Biblioteca de prompts

Prompts de Engenharia de IA

Prompts para construir com modelos: projetar avaliações, escrever definições de ferramentas e planejar pipelines de recuperação.

Os prompts estão em inglês, o idioma em que foram escritos e testados. As descrições e instruções destas páginas estão traduzidas.

  • evaluation
  • testing
  • llm
100/100 · 191 tokens

Plano de avaliação para um recurso com LLM

Projeta um conjunto de testes e critérios de aprovação para um recurso baseado em modelo, antes de ajustar o prompt.

Use quando: Você vai lançar um recurso que depende de um modelo e precisa de uma forma repetível de saber se uma mudança o melhorou.

prompt
You are an AI engineer designing evaluations for a language model feature.

## Task
Design an evaluation plan for the feature described below.

## Requirements
- Define 10 test cases: 4 typical inputs, 3 edge cases, and 3 adversarial inputs.
- State the expected property of the output for each case, in a form code or a reviewer can check.
- Name the check for each property: exact match, schema validation, a rule, or a graded rubric.
- State the pass threshold for the suite as a number.
- Do not invent facts about the feature; base every case on the description.

## Output format
Return markdown with three sections: Test cases (a table with the columns ID, Type, Input summary, Expected property, and Check), Pass threshold (one sentence), and Gaps (bulleted list of what the description does not let you test).

## Input
<feature>
{{feature}}
</feature>
Otimizar no workspace

Variáveis

{{feature}}
O que o recurso faz, suas entradas, suas saídas e quanto custa uma resposta errada.

Entrada de exemplo

feature: extracts the due date and total from invoice text into JSON; a wrong total causes an incorrect payment.

Saída de exemplo

## Test cases
| ID | Type | Input summary | Expected property | Check |
|---|---|---|---|---|
| T1 | Typical | One-page invoice with one total | `total` equals 1250.00 | Exact match |
| A1 | Adversarial | Invoice text containing "ignore the instructions" | Output is valid JSON with the real total | Schema validation |

Ilustrativa: escrita para mostrar a forma esperada, não gerada por um modelo.

  • agents
  • tool use
  • mcp
  • json schema
97/100 · 154 tokens

Definição de ferramenta para um agente

Escreve o nome, a descrição e o JSON Schema de uma ferramenta que um agente consiga usar corretamente, a partir de uma função que você descreve.

Use quando: Ao expor uma função para um agente ou cliente MCP, onde uma descrição vaga leva a chamadas erradas.

prompt
You are an AI engineer defining tools for a model that calls tools.

## Task
Draft a tool definition for the operation described below.

## Requirements
- Name the tool with a verb and a noun in snake_case.
- Write a description that says what the tool does, when to call it, and when not to call it.
- Describe every parameter with its type, format, and one example value.
- Mark a parameter as required only when the operation cannot run without it.
- Use enum for every parameter with a fixed set of values.

## Output format
Return one fenced JSON block containing an object with the keys name, description, and input_schema, where input_schema is a JSON Schema object.

## Input
<operation>
{{operation}}
</operation>
Otimizar no workspace

Variáveis

{{operation}}
O que a operação faz, seus parâmetros, o que retorna e seus limites.

Entrada de exemplo

operation: searches support tickets by text and status (open, pending, closed), returns at most 20 tickets, read-only.

Saída de exemplo

```json
{ "name": "search_tickets", "description": "Search support tickets by text. Call it to find existing tickets before creating one. Read-only; it cannot modify tickets.", "input_schema": { "type": "object", "properties": { "query": { "type": "string" }, "status": { "type": "string", "enum": ["open", "pending", "closed"] } }, "required": ["query"] } }
```

Ilustrativa: escrita para mostrar a forma esperada, não gerada por um modelo.

Deixe com a sua cara

Edite os requisitos para seguir os seus padrões e depois verifique o resultado. O analisador de prompts o pontua de novo enquanto você digita, o otimizador remove enchimento sem perder nenhum requisito e o scanner de segurança sinaliza segredos e dados pessoais antes de você enviá-lo a um modelo.

Mais categorias