Curso 1: Engenharia de Prompt para Servidores
Técnicas que Multiplicam a Qualidade
Instrutor: Rodrigo Pinto
Foco Bloom: APLICAR • 3h • 3 técnicas + prática imediata
Recap dos Encontros 1 e 2
E1 — Fundamentos
E2 — Técnicas Base
Quem aplicou o Teste de Humanidade ou CoVe durante a semana? Como foi?
Encontro 3
O dia mais prático do curso.
Cada técnica com dados científicos e prática imediata.
Roteiro do Dia
1
Role Assignment
Diga à IA QUEM ela é
30 min (12T + 18P)
2
Few-Shot
Ensine pelo EXEMPLO
30 min (12T + 18P)
3
Não-Ambígua
Elimine a MARGEM
30 min (12T + 18P)
Framework EP — 8 Princípios
1. Dar contexto completo E2
2. Ser claro e específico HOJE — Linguagem Não-Ambígua
3. Dar exemplos HOJE — Few-Shot
4. Pedir raciocínio (menção)
5. Definir perspectiva HOJE — Role Assignment
6-8. Iterar, formato, validar E2
Diga à IA QUEM ela é
Sem role: resposta genérica (média de tudo).
Com role: resposta especializada (filtrada pela perspectiva).
Role Assignment
Básico
"Você é um advogado."
Resultado: genérico, superficial
Intermediário
"Você é um advogado tributarista com 15 anos de experiência."
Resultado: mais focado e profundo
Avançado
"Você é um advogado tributarista com 15 anos em setor público, especialista em ICMS e ISS, que explica conceitos complexos de forma acessível para não-especialistas."
Resultado: altamente relevante e personalizado
Role Assignment • Na prática
BÁSICO
"Escreva um parecer sobre licitação"
Resultado genérico, textbook
+ ROLE INTERMEDIÁRIO
Adiciona perspectiva jurídica focada
Melhor, mas ainda amplo
+ ROLE AVANÇADO
Tom, profundidade e referências do setor público
Resultado diretamente útil
História
Dois primos, Débora e Henrique, fizeram um curso de PNL juntos. Receberam EXATAMENTE o mesmo feedback do instrutor. Mesmas palavras, mesmo tom.
Débora
Ficou devastada. Interpretou como crítica pessoal.
Henrique
Ficou energizado. Viu como mapa de oportunidades.
MESMAS PALAVRAS. O ROLE muda tudo.
Role Assignment
Ativa diferentes "regiões" do modelo treinado
A IA foi treinada com textos de MUITAS perspectivas: médicos, advogados, professores, engenheiros. Quando você define um role, ela FILTRA o conhecimento por aquela lente.
É como pedir opinião a um ESPECIALISTA vs perguntar para qualquer pessoa na rua.
Exemplos de roles para serviço público:
"Analista legislativo com 20 anos em direito administrativo, que prioriza clareza e objetividade"
"Designer instrucional especialista em capacitação de servidores, linguagem acessível"
Debrief • Role Assignment
Role Assignment é simples mas PODEROSO.
Combine com Contexto Completo (E2) para resultado ainda melhor.
Dica Pro
Role: "Você é um consultor legislativo com 20 anos..."
Teste: "Um consultor legislativo conseguiria responder isso com apenas essas informações?"
Se SIM → prompt tá bom. Se NÃO → adicione mais contexto.
Além do role simples: force restrições criativas no papel.
Técnica: mesmo problema, 3 personas radicalmente diferentes → compare as saídas.
Criatividade sistemática, não brainstorming aleatório.
Fonte: Jeremy Utley — "Anytime you make an association, you're colliding different information sources."
Ensine pelo exemplo
+32%
de qualidade com few-shot (Google AI Research)
Few-Shot Prompting
Entre humanos já é complicado: "Me faz um relatório bonito" — cada pessoa faz diferente.
Com IA é pior. Em vez de descrever, MOSTRE o que você quer.
Comparação
0
Zero-Shot
Sem exemplos — baseline
Pedir algo para quem nunca viu
1
One-Shot
+17% melhoria
Mostrar um modelo
3-5
Few-Shot
+32% melhoria
Mostrar varios modelos
História
Quando eu era criança, queria dar um presente para uma menina da escola. Comprei um chiclete de morango — meu sabor favorito. Ela agradeceu... mas confessou que preferia UVA.
"Bom" é subjetivo.
Se você não MOSTRA o que "bom" significa pra você, a IA vai chutar. E frequentemente vai errar o sabor.
Template Few-Shot
Resuma esta ata no seguinte formato:
EXEMPLO:
Data: 15/02/2026
Participantes: João Silva, Maria Santos
Decisões: (1) Aprovar orçamento Q1 (2) Adiar licitação
Pendências: João - verificar contrato
Agora resuma a ata abaixo no mesmo formato:
[ATA]
Dica avançada: Exemplo BOM + Exemplo RUIM = IA entende os dois extremos
Dado Científico
Pesquisa Google AI Research: prompts com 3-5 exemplos geram respostas 32% mais precisas que prompts sem exemplo.
Invista 5 minutos buscando um exemplo antes de promptar — economize 30 minutos de retrabalho.
Este exercício costuma ter o "aha moment" mais forte do curso!
Debrief • Few-Shot
Dica avançada: crie uma BIBLIOTECA de exemplos para tarefas frequentes do seu trabalho.
Combine com Role Assignment (hoje) + Contexto Completo (E2) para resultado transformador.
20 minutos
Voltamos com a terceira técnica: Linguagem Não-Ambígua
Elimine a margem de interpretação
Precisão é gentileza.
O Problema
O que é "bom"?
Curto? Longo? Com bullets? Em parágrafos? Formal? Casual? Técnico? Acessível?
Cada palavra vaga é uma decisão que você deixa a IA tomar por você.
Linguagem Não-Ambígua
1. Verbos específicos — "olhe" → "analise" ; "veja" → "compare"
2. Adjetivos mensuráveis — "curto" → "3 paragrafos"
3. Quantifique — "liste alguns" → "liste 5 itens"
4. Formato explícito — "organize bem" → "tabela com 3 colunas"
5. Restrições — "seja acessível" → "sem jargão técnico; público: servidores"
Adicione "use um tom espartano" a qualquer prompt.
Ponto perfeito entre diretivo e flexível. Elimina enrolação, frases vazias, excesso de qualificadores.
SEM tom
"A implementação pode ser considerada como uma abordagem viável que apresenta potenciais benefícios..."
COM tom espartano
"A política funciona. Benefícios: X, Y, Z. Implemente até sexta."
Fonte: Nick Saraev — ROI massivo em 30 segundos
Antes vs Depois
ANTES (ambiguo)
"Faça um resumo bom"
"Me ajude com esse texto"
"Melhore isso"
DEPOIS (preciso)
"Resumo de 200 palavras, bullet points, 3 conclusões"
"Reduza de 500 para 300 palavras, substitua jargão, adicione conclusão"
"Reescreva com frases de máx 20 palavras, voz ativa, sem redundâncias"
Metáfora
Imagina um artista de circo girando 8 pratinhos. O assistente grita: "Mantém tudo bonito!" Resultado: caos, pratos caem.
"Gire o vermelho a 60rpm, o azul a 45rpm, troque o verde em 30 segundos."
Instruções precisas = resultado controlado.
Reescreva estes 5 prompts aplicando os 5 passos:
Para cada: identifique as palavras ambíguas → aplique os 5 passos → teste antes e depois
"Resumo detalhado" — detalhe ↔ resumo = OPOSTOS!
"Abrangente mas breve" — abrangência ↔ brevidade = CONFLITO!
"Simples e completo" — simplicidade ↔ completude = TENSÃO!
Debugging: "Essas duas exigências são mutuamente exclusivas?" Se sim, escolha UMA ou defina a prioridade.
Fonte: Nick Saraev — Anti-Pattern de Instruções Conflitantes
Debrief • Linguagem Não-Ambígua
Precisão no prompt = menos retrabalho.
Combina com Contexto Completo (E2) + Role (hoje) + Few-Shot (hoje).
Cada técnica sozinha já melhora. JUNTAS são transformadoras.
Stack Completo
QUEM responde
Role Assignment
COMO deve ser
Few-Shot Learning
O QUE exatamente
Linguagem Precisa
As 3 juntas = prompt profissional de alta qualidade.
Aplique AS 3 TÉCNICAS de hoje + as de E2 num prompt real:
Checklist de Revisão
☐ Teste de Humanidade (E2): um humano conseguiria com apenas isso?
☐ CoVe (E2): resultados verificados?
☐ Role Assignment: tem um role definido?
☐ Few-Shot: tem pelo menos 1 exemplo?
☐ Linguagem Precisa: todos os termos são mensuráveis?
Recap do Dia
Role Assignment
Quando precisa de uma perspectiva específica
Perspectiva muda tudo
Few-Shot
Quando precisa de formato ou estilo específico
+32% — show don't tell
Não-Ambígua
SEMPRE — em todo prompt
5 passos para precisão
Próximo Encontro
Key Prompt Structure — o framework que UNIFICA tudo.
Vocês vão CONSTRUIR prompts profissionais completos para tarefas reais, testar, iterar, e sair com um arsenal pronto.
Tarefa para casa:
Cada técnica sozinha já melhora muito. Juntas, são transformadoras.
Rodrigo Pinto
Engenharia de Prompt para Servidores
Encontro 4: Workshop Final • Integrando Tudo