O que é Engenharia de Prompts (Prompt Engineering)?
A engenharia de prompts é a prática de projetar as entradas dadas a um modelo de linguagem para que ele produza a saída desejada de forma confiável. Um bom prompt especifica o papel, a tarefa, as restrições, o formato de saída e, quando útil, exemplos. É a alavanca mais acessível para guiar o comportamento do modelo — e uma camada do harness mais amplo — mas sozinha não torna um sistema confiável em escala.
Definição
A engenharia de prompts é a prática de projetar e refinar as instruções, o contexto e os exemplos dados a um modelo de linguagem para obter de forma confiável a saída desejada.
Pontos-chave
- Um bom prompt indica papel, tarefa, restrições, formato e exemplos.
- Exemplos (few-shot) costumam superar instruções sozinhas em tarefas estruturadas.
- O chain-of-thought melhora o raciocínio de vários passos.
- Os prompts devem ser testados e versionados, não ajustados no olho.
- É uma camada do harness, não um substituto de ferramentas, memória e avaliação.
Contexto
Como os modelos seguem instruções em linguagem natural, a forma de formular uma tarefa muda materialmente o resultado. A engenharia de prompts é a disciplina de formulá-la bem: ser explícito sobre o objetivo, o público, as restrições e o formato que você quer receber.
É a forma mais rápida e barata de melhorar a qualidade, por isso é onde a maioria das equipes começa. Mas ao crescer rumo a agentes, o prompting passa a ser um componente entre ferramentas, memória, recuperação e avaliação: o harness completo.
Arquitetura
Técnicas comuns: zero-shot (só instrução), few-shot (instrução mais exemplos), chain-of-thought (pedir raciocínio passo a passo), especificação de papel e formato, e decomposição (dividir uma tarefa em prompts menores).
A prática madura trata os prompts como código: são guardados, versionados, testados contra avaliações e alterados de forma deliberada. Modelos reutilizáveis e esquemas de saída estruturada reduzem a variância.
Componentes
Benefícios
- A forma mais rápida e barata de mudar o comportamento do modelo.
- Não requer treinamento nem infraestrutura.
- Funciona entre modelos e tarefas.
- Fácil de iterar e combinar com outras técnicas.
Riscos
- Frágil: pequenas mudanças de redação alteram o comportamento.
- Injeção de prompts quando incluem entrada não confiável.
- Difícil escalar a confiabilidade só com prompting.
- Acoplamento oculto às peculiaridades de um modelo.
Ferramentas e tecnologias
Exemplos
- Adicionar exemplos para um modelo devolver JSON consistente.
- Pedir raciocínio passo a passo para melhorar uma resposta de lógica ou matemática.
- Especificar um formato estrito para o código posterior poder parsear a resposta.
FAQs
- A engenharia de prompts ainda é relevante conforme os modelos melhoram?
- Sim, mas seu papel se estreita. Modelos melhores precisam de menos persuasão, mas instruções claras, exemplos e formato continuam melhorando a confiabilidade de forma mensurável, sobretudo dentro de agentes.
- Qual a diferença para a engenharia de contexto?
- A engenharia de prompts foca na instrução. A engenharia de contexto é a tarefa mais ampla de decidir qual informação entra na janela de contexto limitada do modelo a cada passo.
- O chain-of-thought sempre ajuda?
- Ajuda sobretudo em tarefas de raciocínio de vários passos, ao custo de mais tokens. Para buscas simples adiciona latência sem benefício.
- Como manter os prompts confiáveis?
- Tratando-os como código: versioná-los, testá-los contra avaliações e alterá-los de forma deliberada em vez de por tentativa e erro.