6 Padrões de Prompt Que Separaram Seu Resultado do Monte de Quem Copia e Cola

Eu already passei pelo estágio do “escreve qualquer coisa e reza”. Todo mundo passa. Você joga um texto solto no ChatGPT, recebe algo genérico, acha que a IA é ruim e volta pro Google. O problema não é a IA — é o seu prompt.

Engenharia de prompts não é buzzword. É uma habilidade real com técnicas mensuráveis. Um prompt bem estruturado pode ser a diferença entre uma resposta inútil de 3 linhas e um resultado que parece feito por um especialista. E o contrário também: um prompt vazio gera lixo com confiança.

Neste post, vou te mostrar os 6 padrões de prompt que mais uso — não teoria, não achismo. Cada um com antes e depois, o raciocínio por trás, e onde eu quebrei a cara tentando ser esperto demais.

Regra Número 1: Contexto É Rei

Antes de qualquer técnica avançada, entenda uma coisa: a IA não sabe quem você é, não sabe o que você quer, e não sabe o nível de detalhe que você precisa. Tudo isso tem que estar no prompt.

O prompt genérico (erro)

Escreva um artigo sobre produtividade.

Resultado: 500 palavras genéricas com “defina prioridades” e “use a técnica Pomodoro”. Jornal de bairro da vida.

O prompt com contexto (melhor)

Você é um consultor de produtividade que trabalha com desenvolvedores de software sênior.
Essas pessoas já conhecem Pomodoro, GTD e time-blocking. Elas precisam de algo além do básico.

Escreva um artigo de 800 palavras sobre produtividade para devs sêniores, focando em:
- Como proteger blocos de deep work em empresas com cultura de reuniões
- Gerenciamento de energia vs gerenciamento de tempo
- Framework de decisão: quando dizer não pra um commit

Tom: direto, sem motivacional barato, com exemplos técnicos quando possível.

A diferença? O segundo prompt define público, restrição, escopo e tom. São 4 variáveis que transformam lixo genérico em conteúdo útil.

Padrão 1: Papel + Tarefa + Formato (PTF)

Esse é o esqueleto básico de qualquer prompt profissional. Funciona pra tudo:

[PAPEL] Você é {quem fala, com que autoridade}
[TAREFA] {o que exatamente precisa fazer}
[FORMATO] {como entregar o resultado}

Exemplo real

[PAPEL] Você é um arquiteto de software com 15 anos de experiência em sistemas distribuídos.

[TAREFA] Analise esta arquitetura de microsserviços e identifique:
1. Ponto único de falha
2. Gargalo de performance mais provável  
3. Risco de consistência de dados

[FORMATO] Resposta em tópicos. Para cada problema, sugira uma correção com estimativa de esforço (baixo/médio/alto).

---
[CONTEXTO DO SISTEMA]
- 12 microsserviços em Node.js
- RabbitMQ como message broker
- MongoDB como banco principal
- Sem circuit breaker
- Deploy manual em EC2

Esse padrão funciona porque a IA não precisa adivinhar nada. Você deu o papel, a tarefa e o molde da resposta. Sobrou zero ambiguidade.

🧠 O Perrengue do Olivetto: Uma vez pedi “analise meu código e diga o que melhorar”. A IA devolveu “adicione comentários, use nomes descritivos e siga boas práticas”. Genérico total. O problema? Eu não disse qual era a linguagem, o contexto, nem o que eu considerava “melhorar”. Culpa minha, não dela. Desde então, sempre uso PTF.

Padrão 2: Chain-of-Thought (Pensamento em Cadeia)

Quando o problema é complexo (cálculos, lógica, análise), pedir que a IA “pense passo a passo” melhora drasticamente a qualidade. Não é mágica — é que o modelo distribui melhor o raciocínio quando tokeniza cada etapa.

Sem CoT

Quantos dias úteis existem entre 15 de março e 28 de junho de 2026?

Resposta provável: errada. O modelo chuta um número sem calcular.

Com CoT

Preciso calcular dias úteis entre 15 de março e 28 de junho de 2026.

Pense passo a passo:
1. Liste todos os meses no intervalo
2. Conte os dias úteis de cada mês (exclua sábados e domingos)
3. Verifique se há feriados nacionais brasileiros no período
4. Subtraia os feriados do total
5. Apresente o cálculo final

Mostre cada etapa do raciocínio.

Resposta: muito mais precisa. E se tiver erro, você vê exatamente em qual etapa aconteceu.

Quando usar CoT

• Cálculos matemáticos ou financeiros
• Análise lógica com múltiplas variáveis
• Debugging de código
• Qualquer tarefa onde “mostrar o trabalho” importa

Padrão 3: Few-Shot (Exemplos Concretos)

Nada ensina melhor que exemplo. Se você quer que a IA gere algo num formato específico, mostre exemplos do que você quer antes de pedir.

O prompt

Classifique o sentimento dos textos abaixo. Siga o formato dos exemplos.

Exemplos:
Texto: "O produto chegou antes do prazo e funciona perfeitamente."
→ Sentimento: POSITIVO | Confiança: Alta | Motivo: satisfação com entrega e funcionamento

Texto: "Liguei 3 vezes e ninguém atendeu."
→ Sentimento: NEGATIVO | Confiança: Alta | Motivo: frustração com atendimento

Agora classifique:
Texto: "O app até que funciona, mas trava toda vez que abro a câmera."
→

Resultado:

→ Sentimento: MISTO | Confiança: Alta | Motivo: elogia funcionalidade geral mas reclama de bug específico na câmera

Com 2 exemplos, a IA entendeu o formato, o nível de detalhe e até como classificar sentimentos ambíguos. Sem exemplos, você teria que explicar tudo em prosa — e provavelmente seria interpretado errado.

Padrão 4: Restrições Negativas (O Que NÃO Fazer)

Dizer o que a IA não deve fazer é tão importante quanto dizer o que deve. Modelos tendem a ser “prestativos demais” — enchem linguiça, repetem ideias, usam clichês.

Lista de restrições que uso em todo prompt

REGRAS:
- Não use linguagem corporativa (sinergia, disrupção, inovação, ecossistema)
- Não repita a mesma ideia de formas diferentes
- Não adicione introdução ou conclusão genérica ("em conclusão", "em resumo")
- Não use emojis além dos necessários
- Máximo de 3 parágrafos por seção
- Se não souber algo, diga que não sabe em vez de inventar

Essas restrições cortam 40% do lixo que os modelos geram por padrão. Sério. Testa: faz o mesmo prompt com e sem a lista de restrições. A diferença é brutal.

Padrão 5: Iteração Condicional (Refine em Rodadas)

Ninguém acerta de primeira. O segredo dos prompts bons é que passaram por 3-4 rodadas de refinamento. O erro é aceitar a primeira resposta.

Fluxo de iteração

Rodada 1: Prompt inicial com PTF
→ Recebe resposta base

Rodada 2: "A seção X está genérica. Reescreva focando em [aspecto específico]. 
Mantenha o restante igual."

Rodada 3: "O tom está formal demais. Reescreva como se estivesse explicando 
pra um amigo que entende do assunto mas não é especialista."

Rodada 4: "Corte 30% do texto. Mantenha só o essencial. Cada frase precisa 
entregar valor novo."

Cada rodada refina um aspecto: conteúdo, tom, densidade. A mágica é que a IA não se ofende com feedback. Pode pedir “refaz que tá ruim” quantas vezes quiser.

Padrão 6: Template de Sistema (Pra Automações)

Se você vai usar a IA repetidamente pra mesma tarefa (gerar posts, responder emails, classificar tickets), crie um system prompt — uma instrução fixa que funciona como “personalidade” da IA naquela tarefa específica.

Exemplo: system prompt para responder reviews

Você é o responsável por responder avaliações de clientes de uma SaaS B2B.

REGRAS FIXAS:
1. Responda em português brasileiro
2. Máximo 4 frases por resposta
3. Para avaliações positivas: agradeça e mencione uma funcionalidade específica
4. Para negativas: peça desculpas pelo problema, ofereça canal direto de suporte
5. Nunca prometa reembolso ou desconto
6. Assine como "Equipe [Produto]"

Tom: profissional mas humano. Sem robotice.

EXEMPLOS DE SAÍDA:
Positiva: "Valeu pelo feedback, Marcos! Ficamos felizes que a nova 
função de relatórios automáticos está facilitando seu dia. Qualquer 
sugestão, é só chamar. — Equipe [Produto]"

Negativa: "Poxa, lamentamos a experiência com a importação, Ana. Isso 
não é o padrão. Entra em contato pelo suporte@[produto].com que 
vamos resolver. — Equipe [Produto]"

Agora responda a seguinte avaliação:
[AVILIAÇÃO AQUI]

Com esse template, qualquer avaliação que entrar recebe uma resposta consistente, no tom certo, sem variância. É o mesmo princípio de brand voice — só que escalável.

Tabela Rápida: Qual Padrão Usar Quando

• Tarefa geral (escrever, resumir, explicar) → PTF (Papel + Tarefa + Formato)
• Problema complexo (cálculo, lógica, debug) → Chain-of-Thought
• Formato específico (classificação, extração, transformação) → Few-Shot
• Texto limpo (sem enchimento, sem clichê) → Restrições Negativas
• Resultado de qualidade (não aceita “bom o bastante”) → Iteração Condicional
• Tarefa repetitiva (automação, pipeline) → Template de Sistema

Conclusão: Prompt É Código

Pensar em prompt como código muda tudo. Código tem entrada, processamento e saída. Prompt também. Código tem bugs. Prompt também. Código melhora com refatoração. Prompt também.

A diferença é que todo mundo acha que sabe escrever prompt porque sabe escrever em português. Mas saber escrever e saber instruir uma IA são habilidades diferentes. E quem domina essa diferença trabalha mais rápido, produz melhor e gasta menos tokens — o que, no fim das contas, é dinheiro.

Testa os 6 padrões hoje. Começa pelo PTF — ele resolve 80% dos casos. Depois me conta: qual padrão fez a maior diferença pra você?