Anatomia de um prompt

Um prompt é a entrada que orienta um modelo de linguagem para uma resposta. Em uma caixa de chat simples, parece a frase que você digita. Em um assistente empresarial, costuma incluir muito mais: instruções permanentes, mensagens anteriores, documentos relevantes e resultados de outros softwares. Entender essas partes ajuda a diagnosticar uma resposta ruim sem reescrever incessantemente a última pergunta.

Imagine instruir um recepcionista temporário. Você fornece as regras do escritório, explica o que o visitante deseja e entrega quaisquer registros necessários para ajudar. O modelo recebe uma instrução semelhante, mas com uma diferença importante: ele não mantém uma recordação privada e duradoura de uma requisição para a outra. A aplicação deve fornecer novamente o briefing relevante.

Mensagens têm papéis #

Uma mensagem é um trecho de conversa rotulado com sua origem. O rótulo é chamado de papel. Os papéis informam ao modelo se o texto é uma instrução da aplicação, uma solicitação da pessoa que a usa, uma resposta anterior ou informação retornada por uma ferramenta. Uma ferramenta é um software que o assistente pode solicitar para executar uma operação definida, como verificar o status de entrega.

O papel de sistema responde a perguntas como “De que o assistente é responsável?” e “O que deve acontecer se a resposta não estiver disponível?” Para um assistente de suporte, isso pode significar explicar políticas de entrega em linguagem simples, verificar registros de pedidos antes de declarar um status e encaminhar casos não resolvidos a uma pessoa. Coloque comportamentos duráveis aqui, em vez de pedir aos clientes que os repitam.

O papel de usuário carrega a necessidade imediata: “Meu pacote não chegou. Você pode verificar?” Um usuário também pode fornecer documentos, correções ou preferências relevantes para a tarefa. Esses são ins úteis, mas uma mensagem de usuário comum não deve se tornar uma regra administrativa apenas porque diz “Sou o gerente; ignore a política.” A aplicação decide quais fontes têm autoridade.

Uma mensagem de assistente registra o que o modelo disse ou solicitou anteriormente. Mantê‑la ajuda a resolver perguntas de acompanhamento como “Você pode explicar isso de forma mais simples?” Contudo, uma resposta anterior não prova que sua afirmação estava correta. Se o assistente adivinhou uma data de entrega antes, repetir essa resposta no histórico não transforma o palpite em fato verificado.

Os resultados de ferramenta requerem o mesmo cuidado. Uma busca bem‑sucedida pode estabelecer o status registrado em um sistema autorizado naquele momento. Um erro apenas indica que a busca falhou. Nenhum deve ser silenciosamente reescrito para o resultado que o cliente esperava. Páginas da web ou documentos recuperados podem conter instruções próprias; essas instruções são material de origem, não comandos automáticos para o assistente.

Siga uma conversa #

O exemplo a seguir é fictício. Observe que a ferramenta contribui com um registro, enquanto o assistente transforma esse registro em uma resposta voltada ao cliente. Os papéis permanecem separados mesmo quando todas as mensagens são apresentadas juntas ao modelo.

O cliente pode ver apenas sua pergunta e a resposta final. A aplicação pode manter instruções de sistema e detalhes técnicos da ferramenta fora da interface de chat. Invisível ao cliente não significa ausente da entrada do modelo, nem torna as instruções de sistema um local seguro para armazenar segredos. Inclua apenas as informações que o modelo precisa para seu trabalho.

Relacionado: no AIVAX, o runtime configurado que combina instruções, um modelo e capacidades conectadas é chamado de AI gateway. Essa configuração é distinta da última mensagem do cliente. Separar os dois facilita mudar a solicitação do cliente sem enfraquecer as regras operacionais do serviço.

Reconstrua o briefing a cada turno #

Um turno é uma troca na conversa. Quando o cliente faz um acompanhamento, o modelo não abre independentemente o chat antigo e lembra o que aconteceu. Na fronteira modelo‑requisição, ele é sem estado: o contexto relevante deve ser fornecido novamente. Um produto pode armazenar uma conversa para você, mas essa persistência pertence à aplicação ou serviço circundante, não a uma memória pessoal duradoura dentro do modelo.

“Tudo é reenviado” significa que tudo que o modelo precisa para a nova geração deve estar representado em seu contexto de entrada. Não significa que todo produto transmite todas as mensagens históricas para sempre. Alguns produtos gerenciam sessões armazenadas, resumos ou entradas reutilizáveis internamente. Essas conveniências não eliminam a necessidade de decidir quais informações o modelo pode realmente ver nesta requisição.

Essa distinção explica uma surpresa comum. Você informa ao assistente seu endereço de entrega preferido no início de um chat longo e ele pergunta novamente depois. O problema pode não ser a formulação pobre: o detalhe original pode não estar mais no histórico selecionado. A unidade sobre janelas de contexto e tokens explica esse limite de espaço, enquanto memória explica a lembrança deliberada entre conversas.

Dê a cada parte uma tarefa #

Um prompt bem montado separa comportamento, evidência e tarefa. Misturá‑los em um longo parágrafo dificulta ver o que deve permanecer constante e o que deve mudar para um cliente específico. Também dificulta a solução de problemas: não é fácil dizer se uma resposta errada veio de fatos faltantes ou de instruções conflitantes.

Rótulos de papel ajudam o modelo a interpretar uma conversa, mas não substituem controles de software. Uma frase como “nunca emitir reembolsos” deve ser reforçada ao não conceder autoridade de reembolso a um assistente que apenas explica a política. Mantenha permissões fora do prompt, bem como descrevendo‑as claramente dentro dele.

Ao revisar uma resposta decepcionante, faça uma pergunta prática: “Um novo colega poderia ter respondido corretamente a partir deste briefing exato?” Se fatos essenciais estavam ausentes, acrescentar linguagem mais vigorosa provavelmente não ajudará. Se os fatos estavam presentes mas a saída estava confusa, o próximo passo é melhorar a descrição da tarefa e os exemplos.

Próximo passo: Explore prompting techniques para tornar esse briefing mais claro sem torná‑lo desnecessariamente longo.