A maioria das falhas de prompts vem de um pequeno conjunto de erros que se repetem. Cada um abaixo tem um sintoma que você vai reconhecer, uma correção e um link para a regra do PromptFlowEngine que o detecta, com um exemplo que a aciona e um prompt corrigido.
Erros de clareza
1. Nenhum objetivo declarado
O prompt descreve material e nunca diz o que fazer com ele. O modelo chuta entre resumir, analisar e reescrever.
Correção: comece com um verbo no imperativo que nomeie o resultado. Referência: objetivo ausente.
2. Linguagem vaga
Palavras como “algo”, “coisas” e “etc.” pedem ao modelo que invente os detalhes.
Correção: liste os itens reais. Se a lista for aberta, limite-a: “até 3 destes”. Referência: linguagem vaga.
3. Instruções atenuadas
“Tente”, “se possível” e “talvez” transformam um requisito em sugestão, e o modelo o trata como opcional.
Correção: declare-o como requisito ou diga exatamente quando se aplica. Referência: instruções atenuadas.
4. Apenas restrições negativas
Um prompt feito de afirmações “não faça” diz ao modelo o que evitar e nada sobre o que produzir.
Correção: associe cada proibição ao comportamento desejado. Referência: restrições apenas negativas.
Erros de especificidade
5. Tamanhos sem números
“Curto”, “alguns” e “detalhado” variam entre execuções, o que quebra layouts e parsers.
Correção: use um número e uma unidade, como “menos de 150 palavras”. Referência: tamanho não quantificado.
6. Sem formato de saída
Sem formato, o modelo escolhe entre prosa, tópicos e tabela, e escolhe diferente a cada vez.
Correção: especifique a estrutura e o esquema, se um código lê o resultado. Referências: formato de saída ausente e falta de orientação de tamanho.
7. Referências a coisas que não estão lá
“Corrija o bug acima” ou “use o arquivo anexo” em um prompt que não contém nenhum dos dois.
Correção: inclua o material ou diga onde ele será inserido. Referência: referência pouco clara.
Erros de consistência
8. Instruções contraditórias
“Seja breve, mas detalhado.” Prompts longos editados por várias pessoas acumulam isso. O modelo resolve o conflito por conta própria, de forma imprevisível.
Correção: decida a prioridade e declare-a: “Seja conciso. Quando brevidade e precisão entrarem em conflito, escolha a precisão.” Referência: instruções contraditórias.
9. Repetição
Dizer algo duas vezes para enfatizar custa tokens. Dizer duas vezes com redação ligeiramente diferente cria ambiguidade sobre qual versão vale.
Correção: declare cada instrução uma única vez, na seção a que pertence. Referências: instruções duplicadas e instruções quase duplicadas.
Erros de estrutura
10. Uma parede de texto
Um parágrafo longo que mistura tarefa, contexto, regras e entrada. Instruções enterradas no meio recebem menos peso, e quem editar depois não encontra nada.
Correção: divida em Tarefa, Contexto, Requisitos, Formato de saída e Entrada. Referência: parede de texto.
Erros de segurança
11. Entrada do usuário sem delimitação
Uma variável de template colocada direto nas instruções faz com que o que o usuário digitar seja lido como parte delas.
Translate this to French: {{user_text}}
Correção: envolva a variável em tags e diga ao modelo que as tags contêm dados. Referência: variável sem delimitação. Contexto: injeção de prompt.
12. Segredos e dados pessoais no prompt
Uma chave de API em uma configuração colada, uma senha em um log, o e-mail de um cliente em um ticket. Depois de enviado, está nos sistemas de terceiros.
Correção: oculte antes de enviar e mantenha credenciais fora dos arquivos de prompts. Referência: dados sensíveis. Contexto: detecção de PII e segredos em prompts.
Erros de processo que as regras não detectam
- Testar com uma única entrada. Um prompt que funciona no seu exemplo pode falhar com tráfego real. Monte um pequeno conjunto de testes. Veja a avaliação de prompts.
- Mudar várias coisas ao mesmo tempo. Quando o resultado muda, você não sabe por quê. Mude uma coisa por iteração.
- Não versionar os prompts. Se um prompt vive só em uma janela de chat, você não consegue reverter. Veja o gerenciamento de prompts.
- Entupir a janela de contexto. Mais contexto nem sempre é melhor. Veja a otimização de tokens.
Encontre-os nos seus próprios prompts
Cole um prompt no analisador de prompts do PromptFlowEngine. Ele executa todas as regras acima, cita o texto que acionou cada achado e sugere uma correção. O catálogo completo de regras lista todas elas.