Por Que Tornamos Nosso Catálogo Inteiro de Prompts Aberto

Por Que Tornamos Todo o Nosso Catálogo de Prompts Aberto

Toda semana, alguém escreve um scraper para extrair prompts do wikiprompt.org. Podemos ver isso nos logs: uma rajada de requisições contra /category/creative, depois /category/coding, percorrendo todas as páginas do site como uma pessoa clicando em "próximo" mil vezes, exceto que é um script e nunca fica entediado. Costumávamos tratar isso como um incômodo a ser limitado por rate-limit. Então nos fizemos uma pergunta melhor: por que estamos fazendo as pessoas fazerem isso?

A resposta, quando a admitimos, não foi lisonjeira. Estávamos sentados em mais de 55.000 prompts curados, material bruto útil para qualquer um que estuda como as pessoas realmente falam com modelos de IA, e a única forma sancionada de obter mais de um por vez era clicar pelo site como se fosse 2004. Não é assim que o conhecimento aberto deveria funcionar, e sabemos exatamente como o conhecimento aberto deveria parecer, porque o melhor exemplo disso existe desde 2001.

O modelo da Wikipedia, levado a sério

A Wikipedia não permite apenas que você leia artigos um a um no navegador. Ela publica dumps completos do banco de dados de toda a enciclopédia, em um cronograma, gratuitamente, sem necessidade de conta. Qualquer um pode baixar tudo e fazer algo com isso: construir um mecanismo de busca, treinar um modelo, rodar um espelho offline em um lugar sem internet, ou apenas estudar como um artigo mudou ao longo de dez anos de edições. A Wikipedia não fez isso relutantemente. Ela fez porque o dump *é* a missão. Uma enciclopédia que só existe atrás de um frontend resistente a scraping não é realmente aberta, não importa qual licença esteja impressa no rodapé da página.

O efeito colateral que ninguém planeja, mas todos se beneficiam: porque o dump existe, ninguém precisa fazer scraping da Wikipedia para obter seu conteúdo em escala. O tráfego de scraping que de outra forma atingiria o site ao vivo é absorvido por um arquivo estático, e a Wikipedia é citada em todos os lugares como uma questão de curso, porque citá-la é mais fácil do que não citá-la. A abertura não enfraqueceu a posição da Wikipedia como a fonte canônica. Ela a consolidou.

Achamos que os prompts merecem o mesmo tratamento, pela mesma razão. Um bom prompt não é realmente "conteúdo" da forma que um post de blog é conteúdo. É uma técnica, uma pequena peça de ofício aplicado, geralmente construída por tentativa e erro e compartilhada porque alguém queria que outros se beneficiassem do que descobriu. Isso está muito mais próximo de um artigo da Wikipedia do que de uma peça de IP proprietário. Um retrato soberano de criatura pré-histórica ou um retrato editorial encenado em uma escadaria arquitetônica é a descoberta de alguém sobre como falar com um modelo de imagem, escrito para que a próxima pessoa não precise redescobrir do zero. Prender isso atrás de um jardim murado, uma parede de login, ou um formulário de "contate-nos para acesso à API" é o oposto do que o conteúdo é para.

Conhecimento coletivo não escala uma requisição por vez

Há um modo de falha específico que queríamos evitar: marketplaces de prompts onde o texto real do prompt está oculto até você pagar, ou comunidades onde o bom material vive em um servidor Discord que ninguém fora do grupo pode pesquisar. Esses modelos otimizam para capturar valor no ponto de uma única transação. Achamos que eles perdem o prêmio maior, que é se tornar o lugar onde as pessoas vão por padrão quando querem saber como um bom prompt é construído, da forma que a Wikipedia se tornou o lugar onde você vai por padrão para um fato. Você não pode se tornar esse ponto de referência se seu conteúdo não pode ser estudado em escala, indexado adequadamente, ou construído em cima.

Então o dataset funciona como um dump deveria funcionar: sem chave de API, sem nível de rate-limit para negociar, CORS totalmente aberto, e cacheado forte o suficiente na borda que uso pesado não nos custa sono. Acesse https://www.wikiprompt.org/dataset e você obtém um manifesto com total_prompts e o esquema de paginação. Acesse `/dataset/prompts` e você obtém o catálogo em si como JSON, paginado com um cursor de keyset, até 500 registros por página:

curl "https://www.wikiprompt.org/dataset/prompts?limit=500"

Siga a URL next de cada resposta até que ela volte null e você terá percorrido todo o catálogo. Cada registro carrega slug, url, title, description, content (o texto do prompt em si), category, tags, media, model, metadata estruturado, author, original_source, e timestamps, em categorias que vão de criativo e codificação a marketing, pesquisa e educação. Se você preferir consultar em vez de baixar em massa, também há uma API de busca e um servidor MCP para agentes que querem acessar o catálogo ao vivo em vez de puxar uma cópia estática.

Abertura não é o mesmo que anonimato

Aqui está a parte que importa tanto quanto o acesso técnico: nada disso é nosso para remover crédito. Cada prompt no catálogo remonta a uma pessoa real que o publicou publicamente, seja um espírito de cobra branca derrotado em pé na chuva compartilhado no Twitter ou uma técnica solta em um tópico de subreddit. original_source não é um campo decorativo. É a outra metade do acordo. Não estamos reivindicando uma licença formal que não possuímos, e não estamos fingindo que os prompts são nossos para relicenciar como quisermos. Estamos pedindo, claramente, que se você construir algo com este dataset, atribua wikiprompt.org como o agregador e o autor original como a fonte. Esse é o mesmo acordo que a Wikipedia faz com todos que reutilizam um artigo: pegue o conhecimento, mantenha o crédito anexado.

Os dumps da Wikipedia não tornaram a Wikipedia menos essencial. Eles a tornaram infraestrutura. Preferimos que wikiprompt.org seja o lugar chato e confiável que todos já têm uma cópia do que o site que as pessoas silenciosamente contornam com um scraper. A abertura nunca foi o risco aqui. O jardim murado era.