O que é engenharia de prompts? Um guia prático para quem não é desenvolvedor
Engenharia de prompts é a prática de escrever e refinar instruções para um modelo de IA, para que ele produza de forma confiável o que você quer. Um prompt é tudo o que você entrega ao modelo: uma pergunta, uma tarefa, algum contexto, exemplos. Fazer engenharia de prompts significa ser deliberado sobre o que entra, testar o que sai e ajustar. Tem menos a ver com frases mágicas e mais com comunicação clara.
Por que isso importa quando você cria com IA
Com um criador de apps com IA, seus prompts são a especificação. A IA só consegue construir o que você descreve, e quando o seu pedido deixa lacunas, ela preenche com suposições que parecem razoáveis. Às vezes as suposições são boas. Com frequência, não são o que você quis dizer: os campos errados em um formulário, um recurso que você não queria, um design que não combina com o seu público.
Um prompt claro evita várias rodadas de correções, e cada rodada custa tempo e normalmente créditos. A forma de pedir também importa se você adiciona IA dentro do seu app: as instruções que você dá a esse modelo definem como seu chatbot fala com os clientes, o que ele recusa e se ele se mantém fiel aos seus fatos. Para criar apps especificamente, veja como escrever prompts para criadores de apps com IA.
Uma analogia do dia a dia
Imagine que você está passando um briefing para um freelancer habilidoso que nunca conheceu você, não sabe nada sobre o seu negócio e vai começar a trabalhar assim que você parar de falar.
“Faça um logo para mim” vai gerar um logo. “Um logo para uma escola de natação infantil em Dubai; amigável, mas não infantilizado; azul e laranja; precisa funcionar pequeno em uma touca de natação; aqui estão dois que gostamos e um que não gostamos” vai gerar algo próximo do que você quer.
Um modelo de IA é esse freelancer: talentoso, rápido e totalmente dependente do seu briefing. Engenharia de prompts é aprender a escrever um bom briefing.
As técnicas principais
| Técnica | O que significa | Exemplo |
|---|---|---|
| Seja específico sobre o objetivo | Diga o que você quer e por quê. | “Uma página de agendamento para que novos clientes escolham uma sessão de 30 ou 60 minutos.” |
| Dê contexto | Para quem é, o que já existe, o que importa. | “Os usuários são, em sua maioria, clientes mais velhos que usam o celular.” |
| Defina o que é “pronto” | Descreva o resultado final. | “Pronto significa que um cliente consegue agendar e eu recebo um e-mail.” |
| Defina restrições | O que não fazer e os limites. | “Não adicione login por enquanto. Mantenha as cores atuais.” |
| Mostre exemplos | Dê uma amostra do que é bom. | “Escreva a resposta neste estilo: …” |
| Peça um formato | Diga como estruturar a saída. | “Responda em uma tabela com as colunas X, Y, Z.” |
| Divida em etapas | Uma parte de cada vez em trabalhos grandes. | “Primeiro o modelo de dados, depois o formulário, depois os e-mails.” |
| Deixe que ele pergunte ou planeje primeiro | Tenha um plano antes das mudanças. | “Antes de construir, liste suas perguntas e um plano.” |
| Itere | Verifique o resultado e refine. | “O formulário funciona. Agora deixe o seletor de data maior.” |
Um exemplo prático: antes e depois
Antes:
Faça um app de academia.
A IA precisa adivinhar tudo: os membros ou a equipe? Aulas ou treino personalizado? Pagamentos? Você provavelmente vai receber um painel genérico com treinos inventados.
Depois:
Crie um app web para uma pequena academia de boxe com cerca de 150 membros.
Quem usa: os membros agendam aulas pelo celular. A dona, Sam, gerencia a grade de horários em um notebook.
Os membros podem: ver as aulas desta semana (horário, instrutor, vagas restantes) e agendar ou cancelar até 2 horas antes do início.
A Sam pode: adicionar, editar e cancelar aulas, e ver quem está agendado em cada uma.
Regras: no máximo 12 pessoas por aula. Nenhum agendamento duplicado no mesmo horário.
Não agora: pagamentos, acompanhamento de treinos, um app para celular.
Estilo: fundo escuro, detalhes em vermelho, botões grandes para toque.
Antes de construir, liste o que não estiver claro e descreva as páginas que você vai criar.
O segundo prompt não é engenhoso; é completo. Ele nomeia os usuários, as ações, as regras, o que deixar de fora e como começar. A última linha convida a IA a planejar e fazer perguntas, o que evita mal-entendidos antes de qualquer código ser escrito.
Prompts dentro do seu app
Quando o próprio app chama um LLM, você escreve prompts que rodam muitas vezes, para muitos usuários. Os mesmos princípios se aplicam, além de alguns outros:
- Prompt de sistema: instruções permanentes que moldam cada resposta: papel, tom, regras. “Você é o assistente da Leaf & Pot, uma loja de plantas. Responda apenas a perguntas sobre pedidos, plantas e entrega.”
- Ancoragem: inclua os fatos que o modelo deve usar, como suas políticas ou seu catálogo de produtos, e diga para ele se basear neles. Veja o que é um LLM para entender por que isso importa.
- Alternativas: diga o que fazer quando ele não tiver certeza: “Se a resposta não estiver nas informações fornecidas, diga isso e ofereça o e-mail de suporte.”
- Formato de saída: se o seu código lê a resposta, peça um formato estrito, como JSON.
- Testes: experimente entradas difíceis, como mensagens grosseiras, perguntas fora do assunto e tentativas de fazer o modelo ignorar as instruções (chamadas de injeção de prompt), antes que os usuários reais façam isso.
Termos principais explicados
| Termo | O que significa |
|---|---|
| Prompt | A entrada que você dá a um modelo de IA. |
| Prompt de sistema | Instruções permanentes definidas antes da conversa. |
| Contexto | Informações de base incluídas no prompt. |
| Zero-shot / few-shot | Pedir sem exemplos, ou com alguns exemplos da saída desejada. |
| Cadeia de raciocínio | Pedir ao modelo que resolva um problema passo a passo antes de responder. |
| Ancoragem | Fornecer ao modelo material de origem e dizer para basear as respostas nele. |
| Injeção de prompt | Texto que tenta sobrepor as instruções do modelo, como “ignore as instruções anteriores”. |
| Janela de contexto | Quanto texto o modelo consegue considerar de uma só vez. |
| Iteração | Refinar um prompt com base no que foi retornado. |
Erros comuns e equívocos
- Procurar palavras mágicas. “Você é um especialista de classe mundial” importa muito menos do que dizer o que você realmente precisa.
- Pedir tudo de uma vez. Um pedido com 20 recursos gera 20 recursos pela metade. Construa em partes.
- Descrever a solução em vez do problema. “Adicione uma tabela com três colunas” é menos útil do que “a Sam precisa ver de relance quem está agendado em cada aula”.
- Deixar de fora o que não fazer. Se você não quer login, pagamentos ou um redesenho por enquanto, diga isso.
- Não ler o resultado. Teste o que foi construído em relação à sua definição de “pronto” antes de seguir em frente.
- Recomeçar em vez de refinar. Normalmente um acompanhamento curto (“está quase lá; mude X”) é melhor do que reescrever o prompt inteiro.
- Colar segredos nos prompts. Não cole senhas nem chaves de API ativas no chat, a menos que a ferramenta tenha uma forma segura de armazená-las.
O que pedir ao seu criador de apps com IA
- “Antes de construir, me faça qualquer pergunta e mostre o seu plano.”
- “Repita com suas palavras o que você acha que eu quero, em três frases.”
- “Altere apenas o formulário de agendamento; não toque em mais nada.”
- “O que você presumiu que eu não especifiquei?”
- “Transforme minhas anotações em uma especificação curta com usuários, recursos, regras e itens de “não agora”.” Veja como escrever um documento de requisitos de produto com IA.
- “Sugira como eu poderia ter formulado melhor aquele pedido.”
Prompts no Mythex
O Mythex tem três modos de chat que combinam com esse jeito de trabalhar: Plan para combinar uma abordagem antes que qualquer coisa mude, Build para fazer alterações e Ask para perguntas que não devem editar arquivos. Você pode anexar capturas de tela ou maquetes como contexto, e se uma mudança der errado, pode voltar a um checkpoint. As páginas da documentação sobre prompts eficazes e iteração têm mais exemplos, e como iterar em um app criado com IA explica o ciclo de acompanhamento.
Perguntas
O que é engenharia de prompts, em termos simples?
Engenharia de prompts é a prática de escrever e refinar instruções para um modelo de IA, para que ele produza de forma confiável o resultado que você quer. Ela envolve o que você pede, o contexto que você dá, os exemplos, as restrições e o formato que você espera de volta.
Preciso de truques especiais ou palavras mágicas?
Não exatamente. Os modelos atuais respondem melhor a instruções claras, específicas e bem organizadas, as mesmas coisas que ajudam um colega de trabalho. Contexto, exemplos e uma descrição clara do resultado final importam muito mais do que frases especiais.
O que é um prompt de sistema?
Um prompt de sistema é um conjunto de instruções permanentes dadas ao modelo antes da conversa, como seu papel, suas regras e seu tom. Os apps usam isso para moldar cada resposta, enquanto as mensagens do usuário vêm depois.
A engenharia de prompts ainda será necessária conforme a IA ficar mais inteligente?
Modelos melhores precisam de menos contornos, mas ainda não leem a sua mente. Dizer qual é o seu objetivo, o público, as restrições e o que significa “pronto” sempre melhora os resultados, porque o modelo só consegue trabalhar com o que você informa.