Analisamos 120 prompts para entender qual estrutura melhor orienta a IA

Uma frase como “escreva algo para eu vender mais” deixa quase todas as decisões em aberto, como produto, público, canal, tom, objetivo e extensão. A assistente pode preencher as lacunas, mas as suposições talvez não correspondam ao negócio.

Para ver o que muda quando a instrução fica explícita, revisamos as 120 versões da biblioteca de prompts da Lumada Labs, com 40 modelos em espanhol, inglês e português. Em seguida, comparamos seus componentes com a documentação pública da OpenAI, da Anthropic e do Google.

Os dados do corpus

Os 40 modelos-base não seguem uma fórmula única. A maioria torna explícitas as partes que reduzem a ambiguidade. A tabela mostra uma contagem reproduzível das versões em espanhol.

A contagem mede quais componentes aparecem no texto. Ela descreve como a biblioteca foi construída e permite que outras pessoas revisem a conclusão usando o mesmo material.

1. Defina uma tarefa concreta

O padrão mais estável começa com um verbo observável, como comparar, resumir, diagnosticar, escrever, classificar ou planejar. “Me ajude com marketing” apresenta um tema. “Compare estas duas campanhas e entregue uma tabela com hipóteses, evidências e próximos passos” define um trabalho.

A OpenAI recomenda instruções específicas e descritivas. A Anthropic destaca clareza e objetividade. As orientações do Google para o Gemini também pedem objetivos e restrições precisos. O ponto em comum importa mais que a redação exata de cada guia.

2. O contexto reduz suposições implícitas

Uma instrução útil explica para que serve o resultado, quem vai usá-lo e quais informações já existem. Nos modelos analisados, isso costuma aparecer como público, objetivo, material de referência e limites do caso.

Inclua os dados que poderiam mudar a decisão. Para um e-mail comercial, podem ser o destinatário, a relação anterior e a ação esperada. Para revisar código, informe a linguagem, o erro, o comportamento esperado e as restrições técnicas.

3. Separe instruções, dados e exemplos

Os três fornecedores recomendam distinguir as partes do prompt. A OpenAI sugere delimitadores, a Anthropic usa tags XML e o Google aceita tags ou títulos Markdown. Cada abordagem indica onde estão as regras, o contexto e o material a processar.

Essa separação é especialmente útil quando alguém cola documentos, e-mails, código ou informações de terceiros. Ela deixa claro o limite entre as instruções e o material que deve ser processado.

4. Peça um formato de saída que possa ser avaliado

“Me dê uma boa resposta” deixa “boa” sem definição. Já é possível revisar uma tabela comparativa com cinco critérios, um e-mail de até 180 palavras ou um plano com responsáveis e datas.

Os melhores modelos especificam estrutura, extensão, tom e nível técnico. Quando a forma exata importa, também incluem um exemplo breve. As orientações oficiais concordam que exemplos ajudam a guiar o formato e a consistência.

5. Descreva como verificar a qualidade

Pedir uma resposta “excelente, incrível e profissional” acrescenta pouco. Peça que o modelo evite inventar números, distinga fatos de suposições, cite fontes quando pertinente ou faça perguntas se faltar um dado essencial.

Uma regra deve ajudar a detectar um erro. É possível verificar “não invente fontes” porque a frase define um comportamento. “Seja brilhante” deixa o critério em aberto.

6. Defina um papel quando ele trouxer um critério concreto

Um papel pode orientar vocabulário, prioridades e nível técnico. A tarefa ainda precisa ser explícita. “Atue como especialista em vendas B2B” ajuda quando você explica o que produzir, para quem e com quais evidências. Um personagem elaborado não resolve uma instrução vaga.

A estrutura comum

A análise aponta seis partes.

1. Objetivo. O resultado a alcançar.
2. Contexto. Para quê, para quem e com quais informações.
3. Entrada. Texto, dados, arquivos ou variáveis a processar.
4. Tarefa. Ações concretas e sua ordem quando necessário.
5. Formato. Estrutura, extensão, tom e nível de detalhe.
6. Controle. Limites, fontes, suposições e revisão final.

Uma pergunta simples pode caber em uma linha. A estrutura ganha valor quando a tarefa é ambígua, repetível, cara ou sensível a erros.

O que muda entre ChatGPT, Claude e Gemini

As orientações gerais convergem, mas cada produto tem capacidades e comportamentos próprios. Um modelo reutilizável deve preservar objetivo, contexto e formato. Adapte ferramentas, tamanho do contexto, exemplos ou instruções de sistema ao modelo e à tarefa.

Crie uma instrução que outra pessoa possa seguir sem adivinhar o essencial. Teste com um caso real e ajuste a partir do resultado.