Templates & depuração

O problema do recomeço perpétuo

Façamos as contas com a Sofia. Todas as semanas, ela escreve: três posts de LinkedIn, duas newsletters, uma dezena de respostas a avaliações de clientes, reformulações de emails. Para cada uma destas tarefas, reinventa o prompt de cada vez — de memória, com variações involuntárias, e resultados em dente de serra. Os bons prompts que escreveu o mês passado? Perdidos no histórico de conversas.

Este é o último patamar deste curso, e o mais rentável: passar do artesanato (reescrever de cada vez) à ferramentaria (capitalizar o que funciona). Os quatro capítulos anteriores ensinaram-te a escrever um bom prompt; este ensina-te a nunca mais o reescrever.

Identificar os teus prompts vencedores

Quando um prompt dá um excelente resultado, o reflexo a instalar imediatamente: guarda-o. Não mentalmente — numa nota dedicada. Depois identifica o que, nesse prompt, é permanente (o papel, o tom, as restrições, a estrutura) e o que é variável (o assunto do dia, o texto a tratar, o comprimento alvo). Substitui as partes variáveis por campos {{ }}: acabaste de criar um template.

[TEMPLATE — Reescrita de email]
És {{papel}}.
Reescreve este email para que fique {{objetivo: mais curto / mais caloroso / mais firme}}:
{{email}}
Restrições: máx. {{n}} palavras, tom {{tom}}.

Repara na convenção de escrita: o campo {{objetivo}} lista os seus valores habituais diretamente no template. Daqui a três semanas, terás esquecido o que punhas nesse campo — o template lembra-to. Um bom template basta-se a si próprio: qualquer colega deve poder preenchê-lo sem te fazer perguntas.

Anatomia de um template robusto

Todos os conhecimentos do curso convergem aqui. Um template robusto contém: um papel com audiência (capítulo 4), um bloco de contexto permanente sobre a tua empresa e o teu alvo (capítulo 1), a tarefa com os seus campos variáveis, exemplos few-shot se o formato for específico (capítulo 2), as restrições e o formato de saída (capítulos 1 e 4), e, se a tarefa for analítica, a orientação do raciocínio com uma linha «Resposta:» (capítulo 3).

[TEMPLATE — Post LinkedIn produto]
És uma responsável de comunicação B2B que escreve para donos de restaurantes apressados, pouco tecnológicos. Tom: direto, concreto, nunca corporativo.

Exemplos do nosso estilo:
{{2 posts existentes de que te orgulhes}}

Tarefa: redige um post de LinkedIn sobre {{assunto}}, ângulo {{ângulo: ganho de tempo / testemunho / número-chave}}.

Restrições: 80-120 palavras, gancho em pergunta, 1 benefício quantificado, chamada à ação final, nenhum ponto de exclamação, sem hashtags.

Este template encapsula horas de iterações passadas. É esse o efeito de capitalização: cada melhoria encontrada uma vez beneficia todas as utilizações futuras. Ao fim de três meses, os teus templates codificam uma perícia que nem tu nem os teus colegas precisam mais de reencontrar de memória.

Construir a tua biblioteca (e fazê-la viver)

Três ou quatro templates não exigem nenhuma organização. Mas com quinze, precisas de uma biblioteca: uma nota ou um documento por projeto, com, para cada template, um nome claro orientado à tarefa («Reescrita email — suavizar», não «prompt 7»), o próprio template, um exemplo de saída bem-sucedida por baixo (para verificar num relance que é o certo), e a data da última atualização.

Onde guardá-la? Onde já trabalhas: uma nota Notion ou Obsidian, um doc partilhado, ou mesmo um simples ficheiro de texto. A ferramenta pouco importa; a rotina importa: todas as sextas-feiras, dois minutos para transferir para a biblioteca os bons prompts da semana. A Sofia também transformou os seus três templates mais usados em «GPTs» personalizados — o template torna-se o prompt de sistema (capítulo 1), e só resta preencher os campos no dia a dia.

Bónus de equipa: uma biblioteca partilhada alinha toda a gente. Quando o estagiário da Sofia redige um post com o template da casa, produz o tom da marca desde o primeiro dia — a perícia de prompts da Sofia tornou-se um ativo da equipa, não um saber na cabeça dela.

Depurar um mau resultado: o método

Mesmo bem equipado, um prompt vai dececionar-te regularmente. O reflexo amador: reescrever tudo ao acaso, ou pior, relançar o mesmo prompt à espera de um milagre. O reflexo profissional: diagnosticar antes de modificar, passando em revista os ingredientes por ordem:

• Contexto em falta? → acrescenta quem és e a situação.
• Tarefa ambígua? → precisa a ação esperada.
• Formato não especificado? → impõe comprimento e estrutura.
• Sem exemplo? → acrescenta 1-2 exemplos (few-shot).

80 % dos maus prompts carecem de um só destes elementos. Acrescenta o ingrediente em falta em vez de recomeçar do zero — e muda apenas uma coisa de cada vez. Se modificares três elementos de uma vez e melhorar, não sabes qual agiu, e a tua biblioteca não aprende nada. A depuração de prompts segue a mesma higiene que a depuração de código: uma hipótese, uma alteração, um teste.

flowchart TD
  B["Mau resultado"] --> Q1{"Contexto em falta?"}
  Q1 -->|"Sim"| F1["Acrescenta quem és + a situação"]
  Q1 -->|"Não"| Q2{"Tarefa ambígua?"}
  Q2 -->|"Sim"| F2["Precisa a ação esperada"]
  Q2 -->|"Não"| Q3{"Formato ausente?"}
  Q3 -->|"Sim"| F3["Impõe comprimento + estrutura"]
  Q3 -->|"Não"| F4["Acrescenta 1-2 exemplos few-shot"]

Uma técnica de diagnóstico subutilizada: pergunta ao próprio modelo. «Eis o meu prompt e a saída obtida. A saída é demasiado genérica: o que é que, no meu prompt, falta ou presta a confusão?» O modelo é surpreendentemente bom a identificar as ambiguidades das tuas instruções — é o teu primeiro revisor de prompts, grátis e disponível.

As armadilhas do prompt sobrecorrigido

A depuração tem o seu excesso inverso: o prompt obeso. À força de acrescentar uma instrução a cada deceção, certos prompts tornam-se muros de quinze restrições — várias das quais se contradizem («sê exaustivo» + «máximo 100 palavras»; «tom caloroso» + «estritamente factual»). Perante instruções contraditórias, o modelo arbitra em silêncio, e tu perdes o domínio do que é realmente aplicado.

Regra de higiene: a cada acréscimo de restrição, pergunta-te se uma restrição existente fica caduca ou contraditória. E, periodicamente, faz uma passagem a limpo: recomeça do template nu (papel + tarefa + formato) e reintroduz apenas as restrições cuja ausência degrada visivelmente o resultado. Vais surpreender-te com o número de instruções acumuladas que já não serviam para nada.

A palavra final: uma competência que se compõe

Recapitulemos o caminho da Sofia. Capítulo 1: os seus prompts ganharam um esqueleto (contexto, tarefa, formato). Capítulo 2: os seus exemplos substituíram os seus adjetivos. Capítulo 3: os seus cálculos e análises tornaram-se verificáveis. Capítulo 4: as suas saídas respeitam um registo e formatos utilizáveis. Capítulo 5: tudo isso está capitalizado numa biblioteca que melhora todas as semanas. O mesmo modelo do primeiro dia — resultados sem comparação.

É essa a verdadeira natureza do prompt engineering: não uma coleção de truques mágicos, mas uma competência de comunicação estruturada que se compõe no tempo. Os modelos mudarão; a capacidade de formular uma necessidade precisa, de mostrar pelo exemplo, de exigir o verificável e de capitalizar o que funciona permanecerá a tua vantagem. Agora é contigo.