Receita de Prompt Perfeito do ChatGPT com 10 Componentes

Um prompt perfeito tem 10 componentes: Objetivo (15%), Papel (10%), Contexto (20%), Dados de Entrada (15%), Verificações de Qualidade (4%), Restrições (8%), Exemplos (5%), Solicitação de Iteração (5%), Instruções (10%) e Formato de Saída (8%). Você não precisa de todos os 10 todas as vezes, mas saber quais alavancas puxar muda o jogo. 1. Contexto (20% do impacto): A realidade de fundo que o modelo precisa habitar. Inclui tipo de negócio, indústria, público, objetivos e desafios. Nunca presuma que o modelo conhece sua situação. Dica profissional: Escreva seu contexto uma vez, salve-o em um arquivo de texto (ou como Instruções Personalizadas/Conhecimento do Projeto) e cole-o toda vez. Exemplo: "Minha empresa vende software de gerenciamento de projetos para equipes remotas com 10 a 100 funcionários. Nosso principal desafio é que os compradores acham que somos muito caros em comparação com ferramentas gratuitas." 2. Objetivo (15% do impacto): A definição clara da tarefa. Se seu objetivo for confuso, a saída será ruído. Dica profissional: Substitua verbos vagos por resultados específicos. Não diga "me ajude com". Diga "crie", "diagnostique" ou "reescreva". Ruim: "Fale sobre marketing." Bom: "Crie uma estratégia de marketing de conteúdo de 90 dias para uma startup SaaS voltada para pequenas empresas." 3. Dados de Entrada (15% do impacto): Entregue as informações reais que o modelo precisa para fazer o trabalho. Isso pode ser notas de reunião, feedback de clientes, um rascunho, um relatório de pesquisa ou o texto do site. Dica profissional: Use tags XML (como <notas> e </notas>) para separar seus dados de entrada das instruções. Exemplo: "Aqui estão as transcrições brutas de três entrevistas com clientes. Com base nessas transcrições..." 4. Papel (10% do impacto): Diga ao modelo quem ele deve ser. Atribuir um papel ativa grupos de conhecimento e padrões de raciocínio completamente diferentes. Dica profissional: Combine o papel com um tom ou filosofia específica para estreitar o foco. Exemplo: "Atue como um redator de resposta direta de classe mundial que se especializa em campanhas de e-mail concisas, contundentes e no estilo de David Ogilvy." 5. Instruções (10% do impacto): Diga à IA exatamente o que fazer com o Contexto, o Objetivo e os Dados de Entrada. Use verbos de ação fortes. Dica profissional: Divida instruções complexas em etapas numeradas. Exemplo: "1. Analise os dados. 2. Identifique as três reclamações mais comuns. 3. Priorize recomendações para corrigi-las. 4. Explique seu raciocínio." 6. Restrições (8% do impacto): Estabeleça os limites. Inclui limites máximos de palavras, níveis de leitura, limites de orçamento ou coisas que não é permitido fazer. Dica profissional: Restrições negativas são poderosas para eliminar o "cheiro de IA". Exemplo: "Máximo de 500 palavras. Não use as palavras 'mergulhar', 'crucial' ou 'tapeçaria'. Mantenha o nível de leitura em um padrão de oitava série. Use apenas as informações fornecidas." 7. Formato de Saída (8% do impacto): Especifique exatamente a forma que a resposta deve assumir. Dica profissional: Se mover dados para outro sistema, peça CSV ou JSON. Se apresentar, peça uma tabela em Markdown. Exemplo: "Apresente a resposta em uma tabela com três colunas: Problema, Impacto e Solução Proposta." 8. Exemplos (5% do impacto): Também conhecido como prompting de poucos exemplos. Mostre ao modelo como é uma boa saída. Dica profissional: Se o modelo continuar falhando, dar um exemplo perfeito geralmente é mais rápido do que reescrever instruções. Exemplo: "Aqui está um exemplo do tom que quero. Entrada: Cliente reclama do preço. Saída: Destaque o ROI e forneça três estudos de caso relevantes." 9. Solicitação de Iteração (5% do impacto): Prompting é uma conversa de ida e volta. Dica profissional: Peça ao modelo para gerar múltiplas opções para que você possa escolher a melhor direção. Exemplo: "Gere três alternativas distintas para o título. Depois, critique suas próprias respostas e diga-me qual é a mais forte e por quê." 10. Verificações de Qualidade (4% do impacto): Peça à IA para verificar seu próprio trabalho antes de dar a resposta final. Dica profissional: Adicione uma verificação de qualidade ao final de qualquer prompt analítico complexo. Exemplo: "Antes de finalizar sua resposta, verifique a precisão factual, identifique quaisquer suposições fracas que você fez e destaque qualquer informação ausente que tornaria sua recomendação mais forte."