Estas dez práticas valem para todos os modelos e tarefas. Nenhuma depende de um truque que a próxima versão de um modelo possa quebrar. Cada uma vem com um breve antes e depois para você ver a mudança na página.
1. Coloque a tarefa primeiro
Comece com uma frase no imperativo. Tudo o que vem depois é lido como apoio a essa tarefa.
- Antes:
I have a spreadsheet of expenses from last year. - Depois:
Categorize the expenses below into travel, software, and office.
2. Seja específico sobre escopo, público e tamanho
Palavras vagas entregam decisões ao modelo. Troque-as pelos valores reais.
- Antes:
Write a short post about our new feature for users. - Depois:
Write a 120-word announcement of scheduled exports for existing admins who already use manual exports.
3. Use números para os tamanhos
“Alguns”, “breve” e “detalhado” significam coisas diferentes a cada execução. Um número e uma unidade tornam o tamanho previsível.
- Antes:
Give me some ideas. - Depois:
Give me 5 ideas, one sentence each.
4. Diga o que fazer, não apenas o que evitar
Uma lista de proibições nomeia tudo o que você não quer e nada do que quer. Associe cada “não faça” ao comportamento que você deseja no lugar.
- Antes:
Don't be too formal. Don't use jargon. - Depois:
Write in a conversational tone, using words a new customer would know.
5. Especifique o formato de saída
Indique a estrutura e, para saída lida por máquina, o esquema exato. Acrescente “retorne apenas o JSON” quando nada mais deve aparecer. Mais em prompts de saída estruturada.
6. Separe as instruções da entrada
Envolva documentos, mensagens de usuários e variáveis em delimitadores claros, como tags no estilo XML. O modelo passa a distinguir dados de instruções, e é menos provável que uma frase dentro dos dados seja seguida como comando.
Summarize the email in the tags below in 2 sentences.
<email>
{{email_body}}
</email>
7. Dê exemplos para julgamentos subjetivos
Quando o “bom” é mais fácil de mostrar do que de definir, inclua dois ou três exemplos. Faça-os variados, para que o modelo aprenda o padrão e não uma característica superficial. Veja o few-shot prompting.
8. Estruture prompts longos
Passado mais ou menos um parágrafo, use seções: Tarefa, Contexto, Requisitos, Formato de saída, Entrada. Os títulos tornam um prompt mais fácil de seguir para um modelo e muito mais fácil de editar com segurança para uma pessoa.
9. Remova o que não muda a resposta
Saudações, cortesias e instruções repetidas acrescentam tokens sem acrescentar informação. A repetição pode até atrapalhar: quando duas frases quase idênticas diferem um pouco, o modelo precisa decidir qual delas você quis dizer.
- Antes:
Hi! Could you please make sure to really focus on accuracy? Please make sure to focus on accuracy. - Depois:
Prioritize accuracy over completeness.
10. Teste com entradas reais e guarde os resultados
Um prompt está pronto quando foi executado com entradas representativas e as falhas são compreendidas. Guarde essas entradas como um conjunto de testes e execute-as de novo após cada edição. Veja a avaliação de prompts.
Como melhorar as respostas da IA quando um prompt rende menos que o esperado
Percorra as causas em ordem de probabilidade:
| Sintoma | Causa provável | Correção |
|---|---|---|
| Resposta diferente a cada execução | Um tamanho ou formato não especificado | Acrescente números e um formato de saída |
| Resposta genérica | Contexto ausente | Acrescente público, domínio e restrições |
| Ignora uma instrução | Conflito ou enterrada em um parágrafo longo | Remova o conflito, mova-a para uma lista |
| Tom errado | Tom descrito de forma vaga | Mostre um exemplo do tom |
| Inventa coisas | Pediram fatos que não lhe foram dados | Forneça o texto-fonte e exija citações |
| Segue texto da entrada | Entrada sem delimitação | Envolva a entrada em tags |
Verifique isso automaticamente
Várias dessas práticas podem ser verificadas sem executar um modelo. O analisador de prompts do PromptFlowEngine sinaliza objetivo ausente, linguagem vaga, tamanhos não quantificados, restrições apenas negativas, formato de saída ausente, variáveis sem delimitação e enchimento, e liga cada achado a uma página de referência com um exemplo corrigido. O otimizador de prompts aplica por você as práticas 8 e 9 e verifica que nenhum requisito foi perdido.
Em seguida, leia os erros comuns de engenharia de prompts que essas práticas buscam evitar.