--- title: "Prompt" url: "https://openclaw.ia.br/glossario/prompt/" markdown_url: "https://openclaw.ia.br/glossario/prompt.MD" description: "O que é um prompt em IA, tipos de prompt, por que a formulação muda a resposta e como escrever prompts mais eficazes para modelos de linguagem." date: "2026-06-20" author: "" --- # Prompt O que é um prompt em IA, tipos de prompt, por que a formulação muda a resposta e como escrever prompts mais eficazes para modelos de linguagem. # Prompt ## O Que É um Prompt **Prompt** é o texto que você entrega a um modelo de [linguagem (LLM)](/glossario/llm/) como entrada para receber uma resposta. Pode ser uma pergunta curta ("qual a capital da Bahia?"), uma instrução detalhada ("resuma este contrato em cinco tópicos, em tom formal, destacando cláusulas de rescisão") ou um conjunto complexo com regras, exemplos, contexto e restrições. Qualquer coisa que vá no envelope de entrada é prompt — incluindo o que o produto injeta por padrão, como [system prompts](/glossario/system-prompt/). O prompt é o controle mais direto que existe sobre o comportamento de um modelo de linguagem. Não dá para retreinar o modelo na hora, não dá para acessar seus pesos, mas dá para mudar o que se escreve na entrada — e a resposta muda junto. Por isso, a forma como o prompt é escrito costuma ter mais impacto na qualidade final do que a escolha entre modelos parecidos de mesma geração. Isso também é o motivo de "prompt" virar sinônimo de habilidade prática em IA. Saber pedir é mais útil do que saber o nome do modelo. Um bom [prompt engineering](/glossario/prompt-engineering/) começa por entender que o prompt não é uma pergunta solta: é uma instrução que combina objetivo, [contexto](/glossario/contexto/), restrições e formato desejado. ## Partes de um Bom Prompt Um prompt eficaz, na prática, costuma ter quatro partes — nem todas presentes em todo caso, mas todas merecendo consideração: 1. **Objetivo** — o que você quer que o modelo faça, em uma frase clara. "Resuma", "classifique", "reescreva", "gere três opções de". Sem objetivo claro, o modelo adivinha. 2. **Contexto** — quem é o público, qual a situação, qual o material de referência. É aqui que entra o [contexto](/glossario/contexto/) da conversa ou os documentos relevantes. 3. **Restrições** — tamanho máximo, tom, o que evitar, formato (lista, tabela, parágrafo). Sem restrição, o modelo produz texto genérico. 4. **Exemplos (opcional)** — quando o caso é sutil, mostrar o que é "bom" acelera a convergência. É o coração do [few-shot](/glossario/few-shot/). Quem escreve prompt como se fosse busca no Google ("melhor CRM para PME") recebe o que o modelo responderia para qualquer um. Quem escreve com as quatro partes recebe algo mais útil, específico e decidido. ## Tipos de Prompt Conforme o objetivo, alguns formatos se repetem: - **Zero-shot** — pedir direto, sem exemplo. Funciona para tarefas comuns que o modelo já viu muito no treinamento ("traduza esta frase para inglês"). Para casos sutis, costuma ficar genérico. Veja [zero-shot](/glossario/zero-shot/). - **Few-shot** — dar dois a cinco exemplos do par entrada/saída desejado antes da pergunta real. Útil quando o padrão é difícil de descrever em palavras. Veja [few-shot](/glossario/few-shot/). - **Instrução com papel** — pedir ao modelo que aja como um papel específico ("aja como um contador sênior revisando esta planilha"). Aumenta a coerência temática. - **Cadeia de pensamento (chain-of-thought)** — pedir ao modelo que explique o raciocínio passo a passo antes de concluir. Ajuda em tarefas de múltiplas etapas. Veja [chain-of-thought](/glossario/chain-of-thought/). - **Prompt de sistema** — instruções fixas que definem comportamento, voz e regras ao longo de toda a sessão. No OpenClaw, carrega a identidade do agente. Veja [system prompt](/glossario/system-prompt/). A escolha do tipo não é estética: ela muda a qualidade da resposta. Para tarefas simples, zero-shot basta. Para classificação com rótulos sutis, few-shot. Para raciocínio longo, cadeia de pensamento. ## Por Que a Formulação Muda a Resposta Modelos de linguagem preveem o próximo [token](/glossario/token/) com base no que veem antes. Por isso, a mesma intenção expressa de formas diferentes gera respostas diferentes — não porque o modelo "mudou de ideia", mas porque as palavras que você colocou mudam a probabilidade das próximas. É uma propriedade estatística, não um capricho. Na prática, isso significa três coisas: - **Verbos de ação claros vencem** — "liste três motivos", "compare as duas opções em tabela", "reescreva em tom mais direto" produzem respostas melhores do que "fale sobre CRM". - **Restrição explícita economiza turno** — se você quer tabela e não parágrafo, diga. Caso contrário, vai precisar de um segundo turno pedindo para refazer. - **Contexto antecipa dúvida** — se o público é técnico, diga; se é leigo, diga. O modelo não adivinha. Essa sensibilidade à formulação é, ao mesmo tempo, o poder e o custo do prompt. Poder, porque dá controle fino. Custo, porque exige atenção. É o que transforma prompt numa habilidade e não num ato isolado. ## Prompt em Automação vs. Prompt em Conversa Há uma diferença importante entre prompt de chat (humano escrevendo para o modelo em tempo real) e prompt de automação (um sistema montando o prompt de forma repetida). Em conversa, dá para corrigir no próximo turno. Em automação, o prompt roda centenas de vezes por dia sem supervisão, então pequenos descuidos viram centenas de respostas erradas. Por isso, em automação vale: - **Fixar o [system prompt](/glossario/system-prompt/)** com identidade, restrições e formato. - **Reaproveitar prompts testados** como [skills](/glossario/skills/), em vez de reescrever a cada chamada. - **Controlar o [contexto](/glossario/contexto/)** que entra, evitando estourar a janela e o orçamento. - **Versionar o prompt** junto com o código, para poder voltar quando uma mudança piorar a saída. É a diferença entre um prompt que funciona uma vez e um prompt que sustenta um produto. ## Erros Comuns Alguns padrões que travam quem está começando: - **Achar que o modelo "sabe o que você quer"** — ele não sabe. Se a saída está genérica, é porque a entrada está genérica. - **Pedir tudo num prompt gigante** — quando o prompt tenta cobrir dez objetivos, o modelo atende mal a todos. Melhor dividir em passos. - **Ignorar formato** — sem especificar lista, tabela ou tamanho, o modelo escolhe por você, e quase sempre escolhe o mais verboso. - **Confundir prompt com conhecimento** — o modelo só usa o que está no [contexto](/glossario/contexto/). Dado específico do negócio precisa entrar explicitamente, via prompt, [RAG](/glossario/rag/) ou ferramenta. - **Mudar sem medir** — quando você ajusta um prompt em produção, meça antes e depois em alguns exemplos. Caso contrário, é sorte. Entender esses erros costuma render mais do que decorar técnicas. O prompt é uma forma de comunicação — e como toda comunicação, melhora quando você pensa em quem lê (no caso, o modelo) e no que precisa chegar claro.