prompt-engineer

Propósito

Esta habilidade transforma prompts brutos e não estruturados do usuário em prompts altamente otimizados, utilizando frameworks de prompting estabelecidos. Ela analisa a intenção do usuário, identifica a complexidade da tarefa e seleciona inteligentemente o(s) framework(s) mais apropriado(s) para maximizar a qualidade da saída do Claude/ChatGPT.

A habilidade opera em "modo mágico" - funciona silenciosamente nos bastidores, interagindo com os usuários apenas quando o esclarecimento é criticamente necessário. Os usuários recebem prompts polidos e prontos para uso, sem explicações técnicas ou jargões de framework.

Esta é uma habilidade universal que funciona em qualquer contexto de terminal, não se limitando a vaults do Obsidian ou estruturas de projeto específicas.

Quando Usar

Invoque esta habilidade quando:

• O usuário fornecer um prompt vago ou genérico (ex: "me ajude a codificar em Python")
• O usuário tiver uma ideia complexa, mas tiver dificuldade em articulá-la claramente
• O prompt do usuário carecer de estrutura, contexto ou requisitos específicos
• A tarefa exigir raciocínio passo a passo (depuração, análise, design)
• O usuário precisar de um prompt para uma tarefa específica de IA, mas não conhecer os frameworks de prompting
• O usuário quiser melhorar a eficácia de um prompt existente
• O usuário fizer variações de "como eu peço à IA para..." ou "crie um prompt para..."

Fluxo de Trabalho

Etapa 1: Analisar Intenção

Objetivo: Entender o que o usuário realmente quer realizar.

Ações:

1. Ler o prompt bruto fornecido pelo usuário
2. Detectar características da tarefa:
   • Tipo: codificação, escrita, análise, design, aprendizado, planejamento, tomada de decisão, criativo, etc.
   • Complexidade: simples (um passo), moderada (múltiplos passos), complexa (requer raciocínio/design)
   • Clareza: intenção clara vs. ambígua/vaga
   • Domínio: técnico, negócios, criativo, acadêmico, pessoal, etc.
3. Identificar requisitos implícitos:
   • O usuário precisa de exemplos?
   • O formato de saída está especificado?
   • Existem restrições (tempo, recursos, escopo)?
   • É focado em exploração ou execução?

Padrões de Detecção:

• Tarefas simples: Prompts curtos (<50 caracteres), verbo único, sem contexto
• Tarefas complexas: Prompts longos (>200 caracteres), múltiplos requisitos, lógica condicional
• Tarefas ambíguas: Verbos genéricos ("ajudar", "melhorar"), objeto/contexto ausente
• Tarefas estruturadas: Menciona etapas, fases, entregas, partes interessadas

Etapa 2: Fazer Perguntas Esclarecedoras (Condicional)

Objetivo: Coletar informações ausentes apenas quando for crítico para a seleção do framework ou a qualidade do prompt.

Condições de Gatilho — perguntar apenas se:

• O tipo de tarefa for completamente ambíguo (não for possível determinar codificação vs. escrita vs. análise)
• O público-alvo for desconhecido e afetar materialmente a saída
• O escopo for indefinido e a escolha errada do escopo invalidaria o prompt
• O formato de saída solicitado conflitar ou estiver ausente e não puder ser inferido

Limites de Perguntas:

• Máximo de 3 perguntas por invocação
• Combinar perguntas relacionadas em uma só quando possível
• Se houver contexto suficiente, pular esta etapa inteiramente (na maioria dos casos)

Exemplo de Troca Esclarecedora:

User: "help me with AI"

Step 2 (triggered — task type ambiguous):
"To craft the best prompt, I need one quick clarification:
1. What do you want to do with AI — build something, learn about it, or use an AI tool for a task?"

Regra Crítica: Em caso de dúvida, pule o esclarecimento e gere o melhor prompt com o contexto disponível. Perguntar demais quebra a experiência do "modo mágico".

Etapa 3: Selecionar Framework(s)

Objetivo: Mapear as características da tarefa para o(s) framework(s) de prompting ideal(is).

Lógica de Mapeamento de Framework:

…