A Arte do Prompt — Como Extrair o Máximo da IA

O que é um prompt — o "jeito de pedir" muda o resultado

Quando você pede algo a um amigo, dizer "faz aí de um jeito legal" e dizer "quero uma proposta de 2 páginas em A4 até a próxima sexta, com orçamento de até R$ 5 mil" trazem resultados completamente diferentes, não é?

Com a IA é a mesma coisa. O prompt (Prompt) é o texto de instrução que você envia à IA. E basta o jeito de escrever o prompt para a resposta da IA mudar radicalmente.

Isso não é só impressão. Segundo um levantamento que fez meta-análise de mais de 1.500 artigos de pesquisa sobre prompts, só de acrescentar condições concretas ao prompt a precisão da resposta melhora cerca de 30% e a informação desnecessária cai 42%^[1].

Talvez você já tenha ouvido a expressão "engenharia de prompt". Há dados de que, em 2025, 68% das empresas incorporaram habilidades de prompt ao treinamento padrão de todos os funcionários^[2]. Já não é uma habilidade especial só de engenheiros, e sim uma competência básica necessária a todos que usam IA.

Neste capítulo, explicamos, com exemplos concretos, como escrever prompts que qualquer pessoa pode praticar hoje. Para uma coletânea de templates ainda mais práticos, consulte também o Guia prático de engenharia de prompt.

Os 5 elementos de um bom prompt

Um prompt eficaz tem 5 elementos. Se comparado a uma receita de cozinha, seriam: "quem faz (papel)", "o que se faz (tarefa)", "para quem se faz (contexto)", "como servir (formato)" e "cuidado com alergias (restrições)".

Coletânea de técnicas práticas — 7 formatos para usar hoje

O grande levantamento "The Prompt Report", publicado em 2024, classifica de forma sistemática nada menos que 58 tipos de técnicas de prompt^[3]. Mas você não precisa decorar as 58. As que realmente servem no uso cotidiano da IA são cerca de 7. Aqui, organizamo-las por nível de dificuldade.

[Básico] ① Instrua com precisão

A técnica mais simples e de maior efeito. Basta acrescentar números, alvo e condições a uma pergunta vaga.

❌ Vago: "ensine formas de aumentar as vendas"

✅ Preciso: "proponha 5 ações para aumentar em 20% o faturamento mensal de uma lanchonete com 10 funcionários, da mais barata para a mais cara. O ticket médio atual é de R$ 30 e o volume mensal de clientes é de cerca de 3.000"

[Básico] ② Especifique o formato de saída

Segundo estudos, há casos em que a presença ou ausência de especificação de formato muda a precisão em até 76 pontos^[1]. Só de acrescentar "em tópicos", "em tabela comparativa" ou "em até ○ caracteres", a resposta fica fácil de usar.

[Básico] ③ Atribua um papel (roleplay)

Só de dizer "você é ○○", vem uma resposta especializada naquela área.

"Você é um gerente de vendas com 10 anos de experiência. Ensine, por ordem de prioridade, as habilidades que um vendedor novato deve adquirir nos primeiros 3 meses."

O ponto é incluir anos de experiência e um cargo concreto. Do que só "você é especialista", "você é um ○○ com ○ anos de experiência" muda a profundidade da resposta.

[Intermediário] ④ Mostre exemplos (Few-shot)

É o método de mostrar à IA 2 a 3 exemplos de entrada/saída antes de fazer o pedido principal. Tem força especial em classificação, conversão e tarefas padronizadas.

Classifique o sentimento das avaliações de produto no formato abaixo.

Avaliação: "Este produto é o melhor!" → Sentimento: positivo
Avaliação: "Foi uma decepção" → Sentimento: negativo
Avaliação: "Dá para usar, normal" → Sentimento: neutro

Avaliação: "A entrega foi rápida, mas veio com um arranhão" → Sentimento:

Há um resultado de pesquisa interessante. Uma análise indica que o efeito do Few-shot depende mais da "diversidade" dos exemplos do que da "correção" deles. Ou seja, mostrar a amplitude dos padrões é mais importante do que preparar exemplos perfeitos^[4].

[Intermediário] ⑤ Faça pensar em etapas (Chain-of-Thought)

Há estudos mostrando que só de acrescentar "pense passo a passo", a precisão em tarefas de raciocínio melhora cerca de 35%^[1]. É especialmente eficaz em problemas de cálculo, lógica e análises complexas.

"Uma maçã custa R$ 3, e uma laranja, R$ 2. Comprando 3 maçãs e 5 laranjas e pagando com uma nota de R$ 50, qual é o troco? Responda mostrando o cálculo passo a passo."

[Avançado] ⑥ Faça-o se autorrevisar

É a técnica de fazer a IA checar de forma crítica a própria resposta. Eficaz em situações que exigem precisão.

(após receber a resposta da IA)
"Verifique de forma crítica se há problemas ou omissões nesta resposta. Se houver erros, corrija-os."

Mas a IA nem sempre encontra 100% dos próprios erros. Pesquisadores apontam a "armadilha da plausibilidade (plausibility trap)": quanto mais plausível a saída da IA parece, mais difícil fica verificá-la^[5]. Em decisões importantes, inclua sempre também a checagem humana.

[Avançado] ⑦ Metaprompt — faça a IA criar o prompt

Depois de se acostumar a escrever prompts, há também o método de fazer a IA criar o próprio prompt.

"Sou um designer web freelancer e quero criar propostas para clientes com eficiência. Crie o melhor prompt possível para atingir esse objetivo."

O truque é não usar o prompt criado pela IA como está, e sim ajustá-lo à sua situação.

Antes / Depois — a mesma pergunta muda tudo

Como só a explicação das técnicas é difícil de sentir na prática, vejamos alguns Antes/Depois concretos. À esquerda, a instrução vaga; à direita, a instrução com condições.

Exemplo 1: criação de e-mail comercial

Antes	Depois
"escreva um e-mail de desculpas" → gera um e-mail genérico e inaproveitável	"escreva um e-mail de desculpas ao gerente Tanaka, do cliente, por um atraso de 3 dias na entrega. A causa foi um problema logístico e a previsão de chegada é na próxima segunda" → um e-mail pronto para enviar na hora

Exemplo 2: brainstorm de ideias de projeto

Antes	Depois
"dê ideias de produtos novos" → proposta vaga, sem saber de qual setor nem que tipo de produto	"proponha 5 produtos de assinatura de alimentos saudáveis para mulheres de 20 a 30 anos, com mensalidade de até R$ 100, incluindo os pontos que os diferenciam dos concorrentes A e B" → ideias que dá para usar direto numa proposta

Exemplo 3: estudo e pesquisa

Antes	Depois
"me ensine machine learning" → vem uma explicação formal e difícil	"explique o funcionamento do machine learning de um jeito que até um adolescente entenda, comparando com uma receita de cozinha. Sem jargão e com 2 exemplos concretos" → vem uma explicação acessível e fácil de entender na hora

O ponto em comum é deixar claro "para quem, o quê, como e em que forma". Quanto mais condições você acrescenta, mais certeira é a resposta da IA.

Erros comuns e como resolvê-los

Apresentamos 5 armadilhas em que quem começa a usar IA costuma cair, e como escapar delas.

❌ Erro 1: instruções vagas demais

"escreva de um jeito bom", "melhore isso" também são instruções difíceis para a IA. Diga concretamente o que e como é "bom". O truque é explicitar critérios: "em tom casual", "inclua 3 números", "em até 300 caracteres".

❌ Erro 2: perguntar tudo de uma vez

"me ensine a montar uma estratégia de marketing, quais ferramentas recomendar e como organizar o orçamento" — assim, a IA tenta cobrir tudo superficialmente e nada fica bem-feito. Cada pergunta deve tratar de um único tema. Fazer a próxima pergunta com base na resposta anterior traz respostas mais profundas.

❌ Erro 3: acreditar cegamente na saída da IA

A IA às vezes erra com toda a confiança (alucinação). Merecem atenção redobrada:

• Números e estatísticas concretos — pergunte a fonte e confirme
• Nomes próprios — nomes de pessoas, empresas e leis exigem verificação
• Informação recente — o conhecimento do modelo tem um prazo
• Direito e tributação — confirme sempre em fontes oficiais

A solução é simples. Crie o hábito de perguntar "me diga a fonte desta informação". Informação para a qual a IA não consegue apresentar fonte é sinal de que precisa ser verificada.

❌ Erro 4: encerrar em uma única troca

"perguntei à IA, mas a resposta foi mais ou menos" → "então a IA não presta". Esse é um padrão de enorme desperdício. Como veremos na próxima seção, o diálogo com a IA pressupõe 2 a 3 idas e voltas.

❌ Erro 5: jogar tudo na mão da IA

A IA é boa em criar rascunhos, organizar informações e divergir ideias. Os humanos são bons na decisão final, na leitura do contexto e no cuidado ético. Combinar os dois é o uso mais eficaz. "A IA faz o rascunho e o humano dá o acabamento" — essa divisão de trabalho é a que mais funciona.

A arte de dialogar com a IA — não termine no primeiro pedido

Mais importante que as técnicas de prompt é a ideia de "acumular diálogo".

Nas pesquisas sobre prompts, estima-se que o feedback iterativo (iteração) melhora a qualidade da saída em 35%^[1]. Em vez de buscar a perfeição na primeira vez, veja a resposta da IA, corrija a direção e pergunte de novo. Esse ciclo eleva a qualidade.

Os 6 formatos de feedback

Para quem não sabe "o que dar de feedback", apresentamos 6 formatos fáceis de usar.

Formato	Exemplo de uso
Correção de rumo	"deixe o estilo mais casual", "está técnico demais, adapte para iniciantes"
Aprofundamento	"explique a terceira ideia com mais detalhe", "adicione os passos concretos"
Condição adicional	"restrinja às ideias de até R$ 10 mil", "limite-se ao mercado local"
Mudança de perspectiva	"repense pela ótica do cliente", "apresente também o contra-argumento"
Checagem de qualidade	"verifique se há erros ou contradições neste conteúdo"
Mudança de formato	"transforme este conteúdo em um e-mail", "reorganize em tabela"

Com 2 a 3 rodadas de feedback, a qualidade da resposta melhora muito. O truque é não buscar a perfeição desde o início.

Do prompt à "engenharia de contexto"

Por fim, vale mencionar a tendência mais recente da técnica de prompt.

Em junho de 2025, o pesquisador de IA Andrej Karpathy afirmou que "os prompts curtos do dia a dia são apenas uma parte ínfima do uso de IA em nível industrial" e propôs o conceito de engenharia de contexto^[6].

É a ideia de projetar de forma adequada não só o prompt (o texto de instrução), mas todo o conjunto de informações entregue à IA — materiais de referência, trocas anteriores, resultados de ferramentas etc. Por exemplo, fazer a IA absorver documentos internos antes de perguntar, ou anexar atas de reuniões passadas antes de pedir um resumo. Explicamos em detalhe em O que é engenharia de contexto. Essa ideia também é importante no vibe coding, em que se delega a implementação à IA, e no desenvolvimento orientado por especificação.

Ainda assim, o básico não muda. Primeiro, pratique os 5 elementos e as 7 técnicas deste capítulo. Só isso já deve transformar a qualidade das respostas da IA de forma impressionante.

Referências

1. Gupta, Aakash. "I Spent a Month Reading 1,500+ Research Papers on Prompt Engineering." Medium, 2025.
2. "Is Prompt Engineering Dead?" Fast Company, May 2025.
3. Schulhoff, Sander et al. "The Prompt Report: A Systematic Survey of Prompting Techniques." arXiv:2406.06608, 2024.
4. Min, Sewon et al. "Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?" arXiv:2202.12837, 2022.
5. Lakera. "Prompt Engineering Guide 2026." lakera.ai, 2026.
6. Karpathy, Andrej. "Context Engineering." X (Twitter), June 2025.

Links relacionados:

• Prompt Engineering Guide — guia abrangente de técnicas de prompt (em inglês)
• Anthropic Prompt Engineering Docs — guia de design de prompt para o Claude

No próximo capítulo, mostramos como aproveitar na prática as técnicas de prompt deste capítulo — usos concretos no trabalho, no estudo e na criação.