O que é prompt de IA: como seu pedido vira resposta e como escrever o seu

Quando você escreve um pedido para o ChatGPT, o Gemini ou um gerador de imagens, esse texto é o prompt de IA: a instrução que o modelo recebe e transforma em resposta. Já explicamos o que é prompt no sentido mais básico do termo; aqui o foco é o mecanismo. O que acontece entre o momento em que você aperta "enviar" e o instante em que a resposta começa a aparecer? E como usar esse conhecimento para escrever pedidos muito melhores, a chamada engenharia de prompt? Um esclarecimento de escopo antes de começar: não estamos falando do prompt de comando do Windows, aquela tela preta de digitar comandos do sistema. Prompt de IA é conversa em linguagem natural com modelos de inteligência artificial.

Resposta rápida: prompt de IA é a instrução em linguagem natural que orienta um modelo de inteligência artificial a gerar uma resposta. Ao receber o prompt, o modelo converte o texto em tokens (pedaços numéricos), processa esses números e gera a resposta prevendo, token por token, a continuação mais provável. Engenharia de prompt é a prática de estruturar essa instrução, com contexto, tarefa, formato e exemplos, para obter respostas mais úteis.

O caminho do prompt: o que acontece entre o envio e a resposta

A melhor forma de entender por que alguns prompts funcionam e outros não é seguir o trajeto que o seu texto percorre dentro do modelo. São três etapas, e cada uma delas explica uma regra prática de escrita.

1. Tokenização: seu texto vira números

A IA não lê palavras como nós. A primeira coisa que acontece com o seu prompt é a tokenização: o texto é quebrado em pedaços chamados tokens, que podem ser palavras inteiras, sílabas ou sinais de pontuação, e cada token vira um número. "Bolo de chocolate" pode virar três ou quatro tokens; uma palavra longa como "inconstitucionalmente" vira vários. O modelo só opera sobre essa sequência de números.

Disso nasce uma consequência prática: para o modelo, instrução e contexto chegam misturados na mesma sequência. Por isso o guia de boas práticas da OpenAI recomenda colocar a instrução no começo do prompt e separar o material de apoio com marcadores claros, como três aspas ou cercas de texto. Você não está enfeitando o pedido; está ajudando o modelo a distinguir o que é ordem do que é matéria-prima.

2. O modelo calcula a continuação mais provável

Com o prompt convertido em números, entra em cena o modelo de linguagem: uma rede neural com bilhões de parâmetros ajustados durante o treinamento sobre quantidades enormes de texto. O ponto central, e o mais contraintuitivo, é que o modelo não busca a resposta pronta em um banco de dados. Ele calcula, para a sequência que você enviou, qual é a continuação mais provável segundo os padrões que aprendeu. Detalhamos essa arquitetura em como funciona um LLM.

Essa é a chave de toda a engenharia de prompt: cada palavra do seu pedido muda o cálculo. Um prompt vago define mal o terreno da previsão, e o modelo preenche as lacunas com o genérico. Um prompt específico, com contexto e formato, estreita as possibilidades até sobrar exatamente o tipo de resposta que você queria. O prompt não é um recado para alguém que já sabe o que você quer; é a única evidência sobre a qual o modelo vai computar.

3. A resposta nasce token por token

A resposta também não sai pronta: ela é gerada um token de cada vez, e cada novo token é previsto considerando o seu prompt mais tudo o que o modelo já gerou até ali. Esse efeito cascata explica por que um bom começo de resposta tende a puxar um bom restante, e por que pedir que o modelo "responda em etapas" ou "explique o raciocínio antes da conclusão" costuma melhorar tarefas complexas: você está organizando a trilha que a própria previsão vai seguir.

O que é engenharia de prompt

Engenharia de prompt é a prática de estruturar instruções para extrair o melhor de um modelo de IA. O nome soa técnico, mas o conteúdo é acessível: os guias oficiais da OpenAI e do Google para a API Gemini convergem nas mesmas recomendações, todas testáveis por qualquer pessoa em qualquer chat de IA.

Os quatro elementos de um prompt bem construído

1. Contexto. Quem você é, para quem é a resposta e qual é a situação. "Sou dona de uma confeitaria artesanal" muda completamente o terreno da previsão.
2. Tarefa. O verbo e o objeto, sem ambiguidade: resumir, listar, reescrever, comparar, criar. Uma tarefa por vez funciona melhor do que três pedidos embolados.
3. Formato. Tamanho, tom, estrutura e estilo da resposta. A documentação do Gemini chama isso de instrução clara e específica: se você quer três parágrafos curtos em tom informal, escreva exatamente isso.
4. Exemplos. Quando a resposta precisa seguir um padrão, mostre uma ou duas amostras do resultado esperado. É a técnica conhecida como few-shot, e tanto OpenAI quanto Google a apontam entre as mais eficazes.

Como escrever um bom prompt na prática

Antes e depois: o mesmo pedido, dois resultados

Compare. Antes: "Escreva uma legenda para meu post." Depois: "Você escreve para uma confeitaria artesanal de Belo Horizonte. Crie 3 opções de legenda de Instagram anunciando o novo bolo de pistache, tom acolhedor, no máximo 150 caracteres cada, terminando com uma pergunta para os seguidores."

O segundo prompt não é mais "educado" nem mais bonito: ele entrega contexto (confeitaria artesanal, Instagram), tarefa (3 legendas sobre o bolo novo), formato (150 caracteres, tom acolhedor) e um padrão de fechamento (pergunta no final). Cada um desses blocos elimina milhares de continuações genéricas do cálculo do modelo.

Diga o que fazer, não só o que evitar

Uma das regras mais citadas do material oficial da OpenAI: instruções negativas sozinhas funcionam mal. "Não seja formal" deixa o modelo sem direção; "escreva como quem manda mensagem para um amigo" dá a direção. Sempre que se pegar escrevendo uma proibição, complete com o comportamento desejado no lugar.

Comece simples e adicione exemplos se precisar

A ordem recomendada é gradual: primeiro tente o pedido direto, sem exemplos (zero-shot). Se a resposta não seguir o padrão que você precisa, acrescente uma ou duas amostras do resultado ideal (few-shot). Na imensa maioria dos usos do dia a dia, essas duas camadas resolvem; ajustes mais profundos do modelo são assunto de desenvolvedor, não de quem escreve prompts.

O mesmo princípio vale para imagem e vídeo

Tudo o que vimos até aqui se aplica além do texto. Um gerador de imagens também tokeniza a sua descrição e a usa para guiar a criação da cena, como mostramos em como a IA gera imagens. A diferença é o vocabulário: em vez de tom e estrutura, o formato vira estilo visual, luz, enquadramento e composição. "Foto de produto, fundo bege liso, luz suave lateral, estilo editorial" é o equivalente visual daquela legenda bem pedida.

É também onde o prompt deixa de ser curiosidade e vira ferramenta de trabalho: quem cria conteúdo comercial, de posts a anúncios, descobre que a qualidade do criativo acompanha a qualidade da descrição. O custo de errar é baixo, o ganho de acertar é visível, e a habilidade transfere de uma ferramenta para outra, porque o mecanismo embaixo é o mesmo.

O limite do prompt: o que nenhuma instrução resolve

Um bom prompt melhora muito a resposta, mas não transforma o modelo numa fonte infalível. Como a resposta é uma previsão, e não uma consulta a fatos verificados, o modelo pode gerar informação plausível e errada com a mesma fluência com que acerta, o fenômeno da alucinação de IA. Nenhuma engenharia de prompt elimina esse risco por completo. Para datas, números, leis e decisões com consequência real, a regra é tratar a resposta como rascunho e conferir na fonte primária.

Em resumo: o prompt é a metade da conversa que depende de você

O prompt de IA é a instrução que o modelo converte em números e usa para calcular, token por token, a continuação mais provável. Desse mecanismo saem todas as regras práticas: seja específico, separe instrução de contexto, descreva o formato, mostre exemplos quando o padrão importa e diga o que fazer em vez de só proibir. A engenharia de prompt não exige curso nem código; exige clareza sobre o que você quer. Teste hoje: pegue o último pedido que você fez a uma IA, reescreva com contexto, tarefa e formato, e compare as duas respostas. A diferença é a melhor aula sobre o assunto.