Engenharia de prompt: pare de conversar com a IA e comece a estruturar resultados

1. O que é engenharia de prompt
2. Por que isso importa para a empresa
3. A fórmula de um bom prompt
4. O mesmo pedido, malfeito e bem-feito
5. Os princípios que mudam o resultado
6. As 9 técnicas de engenharia de prompt
7. Qual técnica usar em cada situação
8. Biblioteca de prompts prontos para copiar
9. Um prompt de partida por cargo
10. Os erros mais comuns
11. Perguntas frequentes

O que é engenharia de prompt

Usar um modelo de IA avançado sem estruturar o pedido é como ter uma Ferrari e dirigir sempre em primeira marcha. Você gasta muito combustível, em tempo e em tokens, e nunca chega na performance máxima.

A boa notícia: a técnica é a mesma em qualquer modelo. Aprendeu uma vez, vale para ChatGPT, Claude, Gemini ou Copilot.

Por que isso importa para a empresa

Prompt bom não é detalhe de quem gosta de tecnologia. É o que separa a IA que economiza horas da IA que gera retrabalho. Na prática, um prompt bem estruturado:

• Gera respostas mais precisas, com menos ida e volta.
• Reduz invenções, o erro que mais custa caro, porque parece certo.
• Extrai informação relevante de documentos longos sem perder o ponto principal.
• Resolve problemas complexos quebrando em etapas que a IA consegue seguir.
• Padroniza a entrega, para o time inteiro chegar no mesmo nível de qualidade.

O ciclo de refinamento

Ninguém acerta o prompt perfeito de primeira. Quem tira o melhor da IA segue um ciclo: entender a tarefa → escrever o prompt → ver o resultado → ajustar o pedido → repetir. Cada volta deixa o prompt mais preciso, e o prompt que funcionou vira um modelo reutilizável.

A fórmula de um bom prompt

Quanto mais você diz quem o modelo deve ser, o que fazer, em que contexto e em que formato, melhor a resposta. Pedido vago gera resposta vaga, em qualquer modelo.

O mesmo pedido, malfeito e bem-feito

Os princípios que mudam o resultado

Quatro cuidados que quase ninguém tem

• A ordem importa. Coloque a instrução principal no início ou no fim do prompt, não perdida no meio.
• Separe instrução de conteúdo. Use delimitadores como """ ou ### para a IA saber onde está o texto a ser analisado.
• Diga o que fazer, não só o que evitar. "Escreva em frases curtas" funciona melhor que "não escreva frases longas".
• Bloqueie a invenção. Em qualquer pedido que vira decisão, termine com: "use só o que está no material; se faltar informação, diga que faltou em vez de supor".

As 9 técnicas de engenharia de prompt

Algumas técnicas usam um único prompt, outras combinam vários, e algumas conectam a IA a fontes externas. Não precisa decorar todas. Precisa saber qual chamar para cada problema.

1. Zero-shot: pedir sem dar exemplo

Você descreve a tarefa e a IA executa direto. É o jeito como a maioria das pessoas usa a IA. Funciona bem em tarefas simples e conhecidas, como traduzir, resumir ou classificar um texto curto.

Classifique o sentimento deste comentário de cliente como positivo, negativo ou neutro: "A entrega atrasou, mas o produto é ótimo."

2. Few-shot: mostrar exemplos antes de pedir

Você dá dois ou três exemplos do resultado esperado, e a IA copia o padrão. É a técnica certa quando o formato ou o tom precisam ser sempre iguais. Um bom exemplo vale mais que três parágrafos de instrução.

Classifique o motivo do chamado seguindo os exemplos.

"Não consigo acessar o sistema" → Acesso
"A nota fiscal veio com valor errado" → Financeiro
"O pedido não chegou" → Logística

"Fui cobrado duas vezes no cartão" →

3. Chain of thought: pensar passo a passo

Você pede que a IA mostre o raciocínio antes de dar a conclusão. Em tarefas de lógica, cálculo e análise, ela erra bem menos, do mesmo jeito que uma pessoa decide melhor quando pensa em voz alta antes de cravar.

Nosso custo por pedido subiu 18% no trimestre. Com base nos dados abaixo, explique seu raciocínio passo a passo antes de apontar a causa mais provável.
Dados: [cole]

4. Tree of thoughts: explorar caminhos diferentes

A IA gera várias linhas de raciocínio, avalia cada uma e segue a mais promissora. Serve para planejamento e problemas estratégicos, onde existe mais de uma saída possível.

Precisamos reduzir o prazo de entrega em 20%. Proponha três caminhos diferentes. Para cada um, avalie custo, risco e tempo de implementação de 1 a 5. Depois recomende um e explique por quê.

5. RAG: responder com base nos seus documentos

RAG (geração aumentada por recuperação) faz a IA buscar a informação certa na base da empresa, como políticas, manuais e contratos, antes de responder. É o que transforma a IA genérica numa IA que responde com o que é oficial, e é a base da maioria dos agentes internos.

Com base apenas na política de reembolso anexada, responda: um cliente que comprou há 40 dias pode pedir reembolso? Cite o trecho que sustenta a resposta. Se a política não cobrir o caso, diga isso.

6. Reflexion: a IA revisa o próprio trabalho

Você pede um primeiro rascunho e, em seguida, que a IA critique e corrija o que fez. Melhora muito a qualidade de textos, propostas e códigos.

Escreva uma proposta de 1 página para [cliente] sobre [tema]. Depois, revise como se fosse o diretor financeiro do cliente: aponte os 3 pontos mais fracos e reescreva a proposta corrigindo-os.

7. Self-consistency: várias respostas, uma conclusão

A IA resolve o mesmo problema por caminhos diferentes e você fica com a resposta que aparece mais vezes. É útil quando o resultado precisa ser confiável, como em cálculos e classificações sensíveis.

Calcule a margem de contribuição deste produto de três formas diferentes, mostrando cada cálculo. Depois compare os resultados e diga qual é o valor correto e por quê.
Dados: [cole]

8. Least-to-most: do mais simples ao mais complexo

A IA quebra um problema grande em subproblemas e resolve um de cada vez, usando cada resposta na etapa seguinte. Funciona bem em análises com muitas variáveis.

Quero entender por que nossas vendas caíram na região Sul. Antes de responder, liste as perguntas menores que precisam ser respondidas, da mais simples para a mais complexa. Depois responda cada uma em ordem, usando os dados abaixo.
Dados: [cole]

9. Prompt chaining: uma corrente de prompts

Em vez de um prompt gigante, você divide o trabalho em etapas, e a saída de uma vira a entrada da próxima. Por exemplo: pesquisar → resumir → escrever → revisar. É o caminho natural para automatizar processos e o primeiro passo para construir agentes.

1) Liste os 5 principais pontos desta transcrição de reunião com o cliente: [cole]
2) Com base nesses pontos, escreva um e-mail de follow-up de até 150 palavras.
3) Revise o e-mail: tom profissional, sem promessas que não estão nos pontos, com próximo passo claro.

Qual técnica usar em cada situação

Biblioteca de prompts prontos para copiar

Esses funcionam em qualquer IA. Copie, troque o que está entre colchetes e use.

Aja como um consultor de estratégia cético. Vou te descrever uma decisão que preciso tomar. Liste os três maiores riscos que eu provavelmente não estou enxergando e, para cada um, uma pergunta que eu deveria responder antes de decidir.
Decisão: [descreva]

Aqui estão minhas anotações (ou a transcrição) de uma reunião. Me devolva:
1. as decisões tomadas;
2. as tarefas, com responsável e prazo quando houver;
3. os pontos que ficaram em aberto.
Seja conciso. Texto: [cole]

Resuma este documento para um executivo que tem 3 minutos. Comece pela conclusão, depois os pontos que a sustentam, e no fim o que exige uma decisão minha. Não invente nada que não esteja no texto.
Documento: [cole]

Preciso comunicar [situação] para [público]. Escreva três versões: uma direta, uma mais cuidadosa e uma intermediária. Tom profissional, sem rodeio e sem frieza.
Contexto: [descreva]

Preciso entender [tema] o suficiente para conversar de igual com um especialista em 15 minutos. Me explique o essencial, os termos que vou ouvir e as três perguntas que separam quem entende de quem finge.

Aqui está uma tabela. Aponte os três padrões mais relevantes para um gestor, qualquer número que pareça fora da curva e a próxima pergunta que eu deveria investigar. Não invente dado que não está aqui.
Dados: [cole]

Um prompt de partida por cargo

Faça agora: pegue a tarefa que você mais repete e escreva um prompt para ela usando a fórmula das quatro partes. Salve num documento. Esse é o primeiro item da sua biblioteca, e você vai usá-lo toda semana, em qualquer IA.

Os erros mais comuns

• Desistir na primeira resposta. O primeiro resultado raramente é o melhor. Em vez de reescrever do zero, responda como faria com um analista: "ficou genérico, foque no risco financeiro" ou "encurte pela metade".
• Pedir sem contexto. A IA não sabe quem você é, qual é a empresa nem para que serve a resposta, a menos que você diga.
• Confiar sem conferir. A IA erra com confiança. Tudo que vira decisão precisa de revisão humana.
• Cada pessoa com seu jeito. Quando o time não compartilha os prompts que funcionam, a qualidade varia de pessoa para pessoa. Uma biblioteca comum resolve isso.

Quem ajusta vai mais longe do que quem desiste no primeiro resultado mediano.

Se você quer levar isso para o time inteiro, com método e segurança, a Kalidash faz treinamentos in-company de IA aplicados aos processos que a sua empresa já tem. Fale com a gente pelo WhatsApp.

Perguntas frequentes