Sumário

Tipos de prompts: simples, compostos, estruturados

Como escolher o melhor tipo de prompt para cada situação empresarial.

📌 Introdução

O sucesso de uma interação com um LLM depende fortemente de como o prompt é escrito e estruturado. Escolher o tipo de prompt certo faz a diferença entre uma resposta vaga e uma solução realmente útil para o negócio.

De forma geral, os prompts podem ser classificados em três tipos principais:

• Prompt Simples
• Prompt Composto
• Prompt Estruturado

1️⃣ Prompt Simples

✅ Definição:

Um prompt direto, objetivo e curto. Normalmente faz apenas uma solicitação clara ao modelo.

✅ Exemplo:

"Explique o que é Machine Learning."

✅ Características:

• Pouco contexto
• Sem formatação ou instruções avançadas
• Fácil de testar e ajustar
• Baixo consumo de tokens

✅ Casos de Uso:

• Perguntas rápidas
• Definições básicas
• Traduções simples
• Exemplos rápidos de código

✅ Limitações:

• Pode gerar respostas genéricas
• Pouco controle sobre o tom e formato da saída

2️⃣ Prompt Composto

✅ Definição:

Prompt que inclui várias instruções, condições ou exemplos dentro de uma mesma solicitação. Pode conter múltiplos comandos ou etapas.

✅ Exemplo:

"Explique o que é Machine Learning de forma simples, depois dê um exemplo prático de uso em uma empresa de e-commerce, e por fim sugira duas fontes para aprofundamento."

✅ Características:

• Inclui múltiplas tarefas ou camadas
• Controla melhor o tom, a estrutura e o conteúdo
• Pode incluir exemplos dentro do próprio prompt (few-shot learning)

✅ Casos de Uso:

• Geração de conteúdo com estrutura definida (ex: blog posts)
• Respostas mais detalhadas e com múltiplas partes
• Conversas multi-etapas (ex: triagem + sugestão + ação)

✅ Limitações:

• Custo maior em tokens
• Requer mais cuidado com a ordem das instruções
• Pode confundir o modelo se mal estruturado

3️⃣ Prompt Estruturado

✅ Definição:

Prompt com formatação explícita, geralmente incluindo campos, delimitadores ou instruções de output no formato JSON, Markdown, listas, etc.

✅ Exemplo:

Prompt:

Responda utilizando o seguinte formato JSON:
{
  "definicao": "",
  "exemplo": "",
  "fontes_recomendadas": ["", ""]
}

Pergunta: O que é Machine Learning?

✅ Características:

• Controle total sobre o formato de saída
• Ideal para integração com APIs e automações (ex: n8n, Zapier, RPA)
• Fácil de processar por máquinas (parseável)

✅ Casos de Uso:

• Geração de relatórios estruturados
• Integração com sistemas (ex: salvar outputs em banco de dados)
• Respostas com campos fixos para leitura programática

✅ Limitações:

• Requer domínio na formatação do prompt
• Se o prompt estiver mal feito, o modelo pode "quebrar" o formato

✅ Comparativo Rápido

✅ Dicas de Ouro para o Engenheiro de Prompt

• Comece simples, evolua para compostos e, só depois, para estruturados conforme a necessidade.
• Use exemplos de output no próprio prompt quando quiser forçar um formato.
• Se o modelo errar o formato, aplique instruções reforçadas, como:
  "Atenção: Responda apenas no formato JSON. Não inclua explicações adicionais."

link de compartilhamento