Da instrução ao comportamento
O trabalho de Prompt Engineering inclui definir o que o modelo deve fazer, com que informação, em que formato e dentro de que limites. Quando a solução envolve um assistente, interessa também gerir o diálogo, reconhecer exceções e saber quando pedir dados ou encaminhar para uma pessoa.
A minha experiência inclui a arquitetura de instruções para agentes conversacionais, o desenho de fluxos orientados a objetivos, a gestão de contexto e a avaliação de respostas. Trabalho também na passagem de necessidades profissionais a protótipos de ferramentas com IA.
O que entra no trabalho técnico
| Dimensão | Decisões e entregáveis |
|---|---|
| Tarefa e requisitos | Âmbito, destinatários, critérios de aceitação e comportamentos fora do âmbito. |
| Instruções e contexto | Regras persistentes, informação variável, fontes, exemplos e prioridades. |
| Fluxos conversacionais | Recolha de informação, perguntas úteis, gestão de exceções e encaminhamento. |
| Testes e revisão | Casos representativos, casos limite, falhas observadas e comparação de versões. |
| Eficiência | Eliminar redundâncias, reduzir informação irrelevante e avaliar o compromisso entre custo, latência e qualidade. |
Como avalio uma resposta
Antes de testar, defino o que pode ser observado: se a resposta respeita os dados, cumpre o formato, identifica informação em falta e serve a tarefa. O conjunto de testes deve incluir pedidos usuais e situações em que o assistente deve parar, esclarecer ou recusar uma ação fora do seu âmbito.
Uma instrução de segurança no prompt é uma camada de orientação. Autorizações, acesso a dados e ações externas exigem também controlos na aplicação.
Um exemplo de desenho de assistente
Um assistente recebe um pedido de informação sobre um serviço. Deve identificar a necessidade, consultar informação aprovada, pedir os dados indispensáveis e preparar uma resposta. Se faltar uma condição comercial, deve assinalar essa ausência e encaminhar a decisão, sem inventar uma oferta.
O teste verifica respostas a pedidos completos, dados em falta, informações contraditórias e solicitações que ultrapassam o serviço. Os resultados permitem corrigir a causa da falha: instruções, contexto, dados, lógica ou limites do próprio modelo.
O que esta experiência acrescenta à formação
Os participantes aprendem a relacionar uma falha com uma decisão de preparação. Uma resposta vaga pode resultar de um objetivo indefinido; uma análise incorreta pode resultar de dados insuficientes. Esse diagnóstico torna a prática mais útil do que a memorização de fórmulas.
Conhecer a formação em Prompt EngineeringPara compreender os modelos de trabalho que uso, explore o Método PROMPT, a tríade do prompt e o IDEAR-OC.