anotações da reunião abaixo. O e-mail deve deixar fáceis de ver
as decisões confirmadas, as ações atribuídas e as questões sem solução.

Mantenha separadas decisões confirmadas, ações atribuídas, propostas e
questões em aberto. Não invente responsável, prazo, decisão nem resposta
do cliente. Se as anotações não contiverem um detalhe necessário,
marque-o como "a confirmar".

Use esta estrutura:
1. Um resumo da reunião em duas frases.
2. Decisões confirmadas.
3. Ações atribuídas, incluindo somente responsáveis e datas presentes nas anotações.
4. Questões em aberto e ações sem responsável.
5. Um pedido final para que os destinatários corrijam qualquer imprecisão.

Mantenha o e-mail abaixo de 250 palavras e use linguagem direta e neutra.

Anotações da reunião
- A equipe confirmou um projeto-piloto da nova página de ajuda para 18 de setembro.
- Mei preparará o primeiro rascunho até 8 de setembro.
- O grupo discutiu a inclusão de um vídeo, mas não tomou uma decisão.
- Alguém precisa verificar o custo das legendas; não há responsável nem prazo.
- O cliente ainda precisa confirmar se sua equipe de suporte pode revisar o rascunho.

Este prompt é mais longo do que o original porque a tarefa contém distinções que vale preservar. Um pedido como “Dê cinco nomes para esta pasta” não precisaria da mesma estrutura. O tamanho do prompt é consequência da tarefa, não uma nota de qualidade.

5. Confira a resposta na fonte

Não avalie o rascunho apenas pela naturalidade. Compare-o com as anotações da reunião e com os critérios de sucesso definidos no começo.

Confira nesta ordem:

1. Cobertura: a resposta incluiu todas as decisões, ações atribuídas e questões em aberto importantes?
2. Fidelidade: mudou alguma data, responsável, compromisso ou grau de certeza?
3. Acréscimos sem respaldo: introduziu motivo, nome, prazo, fato ou citação ausente da fonte?
4. Utilidade: a equipe conseguiria agir com base no e-mail sem primeiro desembaraçar sua estrutura?

Para fatos atuais como preços, leis, horários, comportamento de produtos ou compatibilidade técnica, a fonte relevante pode ser uma página oficial, e não o texto colado no chat. Abra a fonte e confira. Perguntar à IA “Tem certeza?” não é verificação independente.

O NIST descreve conteúdo falso apresentado com confiança como um risco conhecido da IA generativa e recomenda revisar fontes e citações nas saídas geradas. O risco importa justamente porque uma resposta imprecisa ainda pode parecer completa.

6. Revise a falha específica

Se o primeiro resultado estiver errado, normalmente não é preciso descartar o prompt inteiro. Indique a falha, restaure o limite e peça a revisão da parte afetada.

Por exemplo:

A verificação do custo das legendas não tem responsável nem prazo. Mova-a para “Questões em aberto e ações sem responsável”, remova o nome que você acrescentou e mantenha o restante do e-mail sem alteração. Depois, confira se todas as datas e responsáveis ainda correspondem às anotações.

Esse acompanhamento é útil porque identifica um problema observável. “Tente de novo” não fornece informação comparável à IA.

Usar prompts é um ciclo: compare o resultado com a tarefa, descreva a lacuna e revise o que falhou.

Você pode usar o mesmo padrão quando o problema for tom, tamanho, formato ou evidência ausente:

• “O resumo é para especialistas. Reescreva somente a abertura para alguém que não conhece o projeto.”
• “A comparação não usa os mesmos critérios nas duas opções. Refaça a tabela com preço, acesso e condições de cancelamento de cada uma.”
• “Duas afirmações não têm fonte. Remova-as ou forneça a fonte primária atual que sustenta cada uma.”

É por isso que um bom prompt é melhor compreendido como processo de trabalho do que como frase perfeita. O Google descreve o design de prompts como iterativo, e as orientações atuais da OpenAI recomendam testar seu comportamento conforme modelos e prompts mudam. Para iniciantes, iterar pode ser tão simples quanto conferir uma saída, apontar um defeito e tentar a instrução corrigida.

Uma estrutura inicial que pode ser encurtada

Use-a quando uma tarefa tiver risco ou complexidade suficientes para merecer um briefing:

Tarefa:
Use [material] para produzir [resultado específico] para [leitor ou situação].

Contexto necessário:
[Somente as informações capazes de mudar uma resposta correta.]

Deve preservar:
[Fatos, distinções, requisitos ou limites.]

Não pressuponha:
[Incógnitas que a IA deve deixar em aberto ou marcar para confirmação.]

Saída:
[As seções, o formato, o tamanho ou as verificações que tornam o resultado utilizável.]

Exclua qualquer campo que não ajude a tarefa atual. Depois, antes de confiar no resultado, pergunte: Ele é útil, fiel e verificável? O prompt ajuda a descrever o trabalho. Você ainda é responsável por conferir a fonte, tomar a decisão final e realizar a ação no mundo real.

Referências

• OpenAI: engenharia de prompts — instruções, exemplos, contexto relevante e avaliação conforme prompts e modelos mudam.
• Google AI for Developers: estratégias de design de prompts — instruções claras, contexto, exemplos, formatos de resposta e iteração.
• Anthropic: visão geral da engenharia de prompts — definição de critérios de sucesso e testes antes da otimização.
• Anthropic: boas práticas de prompts — clareza, contexto, exemplos e prompts estruturados, incluindo orientações específicas de modelos.
• NIST AI 600-1: perfil da inteligência artificial generativa — confabulação, integridade da informação, supervisão humana e riscos à privacidade de dados.
• Liu et al.: “Lost in the Middle”, TACL 2024 — estudo empírico sobre como os modelos testados usavam informações em contextos longos.
• Schulhoff et al.: “The Prompt Report” — levantamento sistemático e taxonomia de técnicas de prompting.