Um prompt é a instrução e o contexto entregues a um modelo no momento da inferência. Como os grandes modelos fazem aprendizado em contexto (Brown et al., 2020), é o prompt — e não um novo treinamento — a principal forma de a maioria dos usuários direcionar o comportamento do modelo. O estudo sistemático dos métodos de prompting é revisado por Liu et al. (2023).
Prompts eficazes descrevem a tarefa com clareza, fornecem contexto ou exemplos relevantes e especificam o formato desejado. Pequenas mudanças de redação podem alterar bastante os resultados — e é exatamente por isso que a engenharia de prompt existe.
O que é engenharia de prompt?
Engenharia de prompt é a habilidade de escrever, testar e iterar prompts de forma intencional, e não por tentativa e erro. Em vez de mudar o modelo, você muda a entrada: deixa a tarefa explícita, dá ao modelo o contexto de que ele precisa, mostra como é uma boa resposta e diz como o resultado deve ser estruturado.
Ela vale tanto para o chat do dia a dia quanto para desenvolvedores que criam soluções sobre uma API. Em aplicações, a engenharia de prompt também abrange o prompt de sistema, que define o papel e as regras do modelo, e a defesa contra prompt injection. OpenAI, Anthropic e Google publicam, cada uma, guias de prompting para os próprios modelos (veja as referências abaixo).
Técnicas de engenharia de prompt que funcionam
O mesmo pedido, escrito de forma vaga e depois com cada técnica aplicada:
| Técnica | Prompt vago | Prompt melhor |
|---|---|---|
| Seja específico | “Resuma isto.” | “Resuma este relatório para um CFO sem tempo, em cinco tópicos, com foco nos custos.” |
| Dê contexto | “Responda a este e-mail.” | “Recuse educadamente esta reunião e proponha terça à tarde. E-mail abaixo: …” |
| Mostre um exemplo | “Classifique estas avaliações.” | “Classifique cada avaliação como Positiva, Negativa ou Mista. Exemplo: ‘Entrega rápida, tampa quebrada’ → Mista.” |
| Peça o raciocínio | “Qual é a resposta?” | “Resolva passo a passo e depois dê a resposta final em uma linha separada.” |
| Defina o formato | “Compare estes planos.” | “Compare os três planos em uma tabela: preço, limites, indicado para.” |
Adicionar exemplos resolvidos se chama few-shot prompting; para tarefas simples, uma instrução clara sozinha (zero-shot) costuma bastar. Pedir um raciocínio passo a passo (chain of thought) tende a ajudar em problemas de matemática e lógica com várias etapas. Seja o que for que você tentar, revise o resultado e refine o prompt com base no que deu errado.
Engenharia de prompt no MultipleChat
O Prompt Optimizer do MultipleChat melhora um prompt ainda cru antes de você enviá-lo. Como o mesmo prompt pode rodar no ChatGPT, Claude, Gemini, Grok e Perplexity lado a lado, você também consegue ver como uma mudança de redação altera a resposta de cada modelo.