Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Prompt engineering

Prompt engineering (engenharia de prompt) é a prática de escrever, estruturar e testar as instruções e exemplos dados a um modelo de linguagem para que ele produza a saída de que uma aplicação precisa, sem mudar os pesos do modelo.

Também chamado: prompting

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

Um modelo de linguagem responde a texto, então a redação, a ordem e a estrutura desse texto mudam o resultado. Prompt engineering é o trabalho de encontrar um prompt que dê respostas confiáveis para uma tarefa e depois verificá-lo com entradas reais.

Técnicas comuns

- Instruções claras e diretas que digam a tarefa, o público e o formato. - Um papel e regras permanentes no system prompt. - Exemplos resolvidos, conhecidos como few-shot prompting, para mostrar o formato e o tom que você quer. - Pedir ao modelo que raciocine passo a passo, como no prompting de chain-of-thought. - Delimitadores como tags XML ou títulos para separar as instruções dos dados. - Pedir structured output quando um código vai processar a resposta.

Por que importa

Mudanças de prompt são baratas e rápidas comparadas ao fine-tuning. Elas costumam ser a primeira coisa a tentar quando um modelo erra o formato, ignora uma regra ou responde de forma solta demais. Como uma pequena mudança de redação pode alterar os resultados, a boa prática é manter um conjunto de entradas de teste e comparar as versões do prompt com ele, como descrito em avaliação de LLM.

Como difere de context engineering

A Anthropic descreve o context engineering como a progressão natural do prompt engineering. O prompt engineering se concentra em escrever as instruções. O context engineering cobre todo o resto que chega à entrada do modelo durante uma execução, como documentos recuperados, resultados de ferramentas e histórico da conversa, e é uma preocupação maior para agentes que trabalham ao longo de muitos turnos.

Limites

Um prompt não consegue adicionar conhecimento que falta ao modelo nem garantir comportamento. Prompts ajustados para um modelo muitas vezes precisam de mudanças quando você troca de modelo.

Termos relacionados

Few-shot prompting
Few-shot prompting (prompting com poucos exemplos) é dar a um modelo de linguagem um punhado de exemplos resolvidos de uma tarefa dentro do prompt, para que ele copie o padrão em uma nova entrada sem nenhum retreinamento.
System prompt
Um system prompt (prompt de sistema) é o bloco de instruções que uma aplicação envia a um modelo de linguagem antes das mensagens do usuário. Ele define o papel, as regras, o tom e o formato de saída do modelo para a conversa inteira.
Context engineering
Context engineering (engenharia de contexto) é a prática de escolher e manter tudo o que entra na janela de contexto de um modelo de linguagem durante uma tarefa: instruções, documentos recuperados, definições de ferramentas, resultados de ferramentas e histórico da conversa.
Chain-of-thought
Chain-of-thought (CoT, cadeia de raciocínio) é um método de prompting em que um modelo de linguagem escreve passos intermediários de raciocínio antes da resposta final, o que tende a melhorar os resultados em matemática, lógica e outros problemas de vários passos.
Avaliação de LLM
Avaliação de LLM (LLM evaluation), muitas vezes chamada de evals, é medir o quão bem um modelo ou uma aplicação de IA executa uma tarefa, rodando-o em um conjunto de casos de teste e pontuando as saídas segundo critérios definidos, por código, por pessoas ou por outro modelo.

Fontes