Como escrever bons prompts para a IA te responder melhor

Você abre o ChatGPT, digita “me ajuda com um texto” e recebe algo genérico. A culpa não é da IA: é do pedido. Um modelo de linguagem não lê a sua mente; ele completa o texto que você deu. Por isso um bom prompt (a instrução que você escreve) não é palavra mágica, é especificação clara. A Anthropic resume bem a postura: instrua a IA como você instruiria um estagiário no primeiro dia (Anthropic, 2024).

Neste guia, você monta esse pedido do zero. Vale separar o trabalho: o post sobre o que são LLMs mostra como a IA gera texto. O guia de alucinações de IA explica por que ela inventa. Aqui, o foco é como pedir bem.

Resumo rápido:

• Um bom prompt tem quatro peças: quem a IA deve ser (persona), o que fazer (tarefa), com qual contexto e em que formato.
• Comece sempre com um verbo de comando: “resuma”, “liste”, “reescreva”, “compare”.
• Dê exemplos do que você quer. Um modelo de resposta vale mais que dez adjetivos.
• Para reduzir invenção: ancore no texto que você forneceu, autorize o “não sei” e peça a fonte.
• Se a resposta veio ruim, o próximo prompt conserta. Iterar é a técnica, não a exceção.

Por que a forma de pedir muda tanto a resposta?

Porque a IA monta a resposta prevendo a próxima palavra a partir do seu texto. Ela não procura a sua intenção num banco de dados: ela continua o padrão que você começou. Pedido vago gera continuação vaga. Não à toa, o guia da OpenAI abre suas seis estratégias com a mesma regra número um: escrever instruções claras (OpenAI).

Esse é o ponto que quase todo mundo pula. A IA generativa não “entende” o seu objetivo antes de responder. Ela calcula, palavra por palavra, qual pedaço de texto tem mais chance de vir em seguida, guiada pelo que você escreveu. O mecanismo é o mesmo descrito no guia sobre o que são LLMs: previsão da próxima palavra, em escala gigante.

Daí a lição prática. Quanto mais específico e organizado o seu pedido, mais estreito fica o caminho que a IA pode seguir. Um “escreva sobre segurança” abre mil direções. Um “escreva três dicas de senha forte para idosos, em linguagem simples” abre poucas, e todas úteis. Você não está sendo chato com a máquina: está reduzindo a incerteza dela.

Repare que os três maiores fabricantes chegam à mesma conclusão sozinhos. OpenAI, Google e Anthropic publicam guias diferentes, mas todos começam por clareza e especificidade. Quando concorrentes convergem sem combinar, geralmente há um princípio real por trás.

Qual é a anatomia de um bom prompt?

Um bom prompt costuma ter quatro peças. O guia oficial do Google para o Workspace resume assim: Persona, Tarefa, Contexto e Formato, sempre com um verbo de comando no começo (Google, out/2024). Nem todo pedido usa as quatro, mas quanto mais peças você inclui, menos a IA precisa adivinhar.

O verbo de comando é a peça que carrega o resto. “Resuma”, “liste”, “compare” e “reescreva” dizem à IA qual ação executar antes de qualquer detalhe. Sem verbo, o pedido vira um tema solto, e a IA escolhe sozinha o que fazer com ele.

Um aviso contra o mito mais comum. Dar uma persona à IA muda o estilo da resposta, não o conhecimento dela. “Aja como advogado” realinha o vocabulário e o tom, mas não desbloqueia fatos secretos nem deixa a IA “mais inteligente”. Ela continua o mesmo modelo: você só apontou o registro que quer ler.

De “resuma isso” para um prompt que funciona

A diferença entre um pedido fraco e um forte não está no tamanho, e sim na especificação. O guia da OpenAI é direto: instruções detalhadas, com o público e o formato desejados, produzem respostas melhores (OpenAI). Veja o mesmo pedido nas duas versões, com casos do dia a dia em português.

Repare no padrão da coluna da direita. Cada prompt forte diz o formato (“3 tópicos”, “5 temas”), o público (“iniciantes”, “dono de e-commerce”) e uma restrição (“sem juridiquês”, “sem inventar dados”). São as peças da anatomia, aplicadas.

Vou confessar um hábito meu. Quando um pedido me devolve algo morno, eu não brigo com a IA: releio o meu prompt e conto quantas das quatro peças faltaram. Quase sempre esqueci o formato ou o público. Corrigir isso, e só isso, costuma resolver na segunda tentativa.

Dar exemplos e pedir “passo a passo” ajuda mesmo?

Ajuda, e há número para provar. Duas técnicas se destacam: dar exemplos (few-shot) e pedir o raciocínio explícito (chain-of-thought, ou “cadeia de pensamento”). No teste GSM8K, de problemas de matemática, pedir o passo a passo levou o modelo PaLM de 17,9% para 56,9% de acerto (Wei et al., 2022). O Google, aliás, recomenda “sempre incluir exemplos” nos prompts (Google).

Comece pelos exemplos. Em vez de descrever o que quer, mostre um caso pronto. Se você precisa classificar mensagens como “urgente” ou “comum”, dê duas ou três já classificadas antes de pedir a próxima. Isso é o few-shot. O modelo copia o padrão que você deu, e a saída fica muito mais consistente. Nos testes com o GPT-3, dar exemplos elevou o acerto no TriviaQA de 64,3% (sem exemplo) para 71,2% (com poucos exemplos) (Brown et al., 2020).

O “passo a passo” precisa de uma ressalva. Quando você pede “pense passo a passo”, a IA não fica pensando mais. O que acontece é outra coisa: ao escrever o raciocínio, cada etapa vira contexto para prever a próxima palavra. O modelo se apoia no próprio texto intermediário e erra menos. É previsão da próxima palavra, de novo, agora com uma trilha melhor para seguir.

O gráfico conta o essencial: em problemas de raciocínio, pedir o passo a passo faz diferença real. Mas guarde a ressalva. Esse salto aparece em matemática e lógica, não em tarefas simples. Pedir “passo a passo” para resumir um e-mail não melhora nada, só deixa a resposta mais longa. Use a técnica onde há raciocínio de verdade.

Como pedir para a IA errar menos (menos alucinação)?

Você reduz o erro com três táticas simples, e o interessante é que os três maiores fabricantes concordam nelas. OpenAI, Google e Anthropic recomendam o mesmo trio, em guias separados. Ancore a resposta no texto que você forneceu, autorize a IA a dizer “não sei” e exija a fonte. A Anthropic afirma que permitir o “não sei” reduz drasticamente a informação falsa (Anthropic, 2024).

Ancore primeiro. Cole o texto de base e peça: “responda apenas com o que está no texto abaixo”. A própria OpenAI lista como estratégia número dois “fornecer texto de referência”, porque reduz respostas inventadas (OpenAI). Sem uma base, a IA preenche as lacunas por conta própria, e é aí que ela inventa.

Depois, dê permissão para a IA não saber. Modelos tendem a sempre responder algo, mesmo sem base. Uma frase resolve: “se a informação não estiver no texto, diga que não sabe”. Por fim, exija a citação: “aponte de qual trecho você tirou cada afirmação”. Isso força a IA a colar na fonte em vez de arredondar. Por que a IA inventa, afinal? O guia de alucinações de IA destrincha o mecanismo.

Um cuidado que não é sobre qualidade, e sim sobre privacidade. Antes de colar um texto de base, pense no que ele contém. Dados de clientes, contratos e documentos pessoais viajam para o servidor da IA quando você os cola numa ferramenta de nuvem. O guia sobre IA local e IA na nuvem mostra onde cada opção processa o que você digita.

Os erros que estragam um prompt

A maioria dos prompts falha por motivos repetidos, e todos têm conserto. Não é falta de “palavra mágica”: é falta de especificação. Cada erro abaixo desrespeita uma das táticas que os guias oficiais recomendam. Reconhecer o padrão já resolve metade do problema.

O último erro é o mais teimoso: não iterar. Muita gente escreve um prompt, recebe algo mediano e desiste, como se aquela fosse a resposta final da máquina. A Anthropic trata o processo como ciência: teste, veja o resultado, ajuste e teste de novo (Anthropic, 2024). O primeiro prompt raramente é o melhor. O segundo, corrigido, quase sempre é.

Seu próximo prompt: 3 mudanças que já valem

Antes de abrir a próxima conversa com a IA, fixe estas três:

• Especifique, não adivinhe. Diga quem, o quê, com qual contexto e em que formato;
• Dê um exemplo do que você quer. Um modelo de resposta pronta vale mais que dez adjetivos, e o few-shot melhora a saída, como recomendam OpenAI e Google;
• Peça o “passo a passo” só onde faz diferença. Em contas, lógica e problemas de raciocínio, pedir o raciocínio explícito eleva o acerto (no GSM8K, o PaLM saltou de 17,9% para 56,9%). Em tarefas simples, como resumir um e-mail, isso quase não muda: gaste as palavras dando contexto e formato, e itere quando a resposta vier morna.

Na trilha de Inteligência Artificial, o mapa continua depois daqui. Antes de colar qualquer documento sensível num prompt, veja onde a IA processa o que você digita. O guia sobre IA local e IA na nuvem mostra a diferença entre uma resposta melhor e um dado exposto.

Perguntas frequentes

Existe um “prompt mágico”?

Não. Não há palavra secreta que a OpenAI ou o Google escondam. Um bom prompt é só uma especificação clara: quem, o quê, com qual contexto e em que formato. O que parece “mágica” é sempre um pedido bem estruturado, com exemplo e restrição. A técnica está na clareza, não em fórmulas ocultas.

Preciso escrever em inglês?

Não para o uso comum. ChatGPT e Gemini entendem português bem, e você pensa mais claro no seu idioma, o que já melhora o prompt. O inglês pode ajudar em temas muito técnicos, com termos que só existem nessa língua. Mas para o dia a dia, escreva em português e foque na especificação.

Como faço a IA parar de inventar?

Use as três táticas que OpenAI, Google e Anthropic recomendam. Ancore o pedido num texto que você forneceu, autorize a IA a dizer “não sei” quando faltar base e exija a fonte de cada afirmação. Permitir o “não sei” reduz drasticamente a informação falsa, segundo a Anthropic. Ainda assim, confira sempre dados críticos.

Prompt longo é sempre melhor?

Não. O que importa é a especificação, não o tamanho. Um prompt curto e preciso vence um longo e confuso. Encher de contexto irrelevante só dilui o pedido e pode atrapalhar. Inclua as quatro peças (persona, tarefa, contexto e formato) e pare por aí. Se faltou algo, o próximo prompt ajusta.