Principais técnicas de prompt de IA para melhorar a qualidade da produção

Você pede à IA para redigir um e-mail de lançamento de produto ou analisar concorrentes, mas o resultado parece sem graça e genérico. Então, você reformula, adiciona mais contexto e tenta novamente. Ainda não está certo. 😕

Isso porque a IA é tão boa quanto o prompt.

A diferença entre uma resposta genérica e um verdadeiro parceiro de reflexão resume-se à forma como você faz as perguntas.

Este guia apresenta técnicas práticas de prompt de IA e mostra como equipes de conteúdo, produto e operações podem usá-las para obter respostas mais precisas e detalhadas.

O que é engenharia de prompts?

A engenharia de prompts é a prática de fornecer instruções claras e específicas para obter os resultados desejados das ferramentas de Inteligência Artificial (IA), especialmente modelos de linguagem grandes (LLMs) como o GPT.

Esses modelos dependem do processamento de linguagem natural para interpretar suas instruções, o que significa que a clareza das suas palavras influencia diretamente a qualidade das respostas da IA.

É como dar instruções a alguém que nunca esteve na sua cidade. Você pode dizer: “Siga para o norte e você encontrará”, e torcer para que a pessoa chegue ao destino. Ou você pode fornecer o nome da rua, pontos de referência e o número exato da casa que ela deve procurar.

Em termos de engenharia de prompts, isso significa:

Para todas as técnicas aqui apresentadas, mostramos como elas funcionam na prática, no ClickUp Brain, nosso assistente de IA integrado.

Técnicas essenciais de prompt de IA (com exemplos)

A engenharia eficaz de prompts é parte arte, parte ciência. Embora apenas a prática possa ajudá-lo a dominar a arte, para aprender a ciência (ou seja, as técnicas), role para baixo e explore como fazer uma pergunta à IA 👇

1. Prompting Zero-Shot

O prompt zero-shot é a técnica mais simples para a engenharia de prompts. Você dá à IA um prompt direto para realizar uma tarefa, mas sem exemplos de como fazê-la.

Como os modelos linguísticos modernos são treinados com diversos padrões de linguagem, raciocínio e conhecimento, eles podem realizar tarefas específicas de forma independente, mesmo sem exemplos explícitos (isso é conhecido como aprendizagem zero-shot).

Por exemplo, considere este prompt que demos ao ClickUp Brain:

Repare como a IA produziu imediatamente o texto do anúncio sem que lhe fossem mostrados exemplos de textos espirituosos. Isso é o prompting zero-shot em ação.

2. Prompting com poucos exemplos

Sander Schulhoff, também conhecido como o “engenheiro de prompts OG”, destaca que a técnica de prompts few-shot pode melhorar a precisão de 0% para 90% em testes controlados envolvendo precisão de classificação.

Ao contrário do zero-shot, o prompting few-shot exige que você dê exemplos à IA antes de pedir que ela realize uma tarefa semelhante. Esses “shots” demonstram o formato ou a lógica que o modelo deve seguir para fornecer a resposta esperada.

Por exemplo, digamos que você deseja que a IA classifique comentários nas redes sociais para análise de sentimentos. Em vez de pedir diretamente para “analisar sentimentos”, você pode orientar a IA usando exemplos rotulados primeiro, como abaixo:

Como você pode ver acima, os exemplos serviram como instruções para ajudar o sistema de IA a entender como rotular o feedback dos clientes.

3. Prompting de cadeia de pensamento (COT)

Na técnica de prompting da cadeia de pensamento, você basicamente diz à IA: “Não me dê apenas a resposta. Explique-me como você chegou lá.”

Digamos que você queira redigir uma linha de assunto de e-mail para anunciar um novo recurso em seu aplicativo de produtividade: priorização de tarefas. Veja como você pode usar o prompt de cadeia de pensamentos para gerar uma linha de assunto de e-mail relevante:

Ao pedir à IA para explicar seu complexo processo de raciocínio, você pode examinar as etapas seguidas e identificar exatamente onde a IA pode ter errado ao pensar no assunto do e-mail.

Isso não só ajuda você a confiar mais na resposta final, mas também permite que você faça novas solicitações com instruções mais claras, se necessário.

4. Autoconsistência

Quando você faz uma pergunta à IA, ela geralmente segue um caminho de raciocínio e fornece a resposta mais provável. Mas e se esse caminho não for o melhor?

É exatamente isso que o prompt de autoconsistência aborda. Nesse caso, você solicita à IA que gere vários caminhos de raciocínio para escolher o mais confiável e relevante.

Vamos usar o mesmo exemplo de linha de assunto de e-mail para entender isso. Em vez de pedir à IA para gerar uma linha de assunto e explicar como ela chegou lá (como fizemos no CoT), pedimos que ela gerasse várias linhas de assunto e identificasse a melhor opção de uma só vez:

Se instruída, a IA pode comparar várias opções geradas e selecionar a mais forte.

5. Árvore de pensamentos

Em vez de gerar várias respostas completas e depois escolher uma, a árvore de pensamentos força a IA a dividir o problema em etapas. A cada etapa, a IA irá gerar possibilidades e avaliá-las para encontrar a melhor antes de gerar a resposta.

Parece complexo? Parece complexo? Vamos revisitar nosso exemplo de linha de assunto de e-mail com um pequeno ajuste no prompt.

Aqui, pedimos ao sistema de IA para considerar restrições, definir o processo e até mesmo o formato de saída.

6. Encadeamento de prompts

Nessa técnica de engenharia de prompts, você divide a tarefa em subtarefas menores (com sequências lógicas), criando um processo iterativo. Cada etapa se baseia na anterior, e o resultado de um estágio se torna a entrada para o próximo.

Vamos revisitar nosso exemplo de linha de assunto de e-mail (pela última vez) e usar o encadeamento de prompts para ver como isso afeta o resultado. Primeiro, pediremos à IA para identificar o público-alvo:

Ao encadear os prompts, você está essencialmente guiando a IA pelo mesmo processo que seguiria manualmente:

Extraia os principais benefícios ➡️ Gere ângulos de mensagem ➡️ Escreva uma linha de assunto ➡️ Escolha a melhor opção

7. Engenheiro de prompts automáticos (APE)

APE é uma técnica avançada em que um grande modelo de linguagem ajuda você a gerar e refinar novos prompts otimizados para o mesmo modelo de IA. Pense nisso como a maneira da IA dizer: “Diga-me o que você quer e eu descobrirei a melhor maneira de fazer a pergunta que lhe dará a resposta ideal”.

Na técnica de prompt APE, você solicita à IA que:

Por exemplo, digamos que você esteja se preparando para lançar um novo recurso chamado “Painéis personalizados” para seu produto SaaS. Você deseja criar um guia de mensagens atraente para sua equipe. No entanto, você está tendo dificuldade para articular a mensagem de uma forma que ressoe com seus leitores.

Nesse caso, você pode pedir à IA para gerar um prompt detalhado para si mesma:

A IA fornecerá uma lista de prompts que você poderá refinar e executar para criar um guia de mensagens de alta qualidade:

De acordo com um artigo de pesquisa intitulado Large Language Models are Human-Level Prompt Engineers(Grandes modelos de linguagem são engenheiros de prompts de nível humano), “Mostramos que os prompts projetados por APE podem ser aplicados para orientar os modelos em direção à veracidade e/ou informatividade, bem como para melhorar o desempenho da aprendizagem com poucos exemplos, simplesmente antepondo-os aos prompts de aprendizagem padrão no contexto.”

8. ReACT

Embora “ReAct” pareça algo que você faria ao derramar café no seu laptop, na engenharia de prompts, é a abreviação de Reason + Act (razão + ação). Essa é outra técnica avançada de prompt, na qual o modelo de IA alterna entre pensar (raciocinar) e agir (tomar medidas).

Em vez de dar uma resposta final imediatamente, a IA é solicitada a:

Esse processo é repetido em um loop até que a IA consiga chegar a uma resposta bem fundamentada com segurança.

Digamos que você esteja planejando lançar um novo recurso de “painéis” e queira entender o que seu concorrente está dizendo sobre um recurso semelhante em seu site. Para este exemplo, suponha que somos seu concorrente e você deseja saber mais sobre os painéis do ClickUp em detalhes.

Com o ReACT, você estruturaria seu prompt mais ou menos assim:

Essa solicitação orienta a IA por meio de um processo lógico e passo a passo, sem se desviar do assunto. Agora, vamos ver como a IA respondeu a essa solicitação:

9. Gere prompts de conhecimento

Quando a IA faz uma pausa para coletar ou construir explicitamente um conjunto de conhecimentos primeiro, ela tende a ser mais precisa e consistente.

Esse é o princípio do Generate Knowledge Prompting, em que você fornece vários prompts à IA para que ela possa primeiro revelar fatos relevantes antes de usá-los para gerar uma resposta relevante.

Parece confuso?

Considere este exemplo: você está lançando uma nova ferramenta de gerenciamento de projetos para freelancers. Você precisa criar uma estratégia de marketing, mas não tem certeza em quais pontos críticos se concentrar para que sua mensagem tenha impacto.

Usando o Generate Knowledge Prompting, você pode primeiro pedir à IA para fornecer uma lista de insights relevantes sobre as frustrações do seu público-alvo:

Usando esse insight gerado como entrada para sua próxima sugestão, você orientará a IA a sugerir uma estratégia de marketing ideal:

O resultado final é, portanto, construído com base em uma lógica transparente e concreta.

10. Prompting ativo

O prompt ativo é uma técnica que transforma a IA em um aluno ativo.

Em vez de adivinhar quais exemplos (ou imagens) a IA precisa aprender, forneça a ela um conjunto diversificado de exemplos, e a IA identificará os mais desafiadores ou ambíguos por conta própria. Em seguida, ela solicitará que você forneça a resposta correta apenas para esses casos específicos, a fim de se treinar.

Para entender isso facilmente, imagine que você deseja criar uma estrutura que ajude sua equipe de vendas a lidar com os objetivos comuns dos clientes em relação a um novo recurso do produto.

Você já tem uma lista de comentários e objetivos dos clientes e deseja treinar a IA para escrever respostas eficazes e alinhadas à marca que a equipe de vendas possa reutilizar.

Prompting para diferentes casos de uso

Pronto para colocar suas habilidades de engenharia de prompts em prática?

Vamos examinar exemplos comuns de engenharia de prompts que você pode aplicar imediatamente no trabalho.

Para equipes de conteúdo

Se você trabalha com conteúdo, basicamente está operando uma linha de montagem criativa. É cansativo, mas não quando você sabe como criar prompts eficazes.

1. Criação de esboços de blog usando encadeamento de prompts

Em vez de dizer à IA para “criar um esboço de blog sobre [tópico]”, você pode dividir esse processo em subetapas e executá-las sequencialmente:

2. Gerando metadados com engenharia de prompts de poucos exemplos

Pegue 3-4 metatítulos e metadescrições de seus artigos anteriores e use-os como exemplos ou “tentativas” para treinar a IA a escrever uma metadescrição.

3. Otimização de SEO de um blog usando a técnica de geração de conhecimento

Se você tem um blog com baixo desempenho que deseja otimizar para os mecanismos de pesquisa, basta alimentá-lo com IA e pedir ao modelo para “minerar” palavras-chave que você possa ter perdido. Depois que a IA gerar essa lista (ou seja, gerar conhecimento), você pode instruí-la a incorporar o conhecimento gerado naturalmente ao texto.

Embora o prompt certo possa ajudá-lo a criar um ótimo blog ou postagem nas redes sociais, ainda é complicado alternar entre ferramentas para gerar conteúdo e editá-lo/formatá-lo para a publicação. O ClickUp oferece uma solução inteligente.

Você pode usar o ClickUp Docs para escrever seu conteúdo, que contém uma extensão integrada para o ClickUp Brain.

Isso significa que você pode dar prompts à IA, refinar seu conteúdo e formatá-lo com recursos visuais (imagens, tabelas, infográficos, GIFs), tudo dentro do seu documento.

Mantenha suas ideias fluindo sem interromper o fluxo. O ClickUp Brain MAX ajuda você a capturar e refinar pensamentos diretamente em seus documentos, transformando ideias rápidas em esboços organizados ou próximos passos. E quando digitar atrasa seu trabalho, o recurso Talk-to-Text permite que você simplesmente fale suas ideias; elas aparecem instantaneamente na página, mantendo seu brainstorm rápido e sem atritos.

Isso facilita capturar ideias, ditar esboços ou redigir prompts de conteúdo em tempo real, sem perder o ritmo. Depois de fazer o rascunho inicial, você pode refiná-lo usando o encadeamento de prompts, prompts de poucos tiros ou qualquer outra técnica que tenha aprendido.

Para equipes de produto e desenvolvimento

Ficar indo e voltando com a IA para lançar novos recursos ou corrigir bugs não é realmente a ajuda de que você precisa na vida. A engenharia de prompts pode tornar esse processo muito menos desgastante:

1. Explicando as especificações dos recursos usando o encadeamento de prompts

Você pode usar o encadeamento de prompts para preparar um documento de especificação de recursos passo a passo, para que os desenvolvedores possam construir a partir dele sem ficarem confusos. Veja como:

2. Traduzindo feedback em tarefas de desenvolvimento com engenharia de prompts zero-shot

Basta copiar e colar o feedback do cliente e pedir à IA para transformá-lo em uma tarefa de desenvolvedor com um título e uma descrição claros:

3. Escreva casos de teste usando prompts de poucos exemplos

Dê 4-5 exemplos de casos de teste bem escritos para que o modelo de IA aprenda seu estilo instantaneamente e produza o caso de teste desejado:

Se você ainda usa várias ferramentas para tarefas assistidas por IA, o ClickUp Brain é tudo o que você precisa, especialmente se você trabalha com desenvolvimento de produtos ou software.

Isso pode ajudá-lo a gerar resumos concisos de relatórios de bugs diretamente dentro de uma tarefa. Tudo o que você precisa fazer é abrir a tarefa de bug atribuída a você, clicar no botão AI Summarize (Resumir IA) e esperar alguns segundos para que a IA produza um resumo rápido, destacando o problema principal e as etapas de ação necessárias.

Da mesma forma, você pode usar o ClickUp Brain para elaborar critérios de aceitação claros para histórias de usuários, recursos e correções de bugs. O software assistente de redação irá buscar e analisar automaticamente o conteúdo da tarefa (descrição, comentários, anexos) e sugerir os critérios de aceitação em um formato de lista de verificação/marcadores.

Quer ver como funciona? Assista a este vídeo rápido sobre como escrever um relatório de bug eficaz com a ajuda da IA.

Para vendas e marketing

A personalização é o que mais importa para as equipes de vendas e marketing. Mas oferecer isso em grande escala é uma tarefa tediosa. Vamos ver como as técnicas de engenharia de prompts podem acelerar esse processo:

1. Escrever respostas por e-mail por meio da engenharia de prompts com poucos exemplos

Mostre à IA alguns exemplos de como você responderia ao e-mail de um cliente ou lead, e ela redigirá uma resposta ao e-mail mais recente exatamente como você faria:

2. Gerando propostas de valor usando o prompt engineer automático

Precisa de ajuda para elaborar uma proposta de valor sólida? Em vez de perder tempo aperfeiçoando sua solicitação, basta pedir à IA para:

Precisa gerar cópias de divulgação e resumos de chamadas de clientes em segundos? Com o ClickUp Brain, você pode usar o assistente de IA em todos os recursos do ClickUp, como ClickUp Docs, ClickUp Tasks e até mesmo ClickUp Comments.

Para redigir um texto de divulgação, basta abrir o ClickUp Docs e usar a IA para escrever seu e-mail/mensagem principal. Você pode editá-lo, escolher um tom, melhorar ou expandir o rascunho com um clique ou usá-lo como está.

E se alguém deixar uma nota de chamada nos comentários, você pode chamar o Brain (digitando @brain no campo de comentário/resposta) e pedir para ele resumir a nota de chamada no comentário.

Para operações

Se você trabalha com operações, provavelmente está sobrecarregado com tarefas demoradas, como redigir SOPs ou criar documentos internos. Mas não se preocupe, experimente os prompts abaixo para aliviar sua carga de trabalho de maneira inteligente:

1. Produzir resumos de reuniões — gerar conhecimento + autoconsistência

Não tem uma ferramenta automatizada para gerar resumos de reuniões? Não se preocupe! Cole a transcrição da reunião no chat de IA e peça para extrair os pontos principais (resumos ou itens de ação).

Para aumentar a precisão do resultado, você pode solicitar à IA que tente algumas versões do resumo e escolha a melhor.

E se você estiver procurando uma maneira mais integrada e automatizada de lidar com notas de reuniões, o AI Notetaker da ClickUp foi projetado exatamente para isso. Essa ferramenta poderosa pode participar automaticamente de suas reuniões, sejam elas agendadas ou ad hoc, e transcrever toda a conversa em tempo real.

Ela pode resumir pontos-chave, destacar decisões tomadas e até mesmo extrair tarefas ou acompanhamentos acionáveis.

Se você quiser saber mais sobre como usar a IA para fazer anotações em reuniões, confira o vídeo abaixo:

2. Criação de documentos internos usando prompts ativos

Pode ser complicado criar um documento interno (como um sobre “política de trabalho remoto”) na primeira tentativa. Nesses casos, é melhor executar um prompt ativo e refinar à medida que avança para obter o resultado perfeito:

Assista a este vídeo para aprender como a IA pode otimizar seu processo de documentação e economizar horas de trabalho manual:

3. Criação de SOP por meio da técnica de geração de conhecimento

“Escreva um SOP sobre X” pode não lhe dar os melhores resultados. Em vez disso, você pode determinar exatamente o que precisa ser incluído primeiro. Depois que a IA lhe der essa lista, ajuste-a e, em seguida, devolva-a ao modelo para construir o SOP completo.

Mesmo que isso pareça fácil, entendemos que pode ser frustrante redigir prompts de escrita de IA do zero sempre que você precisa gerar um SOP (porque o mesmo prompt pode não ser adequado para todos os SOPs).

Mas e se houvesse um botão mágico em seu espaço de trabalho que, quando clicado, gerasse qualquer SOP que você quisesse? É exatamente isso que você pode conseguir usando os campos de IA do Clickup.

É um campo personalizado, desenvolvido pela ClickUp Brain, que você pode adicionar à sua tarefa ou lista. Você pode definir o prompt para algo como “Elabore um SOP com base na descrição da tarefa e nos comentários”. E sempre que você clicar nele, ele gerará automaticamente o conteúdo do SOP, dependendo do conteúdo da tarefa.

💬 O que os usuários do CickUp estão dizendo:

O ClickUp é extremamente versátil e me permite criar soluções para praticamente qualquer caso de negócios ou processo. As automações e os agentes de IA também são superpoderosos! Posso configurar ações automáticas por meio de lógica ou prompts de IA para realizar praticamente qualquer ação imaginável no ClickUp. Por fim, o ritmo das atualizações do produto é incrível — há atualizações de recursos realmente significativas todos os meses, e a empresa está claramente investindo no crescimento.

Erros comuns de prompting (e correções)

Alguns pequenos hábitos na forma como você escreve prompts podem significar a diferença entre obter um resultado “uau, isso é perfeito” e ficar olhando para um bloco de texto, imaginando o que deu errado.

Dito isso, vamos dar uma olhada em alguns erros comuns de engenharia de prompts e como você pode otimizar seus prompts:

1. Pedir à IA para “simplesmente fazer” sem dizer como

Escrever um prompt como “escreva uma postagem no blog” ou “resuma isso” deixa muito a cargo da interpretação da IA. Resultado? Um blog excessivamente genérico ou um resumo que fica aquém das suas expectativas.

Solução: crie prompts eficazes com instruções e contexto claros. Por exemplo, ao escrever uma postagem de blog, considere definir o tom que deseja seguir, seu público-alvo, o tamanho da postagem e seu objetivo.

Veja um exemplo:

2. Sobrecarregar a IA com muitas tarefas ao mesmo tempo

Colocar muitos detalhes ou tarefas em um único prompt pode levar a resultados confusos. A IA ficará confusa ou tentará fazer tudo de uma vez (e fará isso mal).

Solução: divida sua solicitação inicial em etapas menores e execute-as em sequência. Por exemplo, primeiro peça um esboço. Se estiver bom, peça à IA para escrever o conteúdo de cada seção. Em seguida, instrua-a a refinar o tom e assim por diante.

3. Supondo que o modelo se lembre

A maioria dos grandes modelos de linguagem não tem estado e não retém informações, a menos que você as inclua explicitamente no prompt atual. Isso muitas vezes resulta em respostas que ignoram o contexto anterior ou contradizem suas instruções anteriores.

Solução: reafirme o contexto, as restrições e os objetivos principais em cada nova solicitação para que o modelo tenha todas as informações necessárias para responder com precisão.

Criando uma biblioteca de prompts para equipes

Um bom prompt pode economizar minutos; uma biblioteca compartilhada de prompts pode economizar horas (já que todos a utilizam). Veja como você pode criar uma:

1. Crie um documento compartilhado para armazenar todos os seus prompts

Use o ClickUp Docs para organizar seus prompts mais eficazes para que os membros da equipe possam usá-los posteriormente. Você pode organizar esses prompts por departamento e, posteriormente, por tipo de tarefa (por exemplo, criação de conteúdo, pesquisa de mercado, análise de dados etc.).

Para cada prompt, inclua o seguinte:

2. Crie modelos de prompts padronizados

Para tarefas comuns, como resumir notas de reuniões ou otimizar um blog, você pode criar estratégias de prompt padrão que todos devem usar. Você pode incluir modelos exatos de prompts de IA e instruções sobre quando/como usá-los para gerar respostas no estilo desejado.

Isso garante que todos os membros da equipe sigam as mesmas práticas recomendadas ao fazer prompts, garantindo uma qualidade de saída consistente.

3. Promova uma cultura de colaboração e feedback

Incentive sua equipe não apenas a usar essa biblioteca de prompts, mas também a ajudar a melhorá-la. Para isso, você deve:

4. Adicione dicas de solução de problemas à sua biblioteca de prompts

Haverá momentos em que a IA produzirá resultados abaixo do esperado ou inesperados. Para ajudar sua equipe a diagnosticar e corrigir problemas, considere adicionar uma seção de solução de problemas que discuta erros comuns de prompt de IA e suas soluções.

Isso poderia ser algo como isto:

Da solicitação à produtividade: como o ClickUp preenche a lacuna

Ao aprender técnicas básicas e avançadas de engenharia de prompts, você pode parar de perder tempo com tentativas e erros e começar a obter resultados que realmente impulsionam seu trabalho.

Com o ClickUp, a IA passa a fazer parte do seu espaço de trabalho. Ele combina gerenciamento de tarefas com automação e colaboração, para que você possa realizar seu trabalho sem precisar alternar entre ferramentas.

Então, vamos abandonar a velha maneira de usar a IA como um ajudante que você precisa chamar. É hora de você ter um assistente de IA que já faça parte da sua equipe.

Inscreva-se hoje mesmo no ClickUp e veja o que acontece quando a IA está literalmente a apenas um clique de distância!

Perguntas frequentes

A melhor ferramenta depende da tarefa que você deseja que a IA execute. No entanto, o maior valor é alcançado quando a IA é integrada à plataforma que você já usa para planejar e entregar trabalhos. O ClickUp Brain, por exemplo, é amplamente e profundamente integrado ao espaço de trabalho do ClickUp, para que você possa acessar o assistente de IA em qualquer tela. Na verdade, você pode até alternar entre Brain, ChatGPT, Gemini, Claude etc. para escolher o melhor modelo de IA para o seu trabalho.

Sim! Você pode armazenar seus prompts de melhor desempenho em um documento compartilhado do ClickUp ou até mesmo transformá-los em campos de IA personalizados para reutilização instantânea. Dessa forma, qualquer pessoa pode simplesmente clicar nesse campo e o assistente de IA executará seu prompt predefinido. Altamente recomendado para tarefas repetitivas que dependem de consistência e são sensíveis ao tempo.

Os grandes modelos de linguagem não são mecanismos de pesquisa. Eles não são como o Google, onde você insere uma consulta de pesquisa e o mecanismo fornece o mesmo resultado todas as vezes. Em vez disso, os LLMs respondem às suas consultas com base nos dados e padrões que aprenderam durante o treinamento, e é por isso que o mesmo prompt pode produzir resultados diferentes a cada vez.

Na técnica de engenharia de prompts zero-shot, basta informar à IA a tarefa que ela precisa realizar, sem nenhum exemplo de apoio do resultado esperado. Ao contrário disso, os prompts few-shot exigem que você inclua alguns exemplos para orientar a IA em uma direção específica. Por exemplo, fornecer um modelo de resposta por e-mail para que a IA possa gerar algo semelhante a ele.