Quando comecei a usar modelos de linguagem, eu frequentemente tentava ser criativo para obter boas respostas. Inventava situações hipotéticas, pedia para o modelo “fingir que era um especialista”, e perdia bastante tempo com com metáforas e floreios. Achava que quanto mais elaborado fosse o prompt, melhor seria o resultado.
Com o tempo, e muitos testes depois, percebi que esse esforço era, na maioria das vezes, contraproducente.
O que mudou minha forma de escrever prompts foi entender que clareza vale mais do que criatividade. Hoje, em vez de montar uma encenação para o modelo “atuar”, vou direto ao ponto. Explico o que quero de forma direta, deixo o contexto claro e confio que ele vai entender. E, de fato, ele entende e responde melhor.
Os modelos atuais são treinados com uma base de conhecimento imensa. Isso significa que, na maioria das vezes, eles não precisam de um enredo elaborado para compreender uma tarefa. Basta uma explicação clara, como se estivéssemos falando com alguém inteligente, mas que acabou de entrar no projeto e não sabe nada ainda.
Esse ajuste de abordagem também me forçou a ser mais preciso. Antes de pensar em como convencer o modelo a me ajudar, passo alguns segundos refletindo sobre o que realmente quero extrair. O que seria uma boa resposta? Que tipo de formato espero? Qual contexto é essencial para ele entender meu objetivo?
