Table of Contents

Skills vs. RAG vs. System Prompt: Entendendo as diferenças

Ao construir sistemas de IA, é fundamental compreender as diferenças entre Skills (Habilidades), RAG (Retrieval-Augmented Generation) e System Prompt (Instruções de Sistema). Cada abordagem serve propósitos específicos e é otimizada para diferentes cenários. Esta página explora em detalhes como cada técnica funciona, quando utilizá-las e suas principais diferenças.

Em termos simples: Qual a diferença?

Pense no seu assistente de IA como um funcionário em uma empresa:

🎭 System Prompt = Personalidade e valores da pessoa

É como a personalidade, valores e comportamento básico do funcionário. Define como ele age, fala e se comporta em todas as situações.

Exemplo prático: "Seja sempre educado", "Fale de forma profissional", "Nunca invente informações"

Use quando: Você quer que o comportamento seja sempre igual, independente da situação.

🎓 Skills = Especializações que a pessoa sabe fazer

São habilidades especiais que o funcionário pode usar quando necessário. Como ter um especialista em diferentes áreas que só é chamado quando precisa.

Exemplo prático:

  • Precisa falar com executivos? Ativa a skill "Comunicação Executiva"
  • Precisa analisar código? Ativa a skill "Code Review"
  • Precisa resolver problema técnico? Ativa a skill "Troubleshooting"

Use quando: Você precisa de diferentes formas de fazer as coisas dependendo da situação. O próprio modelo decide qual skill usar baseado no que o usuário está pedindo.

📚 RAG (Coleções) = Manual de instruções e documentos

É como ter acesso a uma biblioteca de documentos, manuais e informações específicas da empresa. O funcionário busca informações quando precisa de dados específicos.

Exemplo prático:

  • "Qual a política de férias?" → Busca no manual de RH
  • "Como configurar o produto X?" → Busca no manual do produto
  • "Qual o preço do item Y?" → Busca no catálogo de produtos

Use quando: Você tem informações específicas, dados e fatos que mudam com frequência ou são muito extensos para colocar nas instruções.

🤔 Perguntas rápidas para decidir

Minha informação muda com frequência?

  • ✅ Sim → Use RAG (Coleções)
  • ❌ Não, é fixa → Use System Prompt ou Skills

É um comportamento ou uma informação?

  • 🎭 Comportamento (como fazer) → Use Skills
  • 📄 Informação (o que é) → Use RAG

Deve ser usado sempre ou só às vezes?

  • 🔄 Sempre → Use System Prompt
  • 🎯 Às vezes → Use Skills ou RAG

É curto ou longo?

  • 📝 Curto (poucas frases) → Use System Prompt
  • 📖 Longo (páginas de informação) → Use RAG
  • 🎓 Médio (instruções detalhadas) → Use Skills

System Prompt (Instruções de Sistema)

System Prompt são instruções fixas que definem o comportamento fundamental do modelo de IA. Elas estabelecem a personalidade, o tom, as regras básicas e o papel que o agente deve desempenhar em todas as interações.

Características principais:

  • Sempre ativo: Presente em cada requisição ao modelo
  • Estático: Não muda durante a conversa
  • Prioritário: Tem alta influência sobre o comportamento do modelo
  • Conciso: Deve ser breve para economizar tokens
  • Universal: Aplica-se a todos os tipos de requisição

Quando usar System Prompt:

  1. Definir personalidade e tom

    Você é um assistente técnico experiente e amigável.
Sempre responda de forma clara, profissional e didática.
Use exemplos práticos sempre que possível.

  2. Estabelecer regras universais

    - Nunca invente informações que você não sabe
- Sempre cite fontes quando fornecidas
- Quando incerto, admita e ofereça alternativas
- Priorize segurança e boas práticas em todas as sugestões

  3. Definir formato de resposta padrão

    Estruture suas respostas em:
1. Resumo executivo
2. Explicação detalhada
3. Exemplos práticos
4. Próximos passos recomendados

  4. Restrições de segurança e conformidade

    - Nunca forneça conselhos médicos, legais ou financeiros específicos
- Não processe informações pessoalmente identificáveis
- Recuse solicitações que violem políticas de uso

Limitações do System Prompt:

  • ❌ Não é aconselhável ter informações extensas (consumo constante de tokens)
  • ❌ Não se adapta dinamicamente ao contexto
  • ❌ Difícil de manter múltiplos comportamentos especializados

Exemplo prático:

# System Prompt para assistente de código
Você é um desenvolvedor sênior especializado em revisão de código.

Diretrizes:
- Analise código com foco em legibilidade, manutenibilidade e performance
- Sugira melhorias seguindo princípios SOLID e clean code
- Sempre explique o "porquê" das suas sugestões
- Forneça exemplos de código refatorado quando apropriado
- Seja construtivo e educativo nas críticas

Formato de resposta:
1. Resumo da análise
2. Pontos positivos
3. Áreas de melhoria
4. Código refatorado (se aplicável)

Veja também:

Skills (Habilidades)

Skills são conjuntos de instruções especializadas que são carregadas sob demanda quando o modelo identifica que uma tarefa específica requer conhecimento ou comportamento especializado. Funcionam como "módulos de expertise" que podem ser ativados dinamicamente.

Características principais:

  • Ativação sob demanda: Carregadas apenas quando necessário
  • Dinâmicas: O modelo escolhe qual skill usar baseado no contexto
  • Especializadas: Cada skill foca em um domínio específico
  • Econômicas em tokens: Só consomem tokens quando ativadas
  • Intercambiáveis: O modelo pode alternar entre skills durante a conversa

Como funcionam: O modelo recebe uma lista de skills disponíveis (nome + descrição breve). Quando identifica que precisa de expertise específica, chama uma função especial para carregar as instruções completas da skill, que são então injetadas temporariamente no contexto.

Quando usar Skills:

  1. Múltiplas áreas de especialização

    # Skill: Análise de SQL Performance
Descrição: Use para otimizar queries SQL e resolver problemas de performance em bancos de dados

Instruções:
- Analise planos de execução (EXPLAIN)
- Identifique missing indexes
- Sugira otimizações específicas para o SGBD
- Considere impacto de JOIN, subqueries e CTEs
- Avalie necessidade de desnormalização

  2. Diferentes personas ou tons de comunicação

    # Skill: Comunicação C-Level
Descrição: Use ao criar apresentações ou comunicações para executivos

Instruções:
- Foque em impacto nos negócios e ROI
- Use linguagem não-técnica
- Apresente dados em formato executivo (resumos, métricas-chave)
- Destaque riscos e oportunidades estratégicas
- Seja conciso - máximo 3 pontos principais

  3. Frameworks e metodologias específicas

    # Skill: Arquitetura Event-Driven
Descrição: Use para design de sistemas baseados em eventos e mensageria

Instruções:
- Aplique padrões: Event Sourcing, CQRS, Saga
- Considere consistência eventual
- Avalie message brokers apropriados (Kafka, RabbitMQ, SNS/SQS)
- Projete eventos com schema evolution em mente
- Implemente idempotência e dead letter queues

  4. Conhecimento de domínio extenso

    # Skill: Compliance LGPD
Descrição: Use ao lidar com questões de privacidade e proteção de dados no Brasil

Instruções:
- Verifique conformidade com LGPD (Lei 13.709/2018)
- Identifique dados pessoais e sensíveis
- Avalie bases legais para tratamento
- Sugira medidas de segurança apropriadas
- Considere direitos dos titulares (acesso, correção, exclusão)
- Avalie necessidade de DPO e RIPD

Vantagens das Skills:

  • ✅ Especialização profunda sem sobrecarregar o prompt base
  • ✅ Economia de tokens (só usa o necessário)
  • ✅ Flexibilidade para múltiplos domínios
  • ✅ Manutenção modular (edite skills independentemente)
  • ✅ Escala melhor que System Prompt para conhecimento diverso

Limitações das Skills:

  • ❌ Requer modelos com suporte a function calling
  • ❌ O modelo pode não escolher a skill correta
  • ❌ Latência adicional na primeira ativação
  • ❌ Complexidade de implementação maior

Exemplo de fluxo:

Usuário: "Como otimizar esta query que está demorando 30 segundos?"

1. Modelo identifica necessidade de expertise em SQL
2. Chama função: load_skill("Análise de SQL Performance")
3. Instruções da skill são injetadas no contexto
4. Modelo responde com análise especializada
5. Skill permanece ativa até que outra seja necessária

Veja também:

RAG (Retrieval-Augmented Generation)

O que é: RAG é uma técnica que combina recuperação de informações (retrieval) com geração de texto. O sistema busca em uma base de conhecimento informações relevantes para a consulta do usuário e as fornece como contexto para o modelo gerar uma resposta fundamentada.

O módulo de RAG é implementado através de Coleções que contêm Documentos. Cada coleção é uma biblioteca de conhecimento que abriga vários documentos indexados, prontos para serem recuperados quando relevantes. Você pode usar o RAG da AIVAX de forma independente ou através de um AI Gateway.

Características principais:

  • Baseado em dados reais: Usa documentos específicos da sua base de conhecimento
  • Dinâmico: Informações podem ser atualizadas adicionando/modificando documentos
  • Escalável: Suporta milhares de documentos por coleção
  • Rastreável: Pode citar fontes e documentos específicos
  • Específico do domínio: Ideal para bases de conhecimento corporativas

Como funciona na AIVAX:

  1. Você cria uma Coleção para organizar documentos por finalidade (produto, empresa, serviço)
  2. Adiciona Documentos à coleção - cada documento contém informações sobre um tópico específico
  3. Documentos são processados e convertidos em embeddings (vetores) automaticamente
  4. Vincula a coleção ao seu AI Gateway através do pipeline de RAG
  5. Quando usuário faz uma pergunta, a AIVAX busca documentos relevantes na coleção
  6. Documentos recuperados são inseridos no contexto do modelo
  7. Modelo gera resposta fundamentada nos documentos encontrados

Quando usar RAG (Coleções):

  1. Base de conhecimento corporativa

    • Políticas e procedimentos internos
    • Manuais de RH e benefícios
    • Processos operacionais
    • FAQs da empresa

  2. Documentação técnica extensa

    • Manuais de produto
    • APIs e referências técnicas
    • Artigos de troubleshooting
    • Guias de instalação e configuração

  3. Informações que mudam frequentemente

    • Catálogos de produtos e preços
    • Regulamentações e compliance
    • Status e atualizações de sistemas
    • Notícias e comunicados

  4. Responder com fontes citáveis

    • Documentação legal e contratos
    • Normas e regulamentações
    • Artigos científicos e pesquisas
    • Histórico de decisões e precedentes

  5. Compliance e auditoria

    • Rastreabilidade de onde vêm as informações
    • Garantia de que respostas são baseadas em documentos oficiais
    • Atualização automática quando documentos são modificados
    • Versionamento e controle de mudanças

Vantagens do RAG (Coleções na AIVAX):

  • ✅ Acesso a informações atualizadas sem retreinar o modelo
  • ✅ Reduz alucinações (informações inventadas pelo modelo)
  • ✅ Transparência com citação de fontes e documentos
  • ✅ Escala para milhares de documentos organizados em coleções
  • ✅ Informações proprietárias/confidenciais ficam seguras e privadas
  • ✅ Fácil manutenção: adicione, edite ou remova documentos a qualquer momento
  • ✅ Sem custo de armazenamento de coleções (apenas custo de indexação)

Limitações do RAG (Coleções):

  • ❌ Qualidade depende de como os documentos são escritos e organizados
  • ❌ Custos de indexação de documentos (por tokens processados)
  • ❌ Latência adicional para busca na coleção
  • ❌ Requer organização e estruturação adequada dos documentos
  • ❌ Documentos muito longos ou mal escritos reduzem a qualidade

Como criar documentos eficazes:

Para obter os melhores resultados com RAG na AIVAX, siga estas diretrizes ao criar documentos:

✅ Faça:

  • Foque cada documento em um único tópico ou assunto
  • Seja explícito e repita palavras-chave importantes
  • Use linguagem clara e objetiva
  • Mantenha documentos entre 20 e 700 palavras
  • Use tags para organizar e categorizar documentos

❌ Evite:

  • Documentos muito curtos (menos de 10 palavras)
  • Documentos muito longos (mais de 700 palavras)
  • Misturar múltiplos assuntos em um único documento
  • Usar linguagem técnica excessiva ou código
  • Ser vago ou implícito nas informações

Veja mais:

Comparação rápida: Qual usar?

O que você precisa System Prompt Skills RAG (Coleções)
Informações constantes ✅ Ideal ❌ Não ❌ Não
Definir comportamento básico ✅ Sempre ❌ Não ❌ Não
Múltiplas especializações ❌ Não ✅ Sim ❌ Não
Acessar documentos e dados ❌ Não ❌ Não ✅ Sim
Informações que mudam ❌ Difícil ❌ Difícil ✅ Fácil
Sempre ativo ✅ Sim ❌ Só quando necessário ❌ Só quando necessário
Tamanho ideal Pequeno Médio Grande
Custo por uso Sempre cobra Só quando ativa Só quando busca

Comparação detalhada (técnica)

Para desenvolvedores e usuários avançados:

Critério System Prompt Skills RAG
Propósito Comportamento base constante Expertise especializada sob demanda Acesso a conhecimento factual específico
Ativação Sempre ativo Sob demanda (function calling) Sob demanda (busca vetorial)
Tamanho do conteúdo Pequeno (< 1000 tokens) Médio (1000-5000 tokens) Grande (milhares de documentos)
Consumo de tokens Constante em toda requisição Apenas quando skill ativada Apenas docs recuperados
Atualização Estático (requer redeployment) Estático (requer atualização manual) Dinâmico (docs podem ser atualizados)
Tipo de conhecimento Comportamental, regras gerais Metodologias, frameworks, processos Fatos, dados, documentos específicos
Complexidade de implementação Baixa Média Média
Custo de operação Baixo Baixo-Médio Médio (indexação)
Rastreabilidade Não aplicável Limitada Alta (citação de fontes)
Latência Nenhuma adicional Pequena (primeira ativação) Média (busca + embedding)
Requer function calling Não Sim Não (mas recomendado)
Melhor para Personalidade, tom, regras universais Múltiplas expertises contextuais Bases de conhecimento extensas

Cenários de uso combinado

Na prática, as três técnicas frequentemente são usadas em conjunto para criar sistemas robustos:

Exemplo 1: Suporte técnico de produto

System Prompt: "Você é um agente de suporte técnico amigável e eficiente. Sempre seja educado e ofereça soluções práticas."

Skills disponíveis:

  • "Troubleshooting Hardware": Para problemas físicos de equipamentos
  • "Troubleshooting Software": Para bugs e problemas de aplicativos
  • "Escalation Procedures": Para casos que requerem escalação

RAG (Coleções):

  • Coleção "Base de Conhecimento": 5000 documentos de troubleshooting
  • Coleção "Manuais de Produtos": Documentação técnica atualizada
  • Coleção "Resoluções": Histórico de tickets resolvidos com sucesso

Fluxo:

  1. System Prompt define o tom amigável e comportamento básico
  2. Usuário relata: "Meu aplicativo está crashando ao abrir"
  3. Modelo ativa skill "Troubleshooting Software" para expertise específica
  4. RAG busca automaticamente em "Base de Conhecimento" artigos sobre crashes
  5. Resposta combina a expertise da skill + informações específicas dos documentos encontrados

Exemplo 2: Assistente jurídico

System Prompt: "Você é um assistente jurídico. Sempre inclua disclaimers apropriados e nunca forneça aconselhamento legal definitivo."

Skills disponíveis:

  • "Análise Contratual": Para revisar cláusulas e termos
  • "Due Diligence": Para processos de M&A
  • "Compliance LGPD": Para questões de privacidade

RAG (Coleções):

  • Coleção "Legislação": Leis e regulamentos brasileiros atualizados
  • Coleção "Jurisprudência": Precedentes e decisões judiciais relevantes
  • Coleção "Templates": Modelos de documentos jurídicos da firma
  • Coleção "Procedimentos Internos": Processos e políticas do escritório

Exemplo 3: Assistente de desenvolvimento

System Prompt: "Você é um desenvolvedor sênior. Sempre priorize boas práticas, segurança e código manutenível."

Skills disponíveis:

  • "Code Review": Para análise detalhada de código
  • "Architecture Design": Para decisões arquiteturais
  • "Security Audit": Para identificar vulnerabilidades

RAG (Coleções):

  • Coleção "APIs Internas": Documentação das APIs da empresa
  • Coleção "Padrões de Código": Standards e conventions do time
  • Coleção "Componentes": Biblioteca de componentes reutilizáveis com exemplos
  • Coleção "Troubleshooting": Problemas comuns e suas soluções

Árvore de decisão: Qual técnica usar?

Passo 1: O que você está definindo?

O que você precisa?
│
├─ 🎭 COMPORTAMENTO (como a IA deve agir/falar)
│  │
│  └─ Isso muda dependendo da situação?
│     ├─ NÃO, sempre igual → SYSTEM PROMPT
│     └─ SIM, depende do contexto → SKILLS
│
├─ 📄 INFORMAÇÃO/DADOS (fatos, documentos, conhecimento)
│  │
│  └─ É muito conteúdo ou muda frequentemente?
│     ├─ SIM → RAG (Coleções)
│     └─ NÃO → SYSTEM PROMPT
│
└─ 🎓 METODOLOGIA (processo passo-a-passo, framework)
   └─ Usa em todas as conversas?
      ├─ SIM → SYSTEM PROMPT
      └─ NÃO → SKILLS

Passo 2: Exemplos práticos

Cenário A: "Quero que a IA sempre seja educada e profissional" → SYSTEM PROMPT (comportamento fixo, sempre ativo)

Cenário B: "Quero que a IA fale de forma diferente quando atender executivos vs. técnicos" → SKILLS (2 skills: "Comunicação Executiva" e "Comunicação Técnica")

Cenário C: "Tenho 500 páginas de manual do produto que a IA precisa consultar" → RAG (crie uma Coleção "Manual do Produto" com os documentos)

Cenário D: "Quero que a IA siga o processo ITIL para resolver tickets" → SKILLS (crie uma skill "Processo ITIL" que será ativada quando relevante)

Cenário E: "Tenho um catálogo de 10.000 produtos com preços que mudam semanalmente" → RAG (crie uma Coleção "Catálogo" e atualize os documentos quando preços mudarem)

Cenário F: "Quero que a IA sempre responda em 3 passos: resumo, detalhes, conclusão" → SYSTEM PROMPT (formato fixo de resposta)

Passo 3: Casos especiais

E se eu precisar dos três? ✅ Perfeitamente normal! Combine:

  • System Prompt: Define comportamento básico
  • Skills: Adiciona especialização contextual
  • RAG: Fornece acesso aos dados e documentos

Exemplo completo:

  • System Prompt: "Você é um assistente de suporte amigável e profissional"
  • Skills: "Troubleshooting", "Escalação", "Vendas"
  • RAG: Coleção "Base de Conhecimento" + Coleção "Produtos"

⚠️ Erros comuns (evite isso!)

❌ Erro 1: Colocar dados no System Prompt

Errado: Colocar lista de 100 produtos no System Prompt

System Prompt:
Você é um assistente de vendas. Nossos produtos são:
1. Produto A - R$ 50
2. Produto B - R$ 100
... (98 produtos depois)

Correto: Use RAG (Coleções)

  • Crie uma Coleção "Catálogo"
  • Adicione um documento para cada produto
  • A IA busca quando necessário

❌ Erro 2: Criar Skills para informações

Errado: Criar uma skill com dados de produtos

Skill: Produtos
Descrição: Informações sobre produtos

Instruções:
- Produto A custa R$ 50
- Produto B custa R$ 100
- Produto C custa R$ 150

Correto: Use RAG (Coleções) Skills são para como fazer, não para informações/dados

❌ Erro 3: Usar RAG para comportamento

Errado: Criar documentos sobre como a IA deve agir

Documento 1: "Você deve ser educado"
Documento 2: "Você deve ser profissional"

Correto: Use System Prompt RAG é para informações, não para comportamento

❌ Erro 4: Duplicar informações

Errado: Colocar a mesma informação em Skills E RAG E System Prompt

Correto: Escolha UM lugar baseado na natureza da informação:

  • Comportamento fixo → System Prompt
  • Metodologia/processo → Skills
  • Dados/documentos → RAG

❌ Erro 5: Skills demais

Errado: Criar 50 skills diferentes

Correto: Mantenha entre 3-10 skills focadas

  • Muitas skills confundem o modelo
  • Agrupe skills similares

Métricas de sucesso para cada abordagem

System Prompt:

  • Consistência no tom e comportamento
  • Taxa de seguimento de regras gerais
  • Qualidade percebida das interações

Skills:

  • Taxa de ativação correta da skill
  • Qualidade das respostas especializadas
  • Economia de tokens vs. instruções sempre ativas

RAG:

  • Precisão da recuperação (relevância dos docs)
  • Taxa de citação de fontes
  • Redução de alucinações
  • Atualidade das informações fornecidas

Conclusão e recomendações

Use System Prompt para:

  • Definir a personalidade e tom fundamental
  • Estabelecer regras que sempre se aplicam
  • Configurar comportamentos de segurança

Use Skills para:

  • Múltiplas áreas de expertise distintas
  • Processos e metodologias especializadas
  • Diferentes personas ou estilos de comunicação
  • Economizar tokens em conhecimento contextual

Use RAG (Coleções) para:

  • Acessar bases de conhecimento extensas e organizadas
  • Informações que mudam frequentemente (produtos, preços, políticas)
  • Necessidade de citação de fontes e rastreabilidade
  • Conhecimento factual específico do domínio
  • Documentação técnica, manuais e procedimentos

Combine as três quando:

  • Construir assistentes corporativos complexos
  • Precisar de comportamento consistente + expertise + conhecimento factual
  • Escalar para múltiplos domínios e casos de uso

A escolha certa depende do seu caso de uso específico. Comece simples com System Prompt, adicione Skills quando precisar de especialização, e implemente RAG quando tiver uma base de conhecimento substancial que precisa ser acessada dinamicamente.

📚 Leitura adicional:

Edit this page