Padrões de Engenharia de Prompt

Técnicas avançadas de engenharia de prompt para maximizar o desempenho, a confiabilidade e a controlabilidade de LLMs.

Capacidades Principais

1. Aprendizado de Poucos Exemplos (Few-Shot Learning)

Ensine o modelo mostrando exemplos em vez de explicar regras. Inclua 2-5 pares de entrada-saída que demonstrem o comportamento desejado. Use quando precisar de formatação consistente, padrões de raciocínio específicos ou para lidar com casos extremos. Mais exemplos melhoram a precisão, mas consomem tokens — equilibre com base na complexidade da tarefa.

Exemplo:

Extract key information from support tickets:

Input: "My login doesn't work and I keep getting error 403"
Output: {"issue": "authentication", "error_code": "403", "priority": "high"}

Input: "Feature request: add dark mode to settings"
Output: {"issue": "feature_request", "error_code": null, "priority": "low"}

Now process: "Can't upload files larger than 10MB, getting timeout"

2. Prompting de Cadeia de Pensamento (Chain-of-Thought Prompting)

Solicite raciocínio passo a passo antes da resposta final. Adicione "Vamos pensar passo a passo" (zero-shot) ou inclua rastros de raciocínio de exemplo (few-shot). Use para problemas complexos que exigem lógica de múltiplos passos, raciocínio matemático ou quando precisar verificar o processo de pensamento do modelo. Melhora a precisão em tarefas analíticas em 30-50%.

Exemplo:

Analyze this bug report and determine root cause.

Think step by step:

1. What is the expected behavior?
2. What is the actual behavior?
3. What changed recently that could cause this?
4. What components are involved?
5. What is the most likely root cause?

Bug: "Users can't save drafts after the cache update deployed yesterday"

3. Otimização de Prompt

Melhore sistematicamente os prompts através de testes e refinamento. Comece de forma simples, meça o desempenho (precisão, consistência, uso de tokens) e, em seguida, itere. Teste em entradas diversas, incluindo casos extremos. Use testes A/B para comparar variações. Crítico para prompts de produção onde consistência e custo são importantes.

Exemplo:

Version 1 (Simple): "Summarize this article"
→ Result: Inconsistent length, misses key points

Version 2 (Add constraints): "Summarize in 3 bullet points"
→ Result: Better structure, but still misses nuance

Version 3 (Add reasoning): "Identify the 3 main findings, then summarize each"
→ Result: Consistent, accurate, captures key information

4. Sistemas de Template

Construa estruturas de prompt reutilizáveis com variáveis, seções condicionais e componentes modulares. Use para conversas de múltiplos turnos, interações baseadas em papéis ou quando o mesmo padrão se aplica a entradas diferentes. Reduz a duplicação e garante consistência em tarefas semelhantes.

Exemplo:

# Reusable code review template
template = """
Review this {language} code for {focus_area}.

Code:
{code_block}

Provide feedback on:
{checklist}
"""

# Usage
prompt = template.format(
    language="Python",
    focus_area="security vulnerabilities",
    code_block=user_code,
    checklist="1. SQL injection\n2. XSS risks\n3. Authentication"
)

5. Design de Prompt de Sistema

Defina o comportamento global e as restrições que persistem ao longo da conversa. Defina o papel do modelo, nível de expertise, formato de saída e diretrizes de segurança. Use prompts de sistema para instruções estáveis que não devem mudar de um turno para outro, liberando tokens de mensagem do usuário para conteúdo variável.

Exemplo:

System: You are a senior backend engineer specializing in API design.

Rules:

- Always consider scalability and performance
- Suggest RESTful patterns by default
- Flag security concerns immediately
- Provide code examples in Python
- Use early return pattern

Format responses as:

1. Analysis
2. Recommendation
3. Code example
4. Trade-offs

Padrões Chave

Divulgação Progressiva

Comece com prompts simples, adicione complexidade apenas quando necessário:

1. Nível 1: Instrução direta

   • "Resuma este artigo"

2. Nível 2: Adicione restrições

   • "Resuma este artigo em 3 pontos principais, focando nas descobertas chave"

3. Nível 3: Adicione raciocínio

   • "Leia este artigo, identifique as principais descobertas e, em seguida, resuma em 3 pontos principais"

4. Nível 4: Adicione exemplos

   • Inclua 2-3 resumos de exemplo com pares de entrada-saída

Hierarquia de Instruções

[System Context] → [Task Instruction] → [Examples] → [Input Data] → [Output Format]

Recuperação de Erros

Construa prompts que lidam graciosamente com falhas:

• Inclua instruções de fallback
• Solicite pontuações de confiança

…