Domine a Engenharia de Prompt para ChatGPT: Guia Completo de Estratégias e Técnicas

No mundo fascinante da inteligência artificial (IA), a comunicação eficaz entre humanos e máquinas é a chave para desbloquear todo o potencial das tecnologias emergentes. Uma das ferramentas mais poderosas à nossa disposição é o ChatGPT, um modelo de linguagem desenvolvido pela OpenAI, que tem revolucionado a forma como interagimos com sistemas de IA. Mas, para maximizar a eficácia dessas interações, surge a necessidade de uma habilidade essencial: a engenharia de prompt.

A engenharia de prompt é mais do que apenas fazer perguntas, é uma arte e ciência que envolve a formulação cuidadosa de instruções ou questões destinadas a modelos de linguagem, como o ChatGPT, o Microsoft Copilot e o Google Gemini, por exemplo. O objetivo é otimizar a qualidade, precisão e relevância das respostas. Com a abordagem correta, é possível extrair informações detalhadas, gerar conteúdo criativo, ou até mesmo guiar o modelo para realizar tarefas complexas com uma eficiência surpreendente.

Este artigo é um guia abrangente que desvenda o universo da engenharia de prompt, desde os princípios básicos até técnicas avançadas. Por meio de exemplos práticos e estratégias detalhadas, você aprenderá a comunicar-se de maneira mais efetiva com o ChatGPT, transformando interações simples em diálogos ricos e produtivos. Se você está buscando otimizar suas interações com IA, explorar novas formas de criatividade, ou simplesmente entender melhor como conversar com máquinas, você está no lugar certo.

O Que é Engenharia de Prompt?

A engenharia de prompt é o coração da interação efetiva entre humanos e modelos de linguagem avançados, como o ChatGPT. Ela envolve a criação cuidadosa de instruções ou perguntas para modelos de IA, visando otimizar a qualidade e relevância das respostas. É um componente essencial para extrair o máximo potencial dos modelos linguísticos.

Definição e importância

Engenharia de prompt refere-se ao processo de elaboração cuidadosa de instruções ou perguntas direcionadas a um modelo de linguagem para induzir respostas específicas, informativas e relevantes. Este processo vai além de simplesmente fazer perguntas, trata-se de uma estratégia meticulosa que busca extrair as capacidades plenas do modelo, garantindo que a interação seja tão frutífera quanto possível.

A importância da engenharia de prompt reside na sua capacidade de transformar interações genéricas em conversas significativas e orientadas. Em um mundo onde a IA se torna cada vez mais integrada ao nosso cotidiano, ser capaz de comunicar-se eficazmente com esses sistemas não é apenas uma vantagem, é uma necessidade.

Um prompt é basicamente uma pergunta ou um comando que você faz ao ChatGPT, esperando que ele responda de acordo. Por exemplo, se você quer que o ChatGPT gere um poema sobre o amor, você pode usar um prompt como este:

Prompt
Escreva um poema sobre o amor com quatro versos e rimas.

O ChatGPT pode responder algo como:

Exemplo de resposta
O amor é um sentimento sublime
Que nos faz ver a vida com outro olhar
O amor é uma força que nos anima
E nos ajuda a superar

Mas nem sempre o ChatGPT vai responder exatamente o que você quer. Às vezes, ele pode gerar respostas irrelevantes, incoerentes, contraditórias, ofensivas ou até perigosas. Por isso, é importante usar a engenharia de prompt para criar consultas que sejam claras, específicas, contextuais, criativas e experimentais. E é igualmente importante revisar as respostas.

Princípios básicos da engenharia de prompt

A engenharia de prompt é uma habilidade que requer prática e experimentação. Não há uma fórmula mágica que garanta que o ChatGPT vai gerar a saída perfeita para qualquer prompt. No entanto, existem alguns princípios básicos que podem ajudar a melhorar a qualidade e a relevância das respostas do ChatGPT. São eles:

Clareza e Concisão

A simplicidade leva a respostas mais diretas e úteis. Um dos princípios fundamentais da engenharia de prompt é a clareza. Os prompts devem ser claros e diretos, evitando ambiguidades que possam levar a respostas imprecisas ou fora do contexto. A concisão, por sua vez, ajuda a manter o foco da resposta, evitando divagações desnecessárias.

Por exemplo, se você quer que o ChatGPT faça uma lista com atrações turísticas para uma viagem e ainda forneça dicas para evitar filas, aqui está uma opção:

Prompt
Liste as cinco principais atrações turísticas de Paris, incluindo dicas para evitar filas.

Se você quer que o ChatGPT gere um código em Python que calcule a média de uma lista de números, você pode usar um prompt como este:

Prompt
Escreva um código em Python que receba uma lista de números como entrada e retorne a média aritmética dos números como saída.

O ChatGPT pode responder algo como:

Exemplo de resposta
def average(list):
  sum = 0
  for number in list:
    sum = sum + number
  mean = sum / len(list)
  return mean

Intenção Específica

Definir claramente o objetivo do prompt ajuda a guiar as respostas. O prompt deve ser específico e detalhado, sem deixar margem para interpretações variadas. O ChatGPT pode se desviar do assunto se o prompt for muito abrangente ou superficial.

Por exemplo, se você quer que o ChatGPT gere um resumo de um livro, você pode usar um prompt como este:

Prompt
Escreva um resumo de até 200 palavras do livro "O Pequeno Príncipe" de Antoine de Saint-Exupéry, destacando os principais personagens, cenários e temas.

O ChatGPT pode responder algo como:

Exemplo de resposta
O Pequeno Príncipe é um livro de Antoine de Saint-Exupéry, publicado em 1943, que conta a história de um piloto que cai no deserto do Saara e encontra um menino de outro planeta, o pequeno príncipe. O livro é uma obra-prima da literatura infantil, mas também encanta leitores de todas as idades, por sua mensagem de amor, amizade, responsabilidade e sentido da vida.

O pequeno príncipe vive em um pequeno planeta, o asteroide B-612, onde cuida de uma rosa única e especial. Ele decide viajar pelo universo, visitando outros planetas, onde encontra personagens estranhos e solitários, como um rei, um vaidoso, um bêbado, um acendedor de lampiões, um geógrafo e um comerciante. Em cada planeta, ele aprende uma lição sobre a natureza humana e a sua própria.

No planeta Terra, ele conhece uma raposa, que lhe ensina o significado de cativar e de se despedir. Ele também conhece o piloto, que se torna seu amigo e confidente. Juntos, eles vivem aventuras e reflexões, até que o pequeno príncipe decide voltar para o seu planeta, deixando uma marca indelével no coração do piloto.

Contextualização

Fornecer contexto adequado melhora a precisão das respostas. O prompt deve fornecer o contexto necessário para o ChatGPT entender o propósito e o escopo da consulta. O ChatGPT pode se basear no contexto para gerar respostas mais adequadas e consistentes.

Por exemplo, se você quer que o ChatGPT forneça orientações e dicas sobre como se especializar para poder atuar na área de machine learning, você pode usar um prompt como este:

Prompt
Considerando um profissional de TI com cinco anos de experiência em desenvolvimento de software e um interesse crescente em inteligência artificial, que caminho de carreira você recomendaria para se especializar em machine learning?

O ChatGPT pode responder algo como:

Exemplo de resposta
Para um profissional de TI com cinco anos de experiência em desenvolvimento de software e interesse crescente em inteligência artificial, especializar-se em machine learning pode abrir diversas oportunidades emocionantes. Aqui estão alguns passos que você pode seguir para se especializar nessa área:

1. Aprenda os Fundamentos: Antes de mergulhar profundamente em machine learning, é importante ter uma compreensão sólida dos conceitos fundamentais de matemática, estatística e programação. Isso inclui álgebra linear, cálculo, probabilidade e estatística, bem como habilidades de programação em linguagens como Python e bibliotecas populares como NumPy, Pandas e Matplotlib.

2. Curso Online ou Certificação: Considere fazer cursos online ou obter certificações em machine learning. Plataformas como Coursera, Udacity, edX e Khan Academy oferecem uma variedade de cursos em machine learning ministrados por especialistas da indústria e acadêmicos. Certificações reconhecidas podem ajudá-lo a estabelecer sua credibilidade na área.

3. Estude Machine Learning: Dedique tempo para estudar os princípios e algoritmos de machine learning. Comece com algoritmos básicos de aprendizado supervisionado e não supervisionado, como regressão linear, classificação, árvores de decisão, k-means, etc. Em seguida, avance para técnicas mais avançadas, como redes neurais, aprendizado profundo, processamento de linguagem natural (NLP), e outros.

4. Projetos Práticos: Aplique seus conhecimentos em projetos práticos. Comece com projetos simples e evolua para desafios mais complexos à medida que você ganha experiência. Isso pode incluir problemas de classificação de dados, previsão de séries temporais, reconhecimento de padrões, entre outros. Construir um portfólio de projetos de machine learning demonstrará suas habilidades para potenciais empregadores.

5. Participe de Comunidades: Junte-se a comunidades online de machine learning, como o Kaggle, onde você pode participar de competições, colaborar em projetos e aprender com outros profissionais da área. Além disso, participe de grupos de discussão, fóruns e conferências para se manter atualizado com as últimas tendências e desenvolvimentos em machine learning.

6. Pós-Graduação ou Especialização: Se você estiver interessado em um aprofundamento acadêmico, considere fazer uma pós-graduação em inteligência artificial, aprendizado de máquina ou campos relacionados. Um mestrado ou doutorado em machine learning pode fornecer uma base teórica sólida e oportunidades de pesquisa.

7. Busque Oportunidades Profissionais: Procure oportunidades de trabalho que permitam que você aplique seus conhecimentos em machine learning. Isso pode incluir posições como cientista de dados, engenheiro de machine learning, desenvolvedor de aprendizado de máquina, entre outros. Considere também empresas que estejam investindo em iniciativas de IA e machine learning.

8. Mantenha-se Atualizado: A área de machine learning está em constante evolução, por isso é importante ficar atualizado com as últimas pesquisas, tecnologias e práticas recomendadas. Leia artigos acadêmicos, blogs de especialistas, livros e participe de cursos de atualização para garantir que você esteja sempre na vanguarda do campo.

Seguindo esses passos, você estará no caminho certo para se especializar em machine learning e construir uma carreira emocionante nesse campo em constante crescimento.

Os princípios básicos que acabamos de ver são os principais: clareza e concisão, intenção específica e contextualização. São os mais citados, estudados e aplicados. Mas podemos ir um pouco além. Por isso, apresentamos a seguir mais dois: criatividade e experimentação.

Criatividade

O prompt pode ser criativo e original, sem copiar ou imitar outros prompts. O ChatGPT pode se inspirar no prompt para gerar respostas mais interessantes e divertidas.

Por exemplo, se você quer que o ChatGPT gere um tweet engraçado sobre o clima, você pode usar um prompt como este:

Prompt
Escreva um tweet engraçado sobre o clima, usando um trocadilho ou uma piada.

O ChatGPT pode responder algo como:

Exemplo de resposta
Hoje está tão frio que até o meu café congelou. Agora eu tenho que tomar um café com gelo. #climaruim

Experimentação

O prompt pode ser experimental e variado, sem se limitar a um formato ou estilo. O ChatGPT pode se adaptar ao prompt e gerar respostas diferentes e surpreendentes.

Por exemplo, se você quer que o ChatGPT gere uma história curta sobre um super-herói, você pode usar um prompt como este:

Prompt
Escreva uma história curta sobre um super-herói que tem o poder de controlar o tempo, mas que usa esse poder de forma irresponsável.

O ChatGPT pode responder algo como:

Exemplo de resposta
Ele se chamava Cronos, e era o super-herói mais poderoso do mundo. Ele podia acelerar, desacelerar, parar ou voltar o tempo, conforme a sua vontade. Ele podia salvar vidas, evitar desastres, corrigir erros e fazer o que quisesse, sem se preocupar com as consequências.

Mas ele não usava o seu poder para o bem. Ele usava o seu poder para se divertir, para se vingar, para se aproveitar e para se beneficiar. Ele não se importava com os efeitos colaterais, com as alterações na realidade, com as paradoxos temporais. Ele só se importava consigo mesmo.

Um dia, ele decidiu que queria conhecer a origem do universo. Ele voltou no tempo, cada vez mais, até chegar ao momento do Big Bang. Ele ficou fascinado com a explosão cósmica, e resolveu interferir. Ele tentou parar o tempo, para observar melhor o fenômeno.

Mas ele cometeu um grande erro. Ele não sabia que o tempo era uma dimensão inseparável do espaço, da matéria e da energia. Ao tentar parar o tempo, ele parou tudo o que existia. Ele criou um ponto de singularidade, onde todas as leis da física deixaram de valer.

Ele ficou preso nesse ponto, sem poder se mover, sem poder pensar, sem poder sentir. Ele ficou condenado a uma eternidade de solidão e sofrimento. Ele se arrependeu de tudo o que fez, mas era tarde demais. Ele não podia mais voltar atrás.

Ele era o super-herói mais poderoso do mundo, mas também era o maior vilão. Ele era o responsável pelo fim do universo, e pelo seu próprio inferno.

Tom, Estilo e Extensão na engenharia de prompt

Ao interagir com um modelo de linguagem baseado em inteligência artificial, não são apenas as palavras escolhidas que moldam a resposta recebida, mas também o tom, o estilo e a extensão incluídos implícita ou explicitamente no prompt.

Cada um desses elementos desempenha um papel crucial em direcionar a natureza da interação, influenciando desde a formalidade da resposta até a profundidade da análise fornecida. Explorar como esses aspectos influenciam a resposta da IA pode aprimorar significativamente a eficácia da engenharia de prompt.

Tom

O tom usado ou solicitado em um prompt refere-se à sua qualidade ou sentimento expresso, variando de formal a informal, de sério a brincalhão. O tom selecionado deve refletir o tipo de resposta desejada e o público-alvo. Alguns exemplos são:

  • Formal: Utilizado em contextos profissionais ou acadêmicos, onde a precisão e a seriedade são primordiais.
  • Informal: Mais adequado para conversas casuais ou quando se deseja criar uma sensação de proximidade com o usuário.
  • Profissional: O tom profissional é marcado por uma comunicação formal e direta, com foco na clareza e na precisão. É adequado para contextos de negócios, correspondências oficiais e discussões acadêmicas, onde a seriedade e o respeito são primordiais.
  • Amigável: Um tom amigável é caracterizado por uma abordagem calorosa e acolhedora, frequentemente utilizando linguagem casual e expressões que promovem proximidade. É ideal para conversas informais, suporte ao cliente e qualquer situação em que se deseja criar uma conexão pessoal.
  • Entusiasmado: O tom entusiasmado transmite energia e positividade, mostrando empolgação sobre o tópico ou situação. É eficaz para motivar o receptor, compartilhar boas notícias ou simplesmente animar o conteúdo apresentado.
  • Empático: Um tom empático demonstra compreensão e sensibilidade em relação aos sentimentos ou situações do receptor. É essencial em contextos de suporte emocional, resolução de conflitos e sempre que é importante mostrar cuidado e consideração.
  • Instrucional: O tom instrucional é utilizado para fornecer orientações ou instruções claras. É objetivo e direto, ideal para tutoriais, manuais de usuário e qualquer conteúdo educativo que exija passos claros a serem seguidos.
  • Tranquilizador: Um tom tranquilizador visa acalmar e oferecer segurança ao receptor, especialmente em situações de incerteza ou ansiedade. É útil para mitigar preocupações, fornecer suporte em crises ou quando se deseja reforçar a confiança em uma informação ou plano.
  • Inspirador: O tom inspirador é empregado para motivar e encorajar o receptor, muitas vezes apelando para suas aspirações e desejos. É efetivo para discursos motivacionais, conteúdo de desenvolvimento pessoal e em situações onde se deseja impulsionar a ação positiva.

Exemplo Prático 1: Solicitar uma explicação sobre um conceito de física quântica.

  • Formal: “Poderia elucidar os princípios fundamentais da física quântica, enfatizando suas implicações teóricas e experimentais?”
  • Informal: “Você pode me explicar como funciona essa coisa toda de física quântica? Tipo, o básico para começar a entender?”

Exemplo Prático 2: Informando explicitamente em que tom deve ser a resposta.

  • Formal: “Em um tom formal, por favor, explique as consequências econômicas da mudança climática global para as economias emergentes.”
  • Informal: “De maneira informal, me conta como a inteligência artificial está mudando o jeito que a gente faz compras on-line.”
  • Empático: Em um tom empático, descreva como alguém pode se sentir ao aprender uma nova habilidade e ofereça palavras de encorajamento para superar as dificuldades iniciais.
  • Instrucional: Use um tom instrucional para guiar alguém no processo de preparação de um café da manhã saudável e equilibrado.
  • Inspirador: Em um tom inspirador, motive alguém a iniciar uma jornada de cuidado pessoal, destacando os benefícios de dedicar tempo para si mesmo.

Estilo

O estilo diz respeito à escolha de linguagem e à forma como desejamos que a resposta seja estruturada, podendo ser narrativo, expositivo, descritivo, persuasivo e muitos outros. Alguns exemplos são:

  • Narrativo: Este estilo é caracterizado pela contação de histórias, com foco em personagens, configurações e tramas. O objetivo é envolver o leitor através de uma narrativa coesa, frequentemente incorporando elementos como diálogos, descrições detalhadas e desenvolvimento de personagens. É amplamente utilizado em literatura, jornalismo e até mesmo em contextos acadêmicos para ilustrar pontos de vista ou explorar cenários hipotéticos.
  • Expositivo: Focado na explicação ou informação sobre um tópico específico, o estilo expositivo visa apresentar fatos, estatísticas e argumentos de maneira clara e lógica. Diferentemente do narrativo, que se constrói em torno de uma história, o expositivo é mais direto, buscando educar ou elucidar o leitor sobre um assunto. É comum em textos didáticos, artigos científicos e guias práticos.
  • Descritivo: O estilo descritivo tem como objetivo criar uma imagem vívida na mente do leitor, utilizando palavras para detalhar cenários, objetos, pessoas ou sentimentos. A ênfase está em pintar um quadro através do uso rico e sensorial da linguagem, permitindo que o leitor “veja” o que está sendo descrito. Este estilo é frequentemente empregado em trabalhos literários, poesia e em peças de marketing que buscam evocar uma resposta emocional.
  • Persuasivo: Este estilo visa convencer o leitor a aceitar um ponto de vista específico ou a tomar uma ação desejada. Utiliza argumentos lógicos, apelos emocionais e evidências, como dados ou citações, para influenciar a opinião ou comportamento do leitor. O estilo persuasivo é fundamental em discursos, publicidade, propostas de negócios e ensaios de opinião, onde o objetivo é mudar a percepção ou a atitude do público.
  • Analítico: Este estilo foca na decomposição de informações ou conceitos complexos em partes menores para uma análise detalhada. É comum em análises literárias, críticas de filmes e pesquisas científicas.
  • Crítico: Utilizado para avaliar obras, ideias ou argumentos, destacando pontos fortes e fracos. A escrita crítica é essencial em resenhas e ensaios críticos.
  • Informativo: Semelhante ao expositivo, mas com ênfase em fornecer informações claras e factuais sobre um tópico, sem necessariamente explicar ou argumentar. É comum em manuais de instruções e relatórios.
  • Reflexivo: Este estilo envolve a exploração pessoal de experiências, ideias ou eventos, frequentemente usado em diários, blogs e ensaios reflexivos.

Exemplo Prático: Pedir ao ChatGPT para escrever sobre a importância da sustentabilidade ambiental.

  • Narrativo: “Conte a história de uma cidade que transformou completamente sua abordagem em relação à sustentabilidade ambiental e as mudanças positivas que ocorreram.”
  • Expositivo: “Descreva os princípios da sustentabilidade ambiental e sua importância para o futuro do planeta.”

Extensão

A extensão ou tamanho esperado para o resultado pode ser solicitado no prompt, podendo variar de uma única palavra ou frase a um texto longo e muito detalhado, afetando a profundidade e a abrangência da resposta.

  • Curto: Pode ser uma única pergunta ou solicitação, gerando respostas diretas.
  • Longo: Fornece contexto detalhado ou múltiplas questões, levando a respostas mais elaboradas e informativas.

Exemplo Prático: Pedir uma análise das tendências atuais em tecnologia de inteligência artificial.

  • Curto: “Quais são as principais tendências em IA hoje?”
  • Longo: “Considerando o rápido desenvolvimento tecnológico e a integração crescente da inteligência artificial em diversos setores, gostaria de uma análise detalhada sobre as principais tendências atuais em IA, incluindo aplicações emergentes e implicações éticas.”

O tamanho também pode ser determinado por parágrafos, palavras ou tokens, por exemplo. Cada um oferecendo diferentes graus de controle sobre o volume da resposta.

Extensão usando Parágrafos e Palavras

Especificar o número de parágrafos ou a contagem de palavras são métodos diretos para definir a extensão desejada para uma resposta. Essas especificações ajudam a garantir que a resposta atenda às expectativas de detalhamento e extensão, seja para um resumo conciso ou para uma exploração aprofundada de um tema.

  • Exemplo de Parágrafos: “Escreva um resumo sobre a história da inteligência artificial em 3 parágrafos.”
  • Exemplo de Palavras: “Desenvolva um artigo de 1000 palavras sobre os impactos da mudança climática na biodiversidade global.”
Extensão usando Tokens

Tokens são unidades básicas de texto processadas por modelos de linguagem como o ChatGPT. Um token pode ser uma palavra, parte de uma palavra ou até mesmo pontuação. Especificar o número de tokens permite um controle mais granular sobre o tamanho da resposta, útil para ajustar a extensão da saída do modelo em cenários onde o número exato de palavras ou parágrafos é menos importante do que a carga de informação.

Em geral, o ChatGPT pode tratar uma palavra como um token, mas palavras mais longas ou termos técnicos podem ser divididos em múltiplos tokens. Por exemplo, “ChatGPT” pode ser um token, enquanto “inteligência artificial” pode ser contado como dois tokens (“inteligência” e “artificial”).

  • Exemplo Numérico com Tokens: “Forneça uma explicação sobre a teoria da relatividade utilizando exatamente 50 tokens.”

Ao solicitar respostas do ChatGPT, incorporar especificações numéricas sobre a extensão desejada — seja em parágrafos, palavras ou tokens — não apenas ajuda a moldar a profundidade da exploração do tema, mas também garante que as respostas se alinhem melhor com os requisitos de espaço ou atenção disponíveis.

Ao compreender e manipular adequadamente o tom, o estilo e a extensão dos prompts, é possível guiar o ChatGPT para produzir respostas que não apenas atendam às necessidades informativas, mas também se alinhem com a abordagem desejada e o público-alvo. Essa flexibilidade na engenharia de prompt abre um leque de possibilidades para explorar temas de forma criativa e eficaz.

Papéis e Funções Usando a Técnica “Atue Como”

A técnica “Atue Como” é um método valioso para direcionar as respostas de um modelo de linguagem. Ela consiste em solicitar que o modelo simule a perspectiva ou o comportamento de uma entidade específica, como um especialista em uma área determinada.

Ao aplicar essa técnica, o usuário instrui o modelo a adotar uma voz, um conjunto de conhecimentos e uma postura característica da figura ou do papel mencionado. Por exemplo, podemos dizer: “Atue como um especialista em marketing”. Isso molda a resposta de acordo com a expertise, o estilo de comunicação e o ponto de vista esperado dessa persona.

A utilização da técnica “Atue Como” em prompts de IA é relativamente simples, mas pode gerar resultados altamente personalizados e relevantes. Temos um artigo aqui no blog, focado exclusivamente neste técnica e bem detalhado: Domine a Técnica “Atue Como Um Especialista” em Prompts de IA. Em resumo, funciona assim:

  1. Identifique o Papel ou Persona: Comece definindo claramente o papel ou a figura que você deseja que o modelo assuma. Pode ser um especialista em finanças, um professor de matemática ou até mesmo um poeta.
  2. Formule o Prompt Adequado: Crie um prompt específico que direcione o modelo a atuar como essa persona. Por exemplo: “Atue como um chef de cozinha e explique os princípios básicos da culinária francesa.”
  3. Aprecie a Resposta Personalizada: Ao receber a resposta, você verá que ela reflete a perspectiva e o conhecimento do papel escolhido. Isso permite obter informações ou conselhos alinhados com a experiência típica dessa figura.

Fórmulas e Estruturas de Prompts

Na arte da engenharia de prompt, especialmente ao interagir com modelos avançados de linguagem como o ChatGPT, a clareza, precisão e intencionalidade na formulação de prompts são fundamentais para obter respostas úteis e relevantes. Uma forma poderosa de aprimorar a qualidade das interações com esses modelos de IA é através do uso de fórmulas ou estruturas de prompts. Estas estruturas funcionam como esqueletos ou moldes que guiam a construção de prompts, assegurando que todos os elementos necessários para uma comunicação eficaz estejam presentes e bem organizados.

As fórmulas e estruturas de prompts ajudam a sistematizar o processo de engenharia de prompt, tornando-o mais acessível, especialmente para aqueles que estão dando os primeiros passos nesse campo. Elas também servem como ferramentas valiosas para usuários experientes, oferecendo um meio de refinar e experimentar com diferentes abordagens de comunicação. Ao empregar essas estruturas, podemos melhorar significativamente a precisão das respostas do ChatGPT, além de explorar mais profundamente suas capacidades de entendimento e geração de conteúdo.

Nesta seção, daremos destaque a quatro estratégias fundamentais de engenharia de prompt: RTF, CTF, PECRA e RISE. Essas estruturas foram escolhidas pela sua eficácia comprovada e pela capacidade de oferecer abordagens distintas e eficientes na criação de prompts, cobrindo desde a definição precisa de papéis, tarefas e formatos, até a elaboração detalhada de contextos, objetivos e ações necessárias. Elas representam apenas o início de um vasto leque de possibilidades para aprimorar suas interações com o ChatGPT, abrindo caminhos para uma comunicação mais clara, objetiva e frutífera.

Para aqueles interessados em explorar ainda mais a diversidade e a profundidade das estratégias disponíveis na engenharia de prompts, convidamos a ler nosso artigo exclusivo dedicado inteiramente às fórmulas e estruturas de prompts. Nele, mergulhamos em uma variedade adicional de métodos, cada um oferecendo perspectivas únicas e valiosas para aprimorar suas solicitações e obter respostas ainda mais relevantes e personalizadas.

RTF: Papel, Tarefa, Formato

A estrutura RTF (Role, Task, Format) é uma abordagem eficaz para a criação de prompts claros e direcionados, estabelecendo um framework que define o papel do solicitante, a tarefa específica a ser realizada e o formato desejado para a resposta. Essa estrutura ajuda a guiar o modelo de linguagem, como o ChatGPT, a produzir saídas mais alinhadas com as expectativas do usuário, seja em termos de conteúdo ou de apresentação.

Exemplo prático de RTF:

Prompt
Como um especialista em finanças (Papel), analise as tendências atuais do mercado de ações (Tarefa) e apresente suas conclusões em uma lista de pontos-chave (Formato).

O ChatGPT pode responder algo como:

Exemplo de resposta
1. Volatilidade do Mercado: O mercado de ações tem mostrado uma volatilidade significativa, influenciada por fatores econômicos globais e incertezas políticas.

2. Tecnologia em Alta: As ações de empresas de tecnologia continuam a demonstrar forte crescimento, impulsionadas pela aceleração digital.

3. Sustentabilidade como Foco: Há uma tendência crescente de investimento em empresas com práticas sustentáveis, refletindo uma mudança nos valores dos investidores.

Este exemplo demonstra como a estrutura RTF pode ser empregada para obter uma análise específica do ChatGPT, direcionando o modelo para focar no papel de um especialista em finanças, realizar uma tarefa de análise de mercado e formatar a resposta de maneira acessível e informativa.

CTF: Contexto, Tarefa, Formato

A estrutura CTF (Context, Task, Format) é uma poderosa ferramenta na engenharia de prompt, permitindo que os usuários estabeleçam claramente o cenário em que a interação ocorre, a ação específica esperada do ChatGPT e o modo como a resposta deve ser estruturada. Esta abordagem facilita a criação de prompts que são ao mesmo tempo precisos em suas solicitações e específicos quanto ao resultado desejado, otimizando a eficácia da resposta obtida.

Exemplo prático de CTF:

Prompt
Dado o contexto atual de crescente interesse em práticas de sustentabilidade (Contexto), elabore um guia prático para empresas que desejam implementar medidas ambientalmente sustentáveis em suas operações (Tarefa), organizando as informações em tópicos com subtítulos para cada medida sugerida (Formato).

O ChatGPT pode responder algo como:

Exemplo de resposta
•	Introdução à Sustentabilidade Empresarial: Breve visão geral sobre a importância de adotar práticas sustentáveis.

•	Redução de Resíduos: Estratégias para minimizar a produção de resíduos, incluindo reciclagem e compostagem.

•	Eficiência Energética: Medidas para melhorar o uso de energia, como a instalação de sistemas de energia renovável e a atualização para equipamentos de baixo consumo.

•	Cadeia de Suprimentos Sustentável: Dicas para escolher fornecedores que adotam práticas ambientalmente responsáveis.

Este exemplo ilustra como a estrutura CTF pode ser utilizada para solicitar um guia detalhado e bem organizado sobre um tema específico, com o ChatGPT gerando um conteúdo que não apenas atende à tarefa designada, mas também segue o formato requerido, facilitando a compreensão e aplicação das informações.

PECRA: Propósito, Expectativa, Contexto, Pedido, Ação

A estrutura PECRA (Purpose, Expectation, Context, Request, Action) é uma ferramenta detalhada para desenhar prompts que orientam o ChatGPT a entregar respostas que não só atendam a uma solicitação específica, mas que também estejam alinhadas com o propósito e as expectativas do usuário. Este método é particularmente útil para garantir que todas as nuances de uma solicitação sejam abordadas, oferecendo um caminho claro para respostas mais precisas e informativas.

Exemplo prático de PECRA:

Prompt
Considerando o crescente interesse em hábitos de vida sustentáveis (Contexto), crie um guia introdutório (Pedido) destinado a indivíduos que desejam começar a adotar práticas mais sustentáveis em seu cotidiano (Propósito). O guia deve oferecer sugestões práticas e acessíveis (Expectativa), organizadas em seções que abordem diferentes aspectos da vida cotidiana, como alimentação, transporte e consumo (Ação)

O ChatGPT pode responder algo como:

O guia introdutório começaria com uma visão geral sobre a importância da sustentabilidade, seguida por seções dedicadas a:

  1. Alimentação Sustentável: Dicas para escolher produtos locais e da estação, e como reduzir o desperdício de alimentos.
  2. Transporte Verde: Alternativas mais sustentáveis ao uso de carros particulares, como bicicletas, transporte público e caronas.
  3. Consumo Consciente: Estratégias para reduzir o consumo de produtos de uso único e optar por opções reutilizáveis ou recicláveis.

Este exemplo ilustra como a estrutura PECRA pode ser utilizada para formular um prompt complexo, guiando o ChatGPT na criação de um conteúdo que não apenas atenda a uma necessidade específica de informação, mas que também seja estruturado de maneira a refletir um propósito claro e satisfazer expectativas definidas.

RISE: Papel, Entrada, Etapas, Expectativa

A estrutura RISE (Role, Input, Steps, Expectation) é uma metodologia projetada para orientar a formulação de prompts de maneira que delineie claramente o papel do solicitante, as informações ou entradas necessárias para a tarefa, as etapas específicas para a realização da tarefa e as expectativas quanto ao resultado. Essa abordagem estruturada é ideal para situações que requerem instruções detalhadas ou para processos que envolvem vários passos.

Exemplo prático de RISE:

Prompt
Como um consultor de saúde e bem-estar (Papel), utilizando as informações mais recentes sobre nutrição e exercícios físicos (Entrada), desenvolva um plano de 4 semanas para melhorar o estilo de vida de alguém que está começando a se exercitar (Tarefa). O plano deve incluir recomendações dietéticas semanais e um cronograma de exercícios progressivo (Etapas), com o objetivo de aumentar a energia, melhorar o sono e reduzir o estresse (Expectativa).

O ChatGPT pode responder algo como:

Um plano detalhado começando com a introdução aos princípios básicos de nutrição e exercício, seguido por:

  1. Semana 1: Foco em hidratação e exercícios de baixo impacto para construir o hábito.
  2. Semana 2: Introdução de uma dieta balanceada com ênfase em vegetais e proteínas magras, combinada com exercícios moderados.
  3. Semana 3: Aumento da intensidade dos exercícios e introdução de técnicas de mindfulness para redução do estresse.
  4. Semana 4: Avaliação dos progressos, ajustes na dieta conforme necessário e incremento na intensidade dos exercícios para promover melhorias contínuas em energia, sono e gestão do estresse.

Este exemplo mostra como a estrutura RISE pode ser aplicada para criar um prompt detalhado e orientado à ação, permitindo que o ChatGPT desenvolva um plano de melhoria do estilo de vida que é tanto informativo quanto prático, alinhado com as entradas fornecidas e as expectativas estabelecidas.

Lembrete antes de avançarmos: temos um artigo exclusivo sobre fórmulas e estruturas de prompts que abordam bem mais que esses 4 exemplos, entre eles: TREF, CREATE, CREO, PAIN, GRADE, ROSES, RDIREC, RSCET, RASCEF, APE, TAG, ERA, RACE, COAST e SPARK.

Técnicas Intermediárias e Avançadas de Engenharia de Prompt

Na engenharia de prompt, especialmente ao trabalhar com modelos de linguagem avançados como o ChatGPT, a adoção de técnicas avançadas pode significativamente enriquecer a qualidade e a precisão das respostas obtidas. Estas técnicas, que vão além das abordagens básicas de formulação de perguntas, permitem uma interação mais sofisticada e adaptada, capaz de explorar profundamente os recursos do modelo e gerar saídas mais alinhadas com as necessidades específicas do usuário.

A seguir, exploraremos algumas dessas técnicas avançadas, incluindo padrões de prompt, cadeias de pensamento, prompts aninhados, uso de metadados, além de prompts de reformulação e feedback, oferecendo exemplos práticos para ilustrar como cada uma pode ser aplicada.

Modelos de Prompt Reutilizáveis

Modelos de prompt reutilizáveis referem-se ao uso estratégico de formatos ou estruturas repetitivas que orientam o modelo a responder de maneira específica. Esses padrões podem ser especialmente úteis para manter a consistência em respostas a uma série de perguntas relacionadas ou para treinar o modelo a reconhecer um formato desejado de resposta.

Exemplo Prático: Solicitar ao ChatGPT que crie títulos para uma série de blog posts sobre tecnologia.

  • Modelo de Prompt: “Crie um título atraente para um blog post sobre [tema]: [tema específico].”
  • Aplicação:
    • Tema 1: “Crie um título atraente para um blog post sobre tecnologia: Tendências em IA para 2024.”
    • Tema 2: “Crie um título atraente para um blog post sobre tecnologia: O futuro dos veículos autônomos.”

Cadeias de Pensamento

Cadeias de pensamento são uma técnica onde o prompt encoraja o modelo a “pensar em voz alta”, detalhando o processo lógico ou as etapas de raciocínio que levam a uma conclusão. Isso não apenas proporciona insights sobre como o modelo chega a suas respostas, mas também ajuda a criar respostas mais detalhadas e fundamentadas.

Exemplo Prático: Explorar o impacto do aprendizado de máquina na medicina.

  • Prompt: “Explique, passo a passo, como o aprendizado de máquina está transformando o diagnóstico médico.”

Prompts Aninhados

Prompts aninhados envolvem a incorporação de múltiplas solicitações ou questões dentro de um único prompt, permitindo que o modelo aborde uma sequência de tópicos relacionados de maneira estruturada. Isso pode ser particularmente útil para explorar um tema complexo em profundidade.

Exemplo Prático: Investigar a relação entre dieta e saúde mental.

  • Prompt: “Primeiro, descreva como uma dieta balanceada influencia o bem-estar mental. Em seguida, forneça exemplos de alimentos que promovem uma boa saúde mental.”

Metadados

O uso de metadados em prompts refere-se à inclusão de informações adicionais ou contextuais que ajudam o modelo a entender melhor a natureza da solicitação ou o formato desejado da resposta. Isso pode variar desde a especificação do tom ou estilo até a definição de critérios para a estruturação da informação.

Exemplo Prático: Solicitar um resumo de um artigo científico.

  • Prompt com Metadados: “Em um tom acadêmico, resuma o artigo científico intitulado ‘Efeitos do Aquecimento Global nos Ecossistemas Marinhos’, focando nos principais achados e conclusões.”

Prompts de Reformulação e Feedback

Prompts de reformulação e feedback são utilizados para refinar ou ajustar respostas anteriores, solicitando ao modelo que considere críticas ou sugestões e aplique-as para melhorar a resposta. Essa técnica encoraja um processo iterativo de aprimoramento.

Exemplo Prático: Aperfeiçoar uma explicação sobre blockchain.

  • Prompt Inicial: “Explique o que é blockchain e como funciona.”
  • Feedback: “Sua explicação foi boa, mas pode torná-la mais acessível para leigos? Foque em analogias simples para explicar a tecnologia blockchain.”

Pergunte Antes de Responder

A técnica “Pergunte Antes de Responder” é uma estratégia na engenharia de prompt que consiste em solicitar que o ChatGPT faça perguntas específicas antes de fornecer uma resposta. Isso tem o propósito de esclarecer a intenção do usuário, garantir que todas as informações necessárias estejam presentes e, assim, produzir respostas mais precisas e alinhadas com as expectativas.

Exemplo Prático: Suponha que você deseja informações detalhadas sobre a implementação de redes neurais em projetos de inteligência artificial. Um prompt direto poderia ser: “Explique como implementar redes neurais em projetos de IA”. No entanto, usando a técnica “Pergunte Antes de Responder”, o prompt se transforma em uma instrução para o ChatGPT elaborar questões clarificadoras antes de oferecer a explicação:

  • Prompt Inicial: “Antes de explicar a implementação de redes neurais em projetos de IA, quais informações específicas você precisa saber para fornecer uma resposta detalhada e precisa?”
  • Perguntas do ChatGPT:
    • “Você está buscando informações sobre a arquitetura de redes neurais específicas para algum tipo de aplicação?”
    • “Existe algum framework de desenvolvimento de preferência para a implementação?”
    • “Qual o nível de experiência do público-alvo com inteligência artificial e redes neurais?”
  • Resposta com Base nas Perguntas: Com base nas respostas a essas perguntas, o ChatGPT pode então fornecer uma explicação mais direcionada e útil, cobrindo aspectos específicos da implementação de redes neurais, recomendando frameworks adequados e ajustando a complexidade da explicação conforme o nível de experiência do público-alvo.

Esta abordagem promove uma interação mais dinâmica e eficiente, permitindo que o modelo ajuste sua resposta com base em um entendimento mais profundo das necessidades do usuário. Além disso, ajuda a evitar mal-entendidos e a otimizar o tempo, fornecendo informações que são verdadeiramente relevantes e valiosas para o solicitante.

Essas técnicas de engenharia de prompt abrem novas possibilidades para interações com o ChatGPT, permitindo solicitações mais complexas e respostas mais refinadas. Ao dominar essas abordagens, os usuários podem maximizar o potencial dos modelos de linguagem para uma ampla gama de aplicações.

Combinando Elementos na Engenharia de Prompt

Na arte da engenharia de prompt, a chave para criar interações ricas e eficazes com o ChatGPT reside na combinação estratégica de diferentes elementos como princípios, estruturas, tons, estilos, extensões e técnicas avançadas. Ao integrar esses componentes, é possível moldar prompts que não apenas comunicam a solicitação de forma clara, mas também orientam o modelo para gerar respostas que se alinham precisamente com as necessidades específicas, o contexto e os objetivos do usuário.

Integrando Elementos para Prompts Eficazes

Cada elemento traz sua própria contribuição única para a formulação do prompt:

  • Princípios estabelecem a base para interações claras e objetivas.
  • Estruturas oferecem um esqueleto para organizar a solicitação.
  • Tons ajustam a abordagem emocional ou formal da resposta.
  • Estilos direcionam a maneira como a informação é apresentada.
  • Extensões definem o tamanho detalhado da resposta esperada.
  • Técnicas avançadas permitem explorações mais profundas ou formatos específicos de resposta.

Ao combinar esses elementos de maneira deliberada, os usuários podem criar prompts que não apenas especificam o que desejam saber ou fazer, mas também como querem que a informação seja entregue, refletindo considerações como profundidade de análise, tom emocional ou formalidade, e adequação ao público-alvo ou ao meio de comunicação.

Exemplo Prático 1: Solicitar uma análise do mercado de ações

  • Princípio: Clareza e especificidade
  • Estrutura: PECRA
  • Tom: Profissional
  • Estilo: Analítico
  • Extensão: “Escreva um resumo de 500 palavras”
  • Técnica: Metadados para especificar tópicos de interesse

Prompt Combinado: “Em um tom profissional e utilizando uma abordagem analítica, faça uma análise detalhada do atual mercado de ações, focando nos setores de tecnologia e saúde. Utilize a estrutura PECRA para organizar seu resumo, que deve ter aproximadamente 500 palavras, incluindo metadados sobre tendências de preço, volume de negociação e projeções futuras.”

Exemplo Prático 2: Criar um guia para iniciantes em jardinagem

  • Princípio: Instrução passo a passo
  • Estrutura: RISE
  • Tom: Amigável
  • Estilo: Instrucional
  • Extensão: “Elabore um guia com 3 parágrafos”
  • Técnica: Cadeias de pensamento para explicar o “porquê” por trás de cada passo

Prompt Combinado: “Com um tom amigável e um estilo instrucional, crie um guia passo a passo para iniciantes em jardinagem, utilizando a estrutura RISE. O guia deve ser composto por 3 parágrafos, cobrindo a seleção de plantas, o preparo do solo e a rotina de cuidados básicos, incluindo cadeias de pensamento para explicar a importância de cada etapa.”

Ao integrar esses elementos de forma coerente, é possível criar prompts que orientam o ChatGPT a produzir respostas altamente relevantes, informativas e engajadoras, maximizando o potencial do modelo para atender a uma ampla variedade de solicitações de forma personalizada.

Artigos Complementares

Este artigo ficou imenso e trouxe uma grande quantidade de informações relevantes, mas acredite, é apenas a ponta do iceberg. Estou planejando diversos outros artigos complementares e relacionados, que listarei abaixo, e vou incluindo a medida que forem sendo publicados:

Perguntas Frequentes

O que é engenharia de prompt?

Engenharia de prompt é a prática de projetar perguntas ou comandos de forma estratégica para interagir com modelos de linguagem, como o ChatGPT, com o objetivo de otimizar a qualidade e a relevância das respostas.

Por que a engenharia de prompt é importante?

Ela é essencial para guiar o modelo de linguagem a entender melhor o contexto e as necessidades específicas do usuário, resultando em respostas mais precisas, informativas e úteis.

Como posso melhorar minhas habilidades em engenharia de prompt?

Pratique formulando prompts variados, analise as respostas do modelo para entender como ele interpreta diferentes tipos de perguntas e ajuste seus prompts com base nessa análise.

Existem ferramentas ou recursos para ajudar na engenharia de prompt?

Sim, existem comunidades online, tutoriais e documentações específicas sobre modelos de linguagem que oferecem dicas, estratégias e melhores práticas em engenharia de prompt.

A engenharia de prompt pode ser usada para qualquer tipo de pergunta?

Sim, mas sua eficácia pode variar dependendo do tipo de informação solicitada e do quão bem o prompt é estruturado para guiar o modelo de linguagem a fornecer a resposta desejada.

As técnicas de engenharia de prompt discutidas neste artigo são exclusivas para o ChatGPT?

Não, as técnicas de engenharia de prompt apresentadas são fundamentadas em princípios gerais de interação com modelos de linguagem e, portanto, podem ser adaptadas e aplicadas a outras inteligências artificiais, como o Microsoft Copilot, Google Gemini, e além. Embora cada IA tenha suas particularidades e otimizações específicas, a essência da engenharia de prompt – projetar perguntas ou comandos de forma a obter respostas mais precisas e úteis – é universalmente relevante. Ajustes específicos podem ser necessários para alinhar com as capacidades e limitações de cada modelo, mas a abordagem estratégica na formulação de prompts é amplamente aplicável.

Conclusão

A engenharia de prompt é uma habilidade essencial para aproveitar todo o potencial do ChatGPT e outros modelos de linguagem de grande porte (LLMs), que podem ter aplicações diversas e disruptivas em vários campos e setores. A engenharia de prompt envolve a criação de instruções ou consultas em linguagem natural que orientam o ChatGPT a gerar a saída desejada, usando princípios, fórmulas e estruturas, técnicas e elementos que podem melhorar a qualidade e a relevância das respostas do modelo.

A engenharia de prompt não é apenas uma habilidade técnica, é uma ponte entre a criatividade humana e o poder computacional da inteligência artificial. Compreendemos que, ao dominar a arte de formular prompts eficazes, somos capazes de comunicar-nos de maneira mais profunda e significativa com modelos de linguagem avançados, desbloqueando assim novos horizontes de criatividade, eficiência e descoberta.