1
🏗️ Estrutura de 5 blocos
Papel · Contexto · Tarefa · Restrições · Formato. Cada bloco tem propósito. Output previsível e auditável.
Os 5 blocos detalhados
- • Papel: "Você é um analista de FP&A sênior". Calibra tom e profundidade.
- • Contexto: Background da empresa, setor, dado disponível.
- • Tarefa: O que exatamente fazer. Verbo + objeto + critério.
- • Restrições: O que NÃO fazer. Não inventar dado. Não sugerir comprar SaaS.
- • Formato: JSON, tabela, lista, markdown. Especifique.
2
🎯 Few-shot na prática
3-5 exemplos no prompt > 1 página de instrução abstrata. Modelo aprende padrão.
Quando few-shot vale ouro
- • Output deve ter estilo específico (tom da empresa)
- • Tarefa tem formato exato (categoria fixa, JSON schema)
- • Conceito é difícil de explicar mas fácil de mostrar
- • Ambíguo: dar 3 exemplos resolve onde 10 frases falhariam
3
📦 Biblioteca de prompts reutilizáveis
Notion/Obsidian/GitHub com 20-50 prompts categorizados. Cada um testado, versionado, com placeholders. Biblioteca pessoal é seu "código-fonte".
Estrutura da biblioteca
- • Pasta por tarefa: Análise, Drafting, Sumário, Pesquisa, Categorização
- • Cada prompt em arquivo separado com header: data, versão, modelo, custo médio
- • Placeholders [BRACKET_NOMEADO] pra substituição rápida
- • Changelog: por que mudou v2 → v3
- • Compartilhar parcialmente vira liderança técnica visível
4
🔍 Debugging de prompt
Output errado? Diagnóstico estruturado vence re-prompt aleatório.
Checklist de diagnóstico
- • Tarefa está ambígua? Reescreva com verbo concreto.
- • Falta exemplo? Adicione 2-3 few-shot.
- • Contexto faltando? Diga "se faltar dado, pergunte".
- • Formato pedido inviável? JSON com 50 campos = falha.
- • Modelo errado? Troque (Claude vs GPT vs Gemini fazem coisas diferentes).
5
💼 Prompt pra negócio
Negócio favorece estrutura, citação, JSON, lista. Inclua "se não souber, diga 'não sei'". Output que economiza tempo de quem lê.
Diferença criativo vs negócio
- • Criativo: temperature alta, formato aberto, surpresa bem-vinda
- • Negócio: temperature 0-0.3, formato fixo, surpresa = bug
- • Criativo: "escreva algo memorável sobre X"
- • Negócio: "extraia A, B, C como JSON; null se ausente"
6
🔒 Prompt seguro: dado sensível
Regra: nunca cole dado pessoal real em modelo público. Use anonimização, BAA, ou retenção zero.
⚠️ 90% dos incidentes LGPD em IA vêm de prompt errado
- • Anonimização: substitua nome/CPF/email por placeholders antes
- • BAA (Business Associate Agreement): Azure OpenAI, AWS Bedrock têm
- • Retenção zero: API com política explícita (Anthropic, OpenAI Enterprise)
- • Política interna: documente o que pode/não pode em prompt
🧪 Prompt — meta-prompt pra criar prompts
Use este meta-prompt pra gerar novos prompts estruturados na sua biblioteca.
🇧🇷 Você é um prompt engineer sênior. Vou descrever uma tarefa que quero automatizar. Gere um prompt completo seguindo a estrutura de 5 blocos:
1. Papel: que tipo de especialista resolveria essa tarefa
2. Contexto: que background o modelo precisa
3. Tarefa: passo a passo do que fazer (com critérios de qualidade)
4. Restrições: 3-5 limites explícitos
5. Formato de saída: schema exato
Tarefa que quero automatizar: [descreva]
Input típico: [exemplo de input]
Output desejado: [exemplo de output bom]
Risco principal: [LGPD, hallucination, custo]
🇺🇸 You are a senior prompt engineer. I'll describe a task I want to automate. Generate a complete prompt with the 5-block structure:
1. Role · 2. Context · 3. Task (step-by-step with quality criteria) · 4. Constraints (3-5 explicit limits) · 5. Output format (exact schema)
Task: [describe]
Typical input: [example]
Desired output: [good-output example]
Main risk: [PII, hallucination, cost]
🎯 Resumo do Módulo
✓
5 blocos > texto solto — papel, contexto, tarefa, restrição, formato.
✓
Few-shot quando ambiguidade — 3 exemplos vencem 10 frases.
✓
Biblioteca pessoal versionada — código-fonte do AI-native.
✓
Debugging estruturado — 5 perguntas vencem re-prompt aleatório.
✓
Negócio ≠ criativo — temperature, formato e tom diferentes.
✓
Dado sensível tem regra — anonimização, BAA, retenção zero.
Próximo Módulo:
3.3 — Automação no-code (n8n, Make, Zapier + agentes)