IA para Devs 01: O que significa engenharia de prompt na prática?

Há algum tempo, eu estava no trabalho quando recebemos a notícia de que teríamos acesso a tokens. Lembro da animação do meu time: poderíamos incorporar a IA ao dia a dia, experimentar novas possibilidades e facilitar algumas tarefas no desenvolvimento de software.

Durante o uso, comecei a perceber que precisava fazer pedidos parecidos várias vezes ao longo do dia. Foi quando tive uma ideia simples: guardar aquelas mensagens e reutilizá-las sempre que precisasse realizar a mesma tarefa.

Mas isso trouxe uma pergunta: como escrever o que eu queria de forma clara para obter respostas mais consistentes e alinhadas à minha necessidade?

Essa curiosidade me levou a estudar engenharia de IA, realizar experimentos pessoais, aplicar esses conhecimentos em projetos no trabalho, fazer leituras técnicas (muitas, muitas leituras técnicas) e aprofundar meus estudos, inclusive iniciar uma graduação focada em Agentes Inteligentes - AI Agents Engineering & Autonomous Architectures pela FIAP.

E bom, assim chegamos no meu primeiro artigo sobre o assunto:) Aqui vamos entender o que é um prompt, o que significa trabalhar sua construção de forma estruturada e como avaliar se as respostas atendem ao que precisamos. Ao longo da série, aprofundarei cada parte desse processo, incluindo instruções, contexto e testes entre outros.

Na computação, o termo prompt já era utilizado antes da inteligência artificial. No terminal, o prompt de comando indica que o sistema está pronto para receber um comando.

Já no contexto do mundo da IA, prompt é a entrada que fornecemos ao modelo para orientar sua resposta. O modelo é o sistema treinado para processar esse pedido e gerar uma resposta, como a explicação que aparece no chat. Isso pode incluir uma pergunta, um pedido, algumas instruções, informações de contexto e exemplos.

Por exemplo, vou fazer uma pergunta com um prompt simples:

Explique a Segunda Guerra Mundial usando uma linguagem simples e clara para uma pessoa que não conhece o assunto. Enter fullscreen mode Exit fullscreen mode Nesse pedido, indicamos o assunto, a linguagem desejada e o público para quem a explicação deve ser direcionada.

A engenharia de prompt é o trabalho de arquitetar, construir e avaliar prompts para obter respostas mais úteis e consistentes para o objetivo que queremos.

Como define Chip Huyen, no livro Engenharia de IA (2026):

“A engenharia de prompt é o processo de criar uma instrução que faça com que um modelo gere o resultado desejado” (p. 211).

O termo engenharia, nesse contexto, destaca o trabalho de construir, testar e aperfeiçoar prompts de forma estruturada. Esse processo envolve:

Essas etapas formam um ciclo: os problemas encontrados nos testes ou durante o uso podem nos levar a revisar o contexto, ajustar as instruções e testar novamente.

Nesse processo, orientamos o comportamento do modelo sem alterar seus parâmetros, que são os valores numéricos internos ajustados durante o seu treinamento.

Ao pedir uma explicação com linguagem simples e exemplos do cotidiano, por exemplo, você direciona como o modelo deve responder naquele contexto. Essa instrução não modifica seus parâmetros nem corresponde a um novo treinamento.

A avaliação das respostas faz parte desse trabalho. Precisamos verificar se elas estão corretas, respeitam as instruções e atendem ao objetivo definido.

A engenharia de prompt se desenvolveu a partir das pesquisas sobre modelos de linguagem, sistemas de IA capazes de processar e gerar textos. Nessas pesquisas, a maneira de apresentar uma tarefa ao modelo — incluindo as palavras, o contexto e os exemplos utilizados — passou a ser estudada como uma forma de orientar suas respostas.

Um marco importante foi o estudo sobre o GPT-3, publicado em 2020. Ele demonstrou que o modelo conseguia realizar diferentes tarefas a partir de instruções e exemplos fornecidos no próprio prompt, sem um novo treinamento específico para cada tarefa.

Em 2021, uma revisão científica já reunia e organizava diferentes métodos de construção de prompts.

Esses trabalhos ajudam a entender por que a construção do prompt passou a receber atenção: a forma de apresentar uma tarefa pode influenciar o resultado produzido pelo modelo.

Imagine que você queira aprender sobre a Segunda Guerra Mundial.

Que tal colocar a mão na massa e testar comigo os prompts usando um chat de IA? Você só precisa copiar e colar o prompt e observar as respostas. Para esses exemplos utilizarei o Modo IA do Google.

Agora vamos arquitetar o passo a passo desse prompt.

Para avaliar se a resposta atende ao objetivo, vamos verificar se ela apresenta as causas, os acontecimentos e as consequências, com uma linguagem acessível.

Estamos começando a estudar o assunto e ainda não temos conhecimento sobre o tema. Por isso, precisamos de uma explicação simples e adequada para quem está começando.

Já sabemos o que queremos aprender e qual é nosso nível de conhecimento. Vamos começar com uma versão que informa apenas o assunto, para observar o resultado e depois comparar o que muda quando acrescentamos essas informações.

Explique a Segunda Guerra Mundial. Enter fullscreen mode Exit fullscreen mode Esse pedido comunica o assunto, certo? Mas percebe que ele deixa algumas questões em aberto?

A IA pode produzir uma resposta adequada, mas informar essas necessidades ajuda a direcionar a explicação para o que queremos aprender.

Agora copie o primeiro prompt, execute no Modo IA do Google e observe a resposta.

Teste real com o prompt inicial: “Explique a Segunda Guerra Mundial.” A captura mostra um trecho da resposta recebida.

Depois de receber a explicação, podemos verificar:

Imagine que a resposta seja muito longa e acabe cansando durante a leitura. Essa observação nos ajuda a identificar o que precisamos melhorar no próximo pedido.

Podemos fazer uma reformulação simples, aplicar uma persona, definir a tarefa, o contexto, dar as instruções de como queremos as respostas e também em qual formato.

PERSONA Você é um professor de história de nível fundamental. TAREFA Me explique a Segunda Guerra Mundial. CONTEXTO Estou começando a estudar o assunto e ainda não tenho conhecimento sobre o tema. INSTRUÇÕES Use linguagem simples, clara e objetiva. FORMATO DA RESPOSTA Organize a resposta em uma lista com três itens, usando uma única frase por item: 1. Principais causas. 2. Acontecimentos mais importantes. 3. Principais consequências. Enter fullscreen mode Exit fullscreen mode Essas informações ajudam a orientar a explicação conforme a nossa necessidade. Os títulos servem para organizar o pedido, mas não são obrigatórios: também podemos escrever essas orientações em um texto corrido.

Agora execute a nova versão e avalie a resposta usando os mesmos critérios. Observe quais problemas foram resolvidos e quais continuam presentes. Se ainda houver algo a melhorar, ajuste as instruções e repita o teste.

Precisamos conferir se a nova resposta atende ao que pedimos.

Também precisamos conferir as informações históricas em fontes confiáveis. Podemos pedir referências à IA, mas devemos verificar se elas existem e se sustentam as informações apresentadas na resposta.

Se algum ponto continuar confuso, podemos ajustar o pedido novamente. Por exemplo, solicitar uma explicação mais simples sobre uma das causas.

Esse processo de definir o objetivo, identificar o contexto, construir, testar, avaliar e refinar o prompt faz parte do trabalho de engenharia de prompt.

Quando encontrarmos uma versão que atende ao objetivo, podemos guardá-la para reutilizar, como contei no início do artigo. Durante os próximos usos, precisamos observar se ela continua produzindo respostas adequadas. Novas necessidades ou problemas podem exigir outros ajustes e testes.

Agora que vimos esse processo na prática, podemos levar alguns cuidados para os próximos prompts. Eles ajudam a organizar o pedido, deixar nossas expectativas mais claras e avaliar o que recebemos. Vamos olhar para quatro pontos que você pode aplicar tanto nos estudos quanto nas tarefas do dia a dia.

Explique o que você quer que a IA faça e quais critérios a resposta precisa atender.

No nosso exemplo, pedir um resumo com as causas, os acontecimentos e as consequências deixa mais claro o conteúdo esperado.

Inclua informações que ajudem a IA a adequar a resposta à sua necessidade. Dizer que você está começando a estudar o assunto, por exemplo, ajuda a orientar o nível de profundidade e a linguagem da explicação.

O contexto deve contribuir para a tarefa. Não precisamos acrescentar informações que não tenham relação com o que queremos aprender.

Explique como você deseja receber as informações. No exemplo, pedimos uma lista de três itens, com uma frase por item.

Também poderíamos solicitar uma linha do tempo ou uma lista de tópicos. O formato deve facilitar a leitura e a avaliação do resultado.

Verifique se as respostas atendem ao objetivo, respeitam o escopo e apresentam informações corretas. Experimente o prompt em diferentes situações. Sim, experimente em diferentes modelos de IA e use os problemas encontrados para orientar os ajustes.

Quando estiver comparando versões, mantenha as mesmas tarefas e condições para entender melhor o efeito das mudanças. No desenvolvimento de software, execute e teste as alterações sugeridas antes de incorporá-las ao projeto.

Na prática, trabalhar com engenharia de prompt envolve definir o que queremos, fornecer as informações necessárias, avaliar as respostas e ajustar as instruções a partir dos problemas encontrados.

Eu sei, dá vontade de escrever o prompt, receber uma resposta bonita e seguir a vida hahaha. Mas precisamos verificar se ela funciona: a resposta está correta, respeita o escopo e atende ao objetivo?

Um prompt mais detalhado pode ajudar quando esclarece necessidades da tarefa. É pelos resultados que avaliamos sua qualidade. Por isso, vale experimentar diferentes situações e verificar o efeito de cada ajuste.