Engenharia de prompt básica
Glossário
• Alucinação Quando a IA inventa informações com total confiança, como se fossem verdade. Pode criar dados falsos, citar autores inexistentes ou misturar conceitos. Analogia: É como perguntar para alguém uma direção e ela inventar o caminho com tanta convicção que você só descobre o erro quando se perde.
• Agente / AI Agent Uma IA configurada para executar tarefas de forma autônoma em sequência, tomando decisões e usando ferramentas sem precisar de um humano confirmando cada passo. Analogia: É como contratar um assistente que você dá uma missão — "pesquise, organize e me mande um relatório" — e ele faz tudo sozinho, sem precisar que você aprove cada etapa.•
• API (Application Programming Interface) Interface que permite conectar a IA com outros aplicativos e sistemas. É por meio de uma API que desenvolvedores integram modelos de linguagem em ferramentas e produtos próprios. Analogia: É como um garçom num restaurante. Você (o app) faz o pedido, o garçom (API) leva até a cozinha (a IA) e traz a resposta de volta. Você nunca entra na cozinha diretamente.
• Chunking Técnica de dividir textos ou documentos grandes em partes menores para que a IA consiga processá-los de forma eficiente, respeitando os limites da janela de contexto. Analogia: É como cortar um bife grande em pedaços menores antes de comer. Você não enfia o bife inteiro na boca — divide em pedaços que cabem de uma vez.
• Context Window (Janela de Contexto) A quantidade total de texto que um modelo consegue "ver" e processar de uma só vez, incluindo o histórico da conversa. Quando o contexto excede esse limite, informações antigas são descartadas. Analogia: É como a memória de trabalho de uma pessoa durante uma conversa. Se você falar muita coisa, ela começa a esquecer o que foi dito no começo. A IA tem o mesmo limite — quando enche, o que veio primeiro some.
• Contexto As informações que você fornece no prompt para ajudar a IA a entender a situação: quem você é, qual o objetivo, qual o tom, para quem é o conteúdo. Diferente de Context Window, que é o limite técnico — contexto é o que você ativamente fornece. Analogia: É como fazer um briefing antes de contratar alguém. Quanto mais contexto você dá, mais certeiro é o resultado.
• Engenharia de Prompt A habilidade de estruturar instruções para uma IA de forma clara, estratégica e produtiva, maximizando a qualidade das respostas. É uma combinação de técnica, lógica e prática. Analogia: É como aprender a fazer as perguntas certas. Um advogado, um médico e um jornalista são bons no que fazem em parte porque sabem exatamente o que perguntar e como perguntar.
• Few-shot Prompting Técnica de fornecer exemplos de input e output desejado dentro do próprio prompt, para mostrar à IA o padrão de resposta esperado. Analogia: É como ensinar alguém por exemplos. Em vez de explicar a regra, você mostra: "Olha, é assim, assim e assim" — e a pessoa entende o padrão e replica
• Fine-tuning Processo de treinar um modelo de IA já existente com um conjunto de dados específico, para especializar seu comportamento em uma tarefa ou domínio particular. Analogia: É como contratar um médico generalista e pagar para ele fazer uma especialização em cardiologia. O conhecimento base já existe, você só afina para um domínio específico.
• Grounding Processo de fundamentar as respostas da IA em fontes de informação verificáveis, reais e confiáveis, reduzindo alucinações e aumentando a precisão factual. Analogia: É como pedir para um jornalista só publicar o que consegue confirmar com fontes. Sem grounding, a IA fala o que acha que é verdade. Com grounding, ela só fala o que consegue embasar.
• Inference (Inferência) O processo pelo qual um modelo de IA gera uma resposta a partir de um input. É o momento em que o modelo "pensa" e produz o output. Analogia: É o momento em que você faz uma pergunta e a IA processa e responde. É literalmente o motor rodando — o ato de pensar e falar acontecendo ao mesmo tempo
• Input / Output Input é tudo que você envia para a IA — seu prompt, arquivos, imagens. Output é tudo que a IA devolve — o texto, o código, a resposta gerada. São os dois lados de toda interação com IA. Analogia: Input é o ingrediente que você coloca na batedeira. Output é o que sai depois. A qualidade do que entra influencia diretamente o que sai.
• Iteração O processo de refinar e ajustar o prompt depois de ver o resultado, melhorando progressivamente a resposta. É o coração da engenharia de prompt — raramente o primeiro resultado é o definitivo. Analogia: É como esculpir. Você não esculpe o resultado final de uma vez — vai retirando, ajustando, refinando até chegar onde quer.
• Latência O tempo que a IA demora para gerar e retornar uma resposta após receber um prompt. Analogia: É o tempo entre você apertar enviar e a resposta aparecer. Como o tempo que um restaurante leva para trazer seu pedido depois que você pediu.
• LLM (Large Language Model) Modelo de linguagem de grande porte — o tipo de IA que está por trás do ChatGPT, Claude, Gemini e outros. São sistemas treinados com bilhões de textos para entender e gerar linguagem humana. Analogia: É como uma pessoa que leu uma quantidade absurda de livros, artigos e conversas durante anos. Ela não "sabe" as coisas como fatos memorizados — ela aprendeu padrões de como as ideias se conectam.
• Meta Prompting Usar a IA para criar, otimizar ou avaliar seus próprios prompts. Uma das técnicas mais eficazes para iniciantes que querem acelerar o aprendizado. Analogia: É pedir para um professor te ajudar a formular uma pergunta melhor antes de ir tirar uma dúvida. Você usa a IA para melhorar a instrução que vai dar para a própria IA.
• Modelo / Model A versão específica de IA que você está usando. GPT-4o, Claude Sonnet, Gemini Pro são modelos diferentes — cada um com capacidades, limites e comportamentos distintos, mesmo que acessados pela mesma interface. Analogia: É como a diferença entre um carro popular e um SUV da mesma marca. Os dois são carros, mas têm capacidades, consumo e propósitos diferentes.
• Multimodalidade Capacidade de um modelo de IA de processar e gerar diferentes tipos de dados além de texto: imagens, áudios, vídeos e documentos. Analogia: É como uma pessoa que fala, lê, ouve e vê ao mesmo tempo. Um modelo multimodal não só lê texto — ele também entende fotos, áudios e vídeos.
• Open Source Software com código-fonte aberto, disponível para uso, modificação e distribuição gratuita. Modelos como Llama e Mistral são exemplos na área de IA. Analogia: É como uma receita publicada abertamente. Qualquer um pode ler, usar, modificar e distribuir. O oposto seria uma receita secreta que só a empresa dona pode usar.
• Parâmetro Configuração que ajusta o comportamento de um modelo de IA. Temperatura, top-k e top-p são exemplos de parâmetros que controlam criatividade, precisão e variedade nas respostas. Analogia: É como os botões e controles de um equipamento de som. Você não troca o equipamento — só ajusta os controles para mudar como ele soa.
• Placeholder Variável dentro de um prompt, geralmente indicada por colchetes [assim] ou chaves {assim}, que marca onde você deve inserir uma informação específica antes de usar. Analogia: É como um formulário com campos em branco. O texto ao redor já está pronto — você só preenche o que falta: [seu nome], [seu tema], [seu público].
• Prompt Chaining Técnica de encadear múltiplos prompts em sequência, onde o output de um serve como input do próximo. Permite resolver tarefas complexas de forma estruturada e incremental. Analogia: É como uma linha de montagem. Cada estação faz uma parte do trabalho e passa para a próxima. O resultado de um prompt vira o material de entrada do seguinte
• RAG (Retrieval-Augmented Generation) Técnica que combina busca em bases de dados externas com geração de texto pela IA. Permite que o modelo acesse informações atualizadas e específicas antes de responder. Analogia: É como um advogado que, antes de responder, consulta os documentos do caso específico. Ele não responde só pela memória — ele busca a informação certa antes de falar.
• Role Prompting Instrução para que a IA assuma uma persona ou papel específico antes de responder. Analogia: É como pedir para um amigo "pensa como um médico agora e me diz o que você acha". Ele usa o conhecimento que tem, mas filtra pela perspectiva do papel que você pediu.
• Slash Commands ( / ) Atalhos de texto que começam com / usados em algumas ferramentas de IA para acionar comandos ou funções específicas rapidamente, sem precisar escrever um prompt completo. Aparecem em plataformas como Notion AI, ChatGPT com plugins, e ferramentas de código. Exemplos comuns: /summarize para resumir, /translate para traduzir, /improve para melhorar o texto. Analogia: É como os atalhos de teclado de um programa. Em vez de ir no menu, clicar em Arquivo, depois em Salvar, você aperta Ctrl + S e pronto. O slash command é o atalho verbal da IA.
• System Prompt Instrução inicial que define o comportamento geral, tom, limitações e papel da IA em uma sessão. Geralmente invisível ao usuário final em produtos comerciais. Analogia: É como o regulamento interno de uma empresa que os funcionários seguem mas os clientes nunca veem. Define como a IA deve se comportar antes de qualquer conversa começar.
• Temperatura Parâmetro que controla o nível de criatividade e aleatoriedade nas respostas da IA. Temperatura alta gera respostas mais variadas e criativas. Temperatura baixa gera respostas mais previsíveis e precisas. Analogia: Pensa num controle de criatividade. Alta temperatura é como um escritor improvisando — pode ser brilhante ou desconexo. Baixa temperatura é como um contador preenchendo uma planilha — preciso, previsível, sem surpresas.
• Terminal / CLI (Command Line Interface) Interface de comando por texto, usada por desenvolvedores para interagir com sistemas operacionais, executar scripts e integrar ferramentas de IA via linha de comando. Analogia: É como dar ordens direto para o computador por escrito, sem clicar em nada. Em vez de abrir um app com botões, você digita o comando e ele executa.
• Tokens Unidades básicas de texto que os modelos de linguagem processam. Um token equivale aproximadamente a 4 caracteres ou 0,75 palavras em inglês. O custo de uso das APIs e os limites de contexto são medidos em tokens. Analogia: É como a IA "mede" texto, mas não em palavras — em pedaços. A palavra "estudantes" pode ser 2 tokens, "oi" pode ser 1. É a unidade de custo e de limite de memória da IA.
• Zero-shot Prompting Técnica de pedir à IA que realize uma tarefa sem fornecer exemplos prévios, confiando apenas na capacidade de generalização do modelo. Analogia: É como pedir para alguém fazer algo sem mostrar nenhum exemplo. "Traduza essa frase." Sem modelo, sem referência — só a instrução e a confiança de que a pessoa sabe o que está fazendo.
