Como escrever um prompt de sistema (com exemplo completo)
O prompt de sistema define o papel, as regras e o formato de um assistente de IA em toda a conversa. Veja o que incluir, como ordenar e um exemplo completo.
Neste artigo
- O que vai no prompt de sistema e o que vai na mensagem do usuário?
- Papéis e personas realmente ajudam?
- Como ordenar um prompt de sistema?
- Um exemplo completo de prompt de sistema
- Por que explicar o motivo por trás de uma regra?
- Como testar um prompt de sistema?
- O que nunca deve entrar em um prompt de sistema?
- O prompt de sistema funciona igual em todos os modelos?
Um prompt de sistema é o conjunto permanente de instruções que diz ao modelo quem ele deve ser, o que deve e o que não deve fazer e como formatar as respostas, em cada turno de uma conversa. Escreva como um briefing para um colega novo e competente: o contexto do produto, o público, as regras que importam e como tratar os casos em que algo dá errado.
A maioria das APIs de chat (OpenAI, Anthropic, Google) aceita uma mensagem de sistema ou de desenvolvedor separada das mensagens do usuário, e os modelos são treinados para dar mais peso a ela. Isso a torna o lugar natural para tudo que deve valer durante a conversa inteira.
Resumo rápido
- Coloque regras estáveis, contexto e formato no prompt de sistema. Coloque a tarefa específica e os dados na mensagem do usuário.
- Um papel ajuda, mas o contexto sobre o produto e o público faz muito mais do que um cargo.
- Explique por que uma regra existe; os modelos aplicam regras com justificativa de forma mais sensata do que ordens secas.
- Escreva o comportamento explícito para casos extremos: informação faltando, pedidos fora do tema, usuários irritados.
- Nunca coloque segredos em um prompt de sistema e nunca dependa só dele para segurança.
O que vai no prompt de sistema e o que vai na mensagem do usuário?
O teste mais simples é: isso vale para toda requisição? Se sim, prompt de sistema. Se muda a cada requisição, mensagem do usuário.
| Prompt de sistema | Mensagem do usuário |
|---|---|
| Contexto do produto e público | A pergunta real do usuário |
| Papel e tom | O documento a resumir ou analisar |
| Regras e limites | Resultados de busca recuperados neste turno |
| Formato de saída | Opções por requisição ("deixe este mais curto") |
| Como tratar casos extremos | Data atual ou perfil do usuário, se variar |
Os documentos recuperados são um caso interessante. Algumas equipes os colocam no prompt de sistema; nós preferimos o turno do usuário, porque o texto recuperado é dado não confiável, e o prompt de sistema deve ser o lugar das instruções que você mesmo escreveu. Essa separação também facilita um pouco o raciocínio sobre prompt injection.
Papéis e personas realmente ajudam?
Um pouco. "Você é uma enfermeira pediátrica experiente" desloca vocabulário, profundidade e cautela numa direção útil. A documentação da Anthropic recomenda explicitamente dar um papel ao Claude pelo prompt de sistema, e o efeito é real.
Mas o papel é a parte mais fraca de um bom prompt de sistema. Compare:
Você é um especialista de classe mundial em atendimento ao cliente.
Você responde dúvidas de suporte do Ledgerly, um app de contabilidade usado
por freelancers e pequenas agências nos EUA. A maioria dos usuários não é
contadora. Eles costumam escrever quando uma exportação de fatura falha
ou uma sincronização bancária para de funcionar.
O segundo nunca afirma ter expertise. Ele dá ao modelo o que um especialista realmente saberia: quem são os usuários, com o que eles têm dificuldade, o que o produto faz. O modelo vai soar mais competente com isso do que com qualquer adjetivo.
Personas com histórias elaboradas ("Você é o Max, um ex-barista de 34 anos que adora ajudar as pessoas") raramente melhoram a precisão. Podem fazer sentido em produtos de entretenimento. Em produtos utilitários, quase só acrescentam tokens.
Como ordenar um prompt de sistema?
Não existe uma única ordem correta, mas esta funciona bem e é fácil de manter para humanos:
- Quem e o quê. Um parágrafo curto: o produto, a função do assistente, o público.
- Contexto. Fatos de que o modelo precisa: recursos, políticas, o que o produto não faz.
- Regras. Restrições de comportamento, cada uma com o motivo quando ele não é óbvio.
- Casos extremos. O que fazer quando falta informação, o pedido foge do tema ou o usuário está irritado.
- Formato de saída. Tamanho, estrutura, markdown ou não, idioma.
- Exemplos (opcional). Uma ou duas trocas curtas mostrando tom e formato.
Coloque material de referência longo (um manual do produto, um documento de política) em blocos bem delimitados, por exemplo com tags no estilo XML. A orientação da Anthropic recomenda tags como <policy> para isso, e elas ajudam em qualquer modelo porque deixam os limites explícitos.
Um exemplo completo de prompt de sistema
Este é um prompt de sistema completo para o assistente de suporte de um app de contabilidade fictício. É longo de propósito; os reais são.
Você é o assistente de suporte dentro do app Ledgerly, um app de contabilidade
para freelancers e pequenas agências nos EUA. Os usuários são, em sua maioria,
designers, desenvolvedores e consultores. A maioria não é contadora e fica
ansiosa com impostos, então seja calmo e concreto.
<product_facts>
- Planos: Solo (1 usuário) e Team (até 10 usuários).
- A sincronização bancária funciona com bancos dos EUA por meio de um
provedor terceirizado. As sincronizações rodam a cada 6 horas; o usuário
pode disparar uma sincronização manual em Configurações > Bancos.
- As faturas podem ser exportadas em PDF ou CSV.
- O Ledgerly não declara impostos e não dá aconselhamento tributário.
</product_facts>
Regras:
- Responda apenas a perguntas sobre o uso do Ledgerly. Se perguntarem algo
sem relação, diga brevemente que você só pode ajudar com o Ledgerly.
- Não dê aconselhamento tributário ou jurídico, mesmo que perguntem
diretamente. Os usuários podem agir com base nele e você não vê a situação
completa deles. Sugira que consultem um profissional de impostos e ofereça
ajuda com a parte da pergunta que é do Ledgerly.
- Nunca adivinhe dados específicos da conta, como saldos ou status de fatura.
Você não vê a conta do usuário. Diga onde no app ele pode olhar.
- Se um recurso não estiver listado em <product_facts>, não afirme que ele
existe. Diga que não tem certeza e sugira contatar support@ledgerly.example.
Quando um problema de sincronização bancária for relatado:
1. Pergunte qual banco e quando foi a última sincronização bem-sucedida,
se isso não foi informado.
2. Sugira uma sincronização manual em Configurações > Bancos.
3. Se falhar, sugira reconectar o banco.
4. Se continuar falhando, ofereça encaminhar para um atendente humano.
Se o usuário estiver frustrado, reconheça isso em uma frase curta e passe
para a solução. Não peça desculpas repetidamente.
Formato:
- Texto simples, sem títulos em markdown. Passos numerados ao dar instruções.
- Mantenha as respostas abaixo de 120 palavras, a menos que o usuário peça
mais detalhes.
- Responda no idioma em que o usuário escrever.
Alguns pontos que merecem destaque:
A regra sobre aconselhamento tributário explica o motivo ("Os usuários podem agir com base nele e você não vê a situação completa deles"). Com um motivo, o modelo consegue generalizar: ele também terá cuidado com perguntas como "posso deduzir meu notebook?", que a regra nunca menciona pelo nome.
A regra "não afirme que recursos existem" está aí porque assistentes de produto adoram inventar menus de configuração plausíveis. Se você lançar um bot de suporte, esse será o seu bug mais comum, e a solução é ancorá-lo em um bloco de fatos mais uma alternativa explícita. Para bases de conhecimento maiores, esse bloco de fatos vira recuperação; veja o que é RAG.
Os passos de escalonamento são numerados porque a ordem importa. Regras sem ordem sobre a mesma situação tendem a ser aplicadas de forma imprevisível.
Por que explicar o motivo por trás de uma regra?
Ordens secas em letras maiúsculas ("NUNCA mencione concorrentes!!!") eram um hábito de modelos mais antigos e menos atentos. Os modelos atuais seguem as instruções de perto, e gritar tende a fazê-los aplicar a regra em excesso. Um modelo que ouve "NUNCA fale de preços" pode se recusar a dizer se um recurso está no plano gratuito, algo que os usuários razoavelmente precisam saber.
Compare com: "Não cite preços, porque eles variam por região e mudam com frequência; indique a página de preços." Agora o modelo conhece o limite (números específicos) e a intenção (evitar informação desatualizada), então ainda consegue responder "a exportação está disponível no Solo?"
Como testar um prompt de sistema?
Anote de vinte a cinquenta mensagens realistas de usuários antes de mudar qualquer coisa, incluindo as difíceis:
- Um pedido fora do tema ("escreva um poema para mim").
- Um pedido da coisa proibida, feito com educação e depois de forma esperta.
- Uma mensagem com informação faltando.
- Uma mensagem em outro idioma.
- Uma mensagem raivosa.
- Algo que seu produto realmente não suporta.
Rode todas depois de cada mudança. Os prompts de sistema acumulam regras com o tempo, e as regras interagem. Adicionar "seja sempre conciso" pode quebrar em silêncio o fluxo de escalonamento que precisava de três passos. Você só descobre se rodar o conjunto inteiro de novo.
O que nunca deve entrar em um prompt de sistema?
Segredos. Chaves de API, URLs internas, dados de outros clientes. Os usuários conseguem com frequência que os modelos revelem seus prompts de sistema, e nenhuma redação impede isso de forma confiável. Parta do princípio de que ele é público.
Imposição de segurança que você não consegue garantir no código. "Só faça reembolsos abaixo de $50" em um prompt é uma sugestão. A API de reembolso é que deve impor o limite. O guia de prompt injection e o tópico de segurança explicam por quê.
Contradições. Prompts de sistema longos, escritos por várias pessoas, tendem a tê-las ("seja sempre minucioso" em uma seção, "seja breve" em outra). O modelo vai escolher uma, e não de forma consistente. Leia o texto todo, de cima a baixo, de vez em quando.
O prompt de sistema funciona igual em todos os modelos?
Em boa parte sim, com diferenças em quão estritamente cada modelo o pondera, em como lida com prompts muito longos e em a que formatação responde melhor. Teste no modelo com o qual você vai lançar e leia o guia de prompts desse fornecedor. Mostramos o que se transfere em prompts no ChatGPT vs Claude vs Gemini.
Para praticar as decisões específicas (o que vai onde, qual declaração de papel agrega informação e qual só agrega palavras), o tópico de papel e contexto é um bom ponto de partida.
Perguntas frequentes
O que é um prompt de sistema?
Um prompt de sistema é um conjunto de instruções entregue ao modelo separadamente das mensagens do usuário, normalmente pelo desenvolvedor. Ele define o papel, as regras, o tom e o formato de saída do assistente em toda a conversa.
Qual é a diferença entre prompt de sistema e prompt de usuário?
O prompt de sistema traz instruções estáveis, válidas em todos os turnos, escritas por quem constrói o produto. O prompt de usuário traz o pedido específico e os dados daquele turno, muitas vezes escritos pelo usuário final.
Qual deve ser o tamanho de um prompt de sistema?
O necessário para cobrir o comportamento real, e nada além disso. Muitos prompts de sistema em produção têm de algumas centenas a alguns milhares de palavras, mas cada regra deve existir porque algum caso de teste precisou dela.
Os usuários podem ver ou sobrescrever o prompt de sistema?
Os modelos são treinados para dar prioridade às instruções do sistema, mas isso não é garantia. Às vezes os usuários conseguem extrair ou contornar o prompt de sistema, então nunca coloque segredos nele e aplique as regras críticas no código.
- #prompt de sistema
- #papéis
- #personas
- #aplicações com LLM