Engenharia de prompt: como escrever bons prompts, com exemplos antes e depois

Duas pessoas pedem a mesma coisa a um assistente de IA e recebem respostas muito diferentes. Na maioria das vezes, a diferença não está na ferramenta, e sim na forma de pedir. Um bom prompt reduz o vaivém, melhora a qualidade e diminui os erros.

Este guia mostra como estruturar um pedido, com exemplos de prompts fracos transformados em prompts fortes. Todos os exemplos são ilustrativos: não são resultados de testes e devem ser adaptados ao seu caso. E, como sempre, a resposta gerada precisa ser revisada.

O que é um prompt

Prompt é a instrução que você dá a um modelo de IA: uma pergunta, um pedido, um texto para transformar. A expressão "engenharia de prompt" descreve o esforço de formular esse pedido de modo que o modelo produza o que você precisa.

Como os modelos de linguagem geram texto a partir do contexto recebido, tudo que você escreve influencia o resultado. Se quiser entender o mecanismo, leia como funcionam os modelos de linguagem. Aqui, o foco é a prática.

A estrutura em cinco partes

Um prompt eficaz costuma responder a cinco perguntas. Nem todo pedido precisa de todas, mas lembrar delas evita a maioria dos problemas.

1. Contexto: qual é a situação e quem está pedindo?
2. Tarefa: o que exatamente deve ser feito?
3. Público e tom: para quem é o resultado e em que estilo?
4. Formato: como a resposta deve vir (lista, tabela, e-mail, número de palavras)?
5. Restrições: o que evitar ou respeitar?

Um modelo para adaptar

Contexto: [quem você é, qual é a situação]
Tarefa: [o que fazer, em uma frase clara]
Público e tom: [para quem, em que estilo]
Formato: [estrutura e tamanho da resposta]
Restrições: [o que não fazer; use apenas as informações abaixo]
Material: [texto, dados ou notas de apoio]

Não é uma fórmula mágica. É uma lista de verificação para o seu pedido ficar completo.

Exemplos antes e depois

Exemplo 1: um e-mail

Antes:

Escreva um e-mail para um cliente sobre o atraso.

Depois:

Sou coordenadora de atendimento de uma loja online. Escreva um e-mail para um cliente informando que a entrega do pedido dele atrasou dois dias por causa de um problema na transportadora. Tom cordial e direto, sem culpar ninguém. Até 120 palavras. Inclua um pedido de desculpas, a nova data prevista (dia 12) e um contato para dúvidas. Não prometa compensações.

O que melhorou: há um papel, um motivo, um limite de tamanho, informações concretas e uma restrição clara.

Exemplo 2: um resumo

Antes:

Resuma este texto.

Depois:

Resuma o texto abaixo para um diretor que tem dois minutos para ler. Use três tópicos com os pontos principais e uma frase final com a decisão que precisa ser tomada. Use apenas informações do texto. Se algo não estiver claro, escreva "não informado".

O que melhorou: o público define o nível de detalhe, o formato está explícito, e a instrução "apenas informações do texto" reduz invenções.

Exemplo 3: uma explicação

Antes:

Explique machine learning.

Depois:

Explique machine learning para alguém que trabalha com vendas e nunca estudou programação. Use uma analogia do dia a dia, evite jargão e termine com dois exemplos de uso em uma empresa de varejo. No máximo 250 palavras.

O que melhorou: o público está definido, e a explicação tem um formato e um limite.

Técnicas que ajudam

Dê exemplos do resultado desejado

Mostrar um ou dois exemplos costuma ser mais eficiente do que descrever o estilo. Isso é conhecido como few-shot prompting.

Classifique o sentimento de cada frase como positivo, negativo ou neutro. "A entrega chegou antes do prazo." → positivo "O produto veio com defeito." → negativo "Comprei ontem." → neutro "O atendimento demorou, mas resolveram o problema." →

Peça o passo a passo quando o problema for complexo

Em tarefas de raciocínio, pedir que o modelo divida o problema em etapas ou explique como chegou à resposta pode melhorar a qualidade e facilita a sua conferência. Em problemas simples, isso só alonga a resposta.

Separe instruções e material

Use marcadores claros para delimitar o que é instrução e o que é texto de apoio, como títulos ou aspas triplas. Assim, o modelo não confunde um trecho colado com uma ordem.

Permita que ele pergunte

Para tarefas ambíguas, inclua: "Antes de responder, faça até três perguntas se faltar alguma informação." Isso evita respostas baseadas em suposições.

Defina um papel quando ajudar

Pedir que o modelo assuma um papel, como revisor de texto ou analista de dados, pode orientar tom e nível de detalhe. Mas o papel não dá ao modelo conhecimento que ele não tem.

Itere

Raramente o primeiro resultado é o final. Peça ajustes específicos: "encurte para metade", "troque o tom por um mais formal", "cite a fonte de cada afirmação". Conversar com o modelo é parte do processo.

Como reduzir invenções

Modelos podem gerar informações falsas com muita confiança. Alguns hábitos ajudam:

• Peça que use apenas o material fornecido e indique quando não souber.
• Peça que separe fatos de suposições.
• Peça as fontes e confira se elas existem e dizem o que o modelo afirma.
• Verifique números, datas e nomes em fontes confiáveis.

Nenhuma dessas medidas elimina o problema. Elas diminuem a chance de erro e facilitam a revisão.

Erros comuns

• Pedido vago demais: "melhore isto" não diz em que sentido.
• Muitas tarefas em um só prompt: divida em etapas, uma de cada vez.
• Falta de contexto: o modelo não sabe quem é você, seu público nem sua empresa, a menos que você conte.
• Instruções contraditórias: "seja breve, mas detalhe tudo".
• Não indicar o formato: a resposta pode vir em um formato que você não consegue usar.
• Colar dados sensíveis: evite informações pessoais e sigilosas. Veja os cuidados em como usar inteligência artificial no trabalho.
• Aceitar a primeira resposta sem revisar.

Prompts para diferentes tarefas

Para tarefas de estudo, veja também como usar IA para estudar.

Prompts não substituem o julgamento

Um bom prompt aumenta as chances de um bom resultado, mas não garante que ele esteja certo. Também não existem prompts universais que funcionem igual em todos os modelos: cada serviço tem particularidades, e recomendações mudam com as versões.

Por isso, vale consultar a documentação oficial dos serviços que você usa e testar com seus próprios casos. Alguns fornecedores publicam guias de prompt, como OpenAI, Anthropic e Google, listados nas fontes.

Perguntas frequentes

Prompts longos são sempre melhores?

Não. O ideal é o suficiente para deixar o pedido claro. Prompts longos e confusos podem piorar o resultado. Priorize as informações que mudam a resposta.

Preciso escrever em inglês?

Os principais assistentes funcionam bem em português. Em alguns casos ou modelos menores, o inglês pode ter qualidade um pouco melhor, mas para a maioria dos usos escrever em português é suficiente.

Posso guardar meus prompts para reutilizar?

Sim, e é uma boa prática. Uma biblioteca com modelos para tarefas frequentes economiza tempo. Lembre-se de retirar dados sensíveis dos modelos salvos.

Existe um "prompt perfeito"?

Não. O prompt bom é o que funciona para a sua tarefa, com o seu modelo, depois de alguns ajustes.

Conclusão

Um bom prompt responde a cinco perguntas: contexto, tarefa, público e tom, formato e restrições. Exemplos, passos e permissão para perguntar ajudam nos casos mais difíceis, e a iteração faz parte do processo.

Comece com o modelo deste guia, adapte-o às suas tarefas e revise sempre os resultados. Este guia foi revisado em setembro de 2026, e as recomendações dos fornecedores mudam, por isso confira a documentação oficial.

Fontes

• OpenAI. Guia de engenharia de prompt.
• Anthropic. Visão geral de engenharia de prompt.
• Google. Estratégias de prompt para o Gemini.
• Brown, T. et al. Language Models are Few-Shot Learners (2020).
• Prompt Engineering Guide. promptingguide.ai.