Como aprender engenharia de prompts: guia grátis, em passos
O melhor jeito de aprender engenharia de prompts: um caminho de 8 passos, dos fundamentos aos agentes, com guias gratuitos para ler e um exercício por passo.
Neste artigo
O melhor jeito de aprender engenharia de prompts é seguir um caminho fixo de oito passos, de escrever instruções claras até proteger agentes de IA, e praticar cada passo em entradas reais, em vez de só ler a respeito. Use os guias gratuitos de prompts da OpenAI, da Anthropic e do Google como tutorial, teste-se em decisões isoladas de prompting e termine com dois ou três projetos pequenos que você mede contra um conjunto de testes.
Este guia traz esse caminho em ordem, com o que ler e um exercício prático para cada passo, mais os projetos que transformam conhecimento em habilidade. Você aprende o que um prompt faz vendo-o falhar em entradas que não esperava, então todo passo termina com um teste.
Pontos principais
- Aprenda em ordem fixa: fundamentos, prompts de sistema, exemplos, raciocínio, saída estruturada, grounding, ferramentas, segurança.
- Os guias de prompts da OpenAI, da Anthropic e do Google são o melhor tutorial gratuito de engenharia de prompts disponível.
- Pratique as decisões, não só a leitura. Testar-se vale mais do que reler (Roediger e Karpicke, 2006).
- Construa dois ou três projetos pequenos com um conjunto de teste de 20–30 entradas. É aí que a habilidade se fixa.
Qual é o passo a passo para aprender engenharia de prompts?
O caminho tem oito passos, e cada um se apoia no anterior. Para cada passo há o que aprender, como saber que você dominou e um exercício para praticar.
Passo 1: Fundamentos. Tarefas claras, contexto sobre público e objetivo, formato de saída explícito, restrições. Você domina este passo quando consegue olhar um prompt fraco e dizer o que falta antes de rodá-lo. Exercício: pegue três prompts que você escreveu na semana passada e reescreva cada um com público, objetivo e formato declarados. O que é engenharia de prompts cobre o terreno, o tópico de fundamentos tem questões de prática, e como escrever prompts melhores para o ChatGPT mostra as reescritas na prática.
Passo 2: Papel, contexto e prompts de sistema. O que vai no prompt de sistema, o que vai na mensagem do usuário, por que um papel sem contexto faz pouco. Você domina quando consegue escrever um prompt de sistema, com tratamento de casos-limite, que resiste a um conjunto de mensagens de teste difíceis. Exercício: escreva um prompt de sistema para um bot de suporte e envie cinco mensagens feitas para quebrá-lo. Veja como escrever um prompt de sistema.
Passo 3: Exemplos. Zero-shot vs few-shot, como os exemplos são copiados, equilíbrio de rótulos. Você domina quando consegue prever como um exemplo vai distorcer a saída antes de vê-la. Exercício: rode o mesmo prompt de classificação com zero, um e três exemplos nas mesmas dez entradas e compare. Contexto: zero-shot vs few-shot.
Passo 4: Raciocínio. Chain-of-thought, raciocínio antes das respostas, quando os modelos de raciocínio o tornam desnecessário. Você domina quando coloca por instinto o campo reasoning antes do campo answer. Exercício: dê a um modelo cinco problemas de várias etapas com e sem "pense passo a passo" e conte os acertos. Veja chain-of-thought explicado.
Passo 5: Saída estruturada. Esquemas JSON, os recursos de API que os impõem, validação e novas tentativas. Exercício: extraia cinco campos de dez e-mails bagunçados em JSON e conte quantas saídas são interpretadas sem erro. Veja como obter JSON confiável de LLMs.
Passo 6: Grounding. Geração aumentada por recuperação, responder apenas com base em fontes, citações, respostas explícitas de "não encontrado". Exercício: faça dez perguntas a um sistema de perguntas e respostas sobre documentos cujas respostas não estão nos documentos. Veja o que é RAG.
Passo 7: Ferramentas e agentes. Descrições de ferramentas, ciclos de agente, condições de parada. Exercício: dê ao modelo uma ferramenta que às vezes devolve erro e observe o que ele faz em seguida. Veja noções básicas de tool calling e agentes de IA.
Passo 8: Segurança. Prompt injection, direta e indireta, e as mitigações de arquitetura. Deixe para depois de entender ferramentas, porque a injeção pesa mais quando o modelo pode agir. Exercício: esconda uma instrução num documento que o sistema do passo 6 recupera e veja se o modelo a segue. Veja prompt injection explicado.
Você não precisa terminar cada passo antes de começar o seguinte. Mas, se o passo 7 parecer confuso, a lacuna costuma estar no passo 1 ou no 5. Se você também se prepara para uma certificação, a prova AWS Certified AI Practitioner cobra técnicas de engenharia de prompts no seu maior domínio; nossas questões de exemplo do AIF-C01 mostram como isso aparece.
Quais guias e tutoriais de engenharia de prompts valem o seu tempo?
Os que valem o seu tempo são os gratuitos que os próprios fornecedores de modelos publicam, mais um punhado de artigos de pesquisa e uma ou duas fontes de segurança. É menos do que a internet sugere. Uma lista curta:
Guias de prompts dos fornecedores. O guia de engenharia de prompts da OpenAI, a documentação de engenharia de prompts da Anthropic e as estratégias de design de prompts do Google para o Gemini. São gratuitos, específicos, razoavelmente atualizados e escritos por quem vê um enorme número de falhas reais. Leia os três; o que se repete ensina o que é universal e as diferenças ensinam o que é específico de cada modelo. A Anthropic também publicou no GitHub um tutorial interativo de engenharia de prompts que vale a pena fazer.
Um punhado de artigos. Você não precisa ler pesquisa para escrever bons prompts, mas alguns artigos explicam por que as técnicas funcionam:
- Brown et al. (2020), "Language Models are Few-Shot Learners": a origem do few-shot prompting.
- Wei et al. (2022), "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models".
- Lewis et al. (2020), o artigo original da geração aumentada por recuperação.
- Yao et al. (2022), "ReAct", sobre o padrão de raciocínio e ação por trás da maioria dos agentes.
Leia o resumo, as figuras principais e os exemplos. Para fins práticos, basta.
Textos sobre segurança. O blog de Simon Willison, onde o termo "prompt injection" foi criado em 2022, é a melhor fonte contínua sobre o assunto. O OWASP Top 10 for LLM Applications dá uma visão estruturada dos riscos.
O que pular: listas de "100 prompts mágicos" e cursos cujo conteúdo principal são modelos de prompt. Modelos ensinam a copiar, não a diagnosticar.
Por que ler não basta
A maioria das pessoas aprende prompting lendo dicas e concordando com a cabeça. Aí senta para escrever um prompt e as dicas não vêm à mente, porque reconhecer um bom conselho é uma habilidade diferente de produzi-lo por conta própria.
A pesquisa sobre aprendizagem tem um nome para a solução. A prática de recuperação, ou efeito do teste, é a constatação de que recordar ativamente uma informação fortalece mais a memória do que estudá-la de novo; o estudo "Test-Enhanced Learning", de Roediger e Karpicke, de 2006, é uma demonstração conhecida. Espaçar essa prática ao longo de dias ajuda ainda mais.
No prompting, o equivalente a um teste é uma decisão sob incerteza:
- Aqui está um prompt e a saída ruim dele. O que causou isso?
- Aqui estão quatro instruções possíveis. Qual resolve isto?
- Aqui está um prompt de RAG. O que acontece quando a recuperação não devolve nada?
Responder a perguntas assim, e errar às vezes, constrói o instinto de que você precisa diante de um prompt em branco. Você pode criar as suas: pegue prompts que falharam, anote o porquê e volte a eles uma semana depois, sem olhar as anotações.
Essa também é a ideia por trás do TokIQ, um app de quiz que nós criamos (no Google Play, em breve para iPhone). Cada questão é uma decisão de prompting e, quando você erra, pode ler uma explicação curta e responder a perguntas de acompanhamento sobre a mesma ideia. É um jeito de ter prática regular e espaçada. Não substitui construir coisas, que é o próximo passo.
Que projetos construir?
Pequenos, reais e testáveis. Algumas ideias que ensinam muito:
Um classificador para os seus próprios dados. Separe seus e-mails, mensagens de suporte ou anotações em categorias. Escreva definições dos rótulos, reúna 30 exemplos com os rótulos corretos, meça a acurácia e melhore. Você aprende mais sobre instruções e exemplos em uma tarde do que em uma semana de leitura.
Versão 1: "Categorize este e-mail."
Versão 5: Conjunto fixo de rótulos com definições, uma regra para casos
limítrofes, dois exemplos variados por rótulo, saída = apenas o rótulo.
A acurácia nos seus 30 e-mails de teste mostra qual versão é melhor.
Um extrator que devolve JSON. Tire campos estruturados de notas fiscais, receitas ou vagas de emprego. Use um esquema, valide a saída e conte as falhas. Isso ensina saída estruturada confiável melhor do que qualquer explicação.
Um pequeno sistema de perguntas e respostas sobre documentos. Pegue 20 páginas que você conhece bem (um manual, a wiki da sua equipe) e monte uma recuperação básica. Depois faça dez perguntas cujas respostas não estão nos documentos e conte quantas vezes ele inventa algo. Esse único exercício ensina o núcleo do grounding.
Um script que usa ferramentas. Um modelo com uma ou duas ferramentas, como uma API de clima e uma agenda. Observe como ele decide quando chamá-las e o que acontece quando uma ferramenta devolve erro.
Mantenha um registro de cada projeto: versões do prompt, o que mudou e os resultados no seu conjunto de teste. Esse registro também é o portfólio que prova que você sabe fazer o trabalho.
Como saber que você está melhorando?
Alguns sinais que costumam aparecer nesta ordem:
- Você percebe contexto faltando num prompt antes de rodá-lo.
- Seus primeiros rascunhos precisam de menos rodadas de correção.
- Quando a saída está errada, você consegue apontar a causa em vez de reescrever ao acaso.
- Você começa a escrever casos de teste antes de mudar um prompt.
- Você para de procurar frases mágicas e passa a procurar informação faltando.
Quanto tempo leva?
Com algumas horas por semana, os fundamentos se encaixam em poucas semanas: seus prompts do dia a dia melhoram de forma visível. Construir prompts confiáveis dentro de aplicações leva mais, meses em vez de semanas, porque depende de acumular experiência com casos de falha.
Vinte minutos por dia de prática ativa mais um projeto pequeno por mês levam a maioria das pessoas mais longe do que um curso de fim de semana. Se quiser uma visão estruturada das etapas, a página como funciona mostra como o TokIQ as organiza, e erros comuns em engenharia de prompts é uma boa autoavaliação quando você já domina o básico.
Perguntas frequentes
Qual é o melhor jeito de aprender engenharia de prompts?
Siga uma ordem fixa de tópicos, de instruções claras e contexto a exemplos, raciocínio, saída estruturada, recuperação, ferramentas e segurança. Leia os guias gratuitos de prompts da OpenAI, da Anthropic e do Google, teste-se em decisões isoladas de prompting e construa dois ou três projetos pequenos com um conjunto de entradas de teste.
Quanto tempo leva para aprender engenharia de prompts?
O básico, como dar contexto, especificar o formato e usar exemplos, se aprende em algumas semanas de prática regular. Construir prompts confiáveis para aplicações, com testes, recuperação e ferramentas, leva meses de trabalho prático.
Dá para aprender engenharia de prompts de graça?
Sim. Os guias de prompts da OpenAI, da Anthropic e do Google são gratuitos e de alta qualidade, os principais artigos de pesquisa estão disponíveis abertamente e você pode praticar com as versões gratuitas dos assistentes de IA.
Preciso de um certificado para trabalhar com engenharia de prompts?
Em geral, os empregadores dão mais valor a trabalho demonstrado, como prompts que você criou e testou em tarefas reais, do que a certificados. Um pequeno portfólio de projetos com resultados de antes e depois convence mais.
O que devo aprender primeiro em engenharia de prompts?
Comece pelos fundamentos: tarefas claras, contexto, formato de saída e exemplos. Depois passe para raciocínio, saída estruturada, recuperação, ferramentas e segurança, mais ou menos nessa ordem.
- #aprender engenharia de prompts
- #guia de engenharia de prompts
- #trilha de aprendizado
- #prática
- #recordação ativa