AI Agents 101: Fundamentos de Prompting para Assistentes de IA
Como Comunicar com Assistentes de IA de Forma Eficaz
Meu nome é Igor Cleto, e obrigado por visitar meu canal.
Neste espaço compartilho o que venho aprendendo a respeito de Dados, IA e Tecnologia de maneira acessível e em português.
Ainda não é inscrito? Inscreva-se no botão abaixo!
O que são Prompts?
Um prompt é simplesmente a instrução que você dá a um modelo de linguagem para realizar uma tarefa. É a forma como nós, humanos, comunicamos nossas necessidades para assistentes de IA como o ChatGPT, Claude ou Copilot.
A qualidade da sua comunicação com a IA determina diretamente a qualidade da resposta que você recebe. Quanto mais clara e estruturada for sua solicitação, melhor será o resultado.
Os Três Tipos Fundamentais de Prompting
Como engenheiro de dados que trabalha diariamente com assistentes de IA, identifiquei três técnicas fundamentais que todo profissional deveria dominar:
1. Zero-Shot Prompting
Esta é a abordagem mais simples: você faz uma solicitação direta sem fornecer exemplos. O modelo usa apenas seu conhecimento pré-treinado para responder.
Exemplo:
Escreva uma função Python que calcule a média de uma lista de números.
Quando usar:
- Tarefas padrão e bem estabelecidas
- Quando você não tem exemplos específicos
- Para experimentação rápida
Limitações:
- Qualidade depende totalmente do treinamento do modelo
- Pode não seguir convenções específicas do seu projeto
2. One-Shot Prompting
Aqui você fornece um único exemplo para estabelecer o padrão ou estilo desejado. É como mostrar um modelo para a IA seguir.
Exemplo:
Aqui está uma função de adição:
def add(a, b):
“”“Soma dois números e retorna o resultado.”“”
return a + b
Agora crie uma função de divisão seguindo o mesmo padrão.
Quando usar:
- Quando você tem um estilo de código específico
- Para estabelecer convenções de nomenclatura
- Quando trabalhando em um projeto existente
Vantagem especial:
Assistentes modernos como o Claude Code automaticamente exploram seu código existente para entender o contexto e padrões do projeto.
3. Chain-of-Thought Prompting
Esta técnica é poderosa: você explica explicitamente o processo de raciocínio passo a passo. É como ensinar a IA a “pensar em voz alta”.
Exemplo:
Preciso criar um pipeline de dados. Vamos pensar passo a passo:
1. Primeiro, extrair dados da API
2. Validar e limpar os dados
3. Transformar conforme regras de negócio
4. Carregar no data warehouse
5. Criar testes para cada etapa
Comece implementando a extração da API...
Quando usar:
- Problemas complexos e multi-etapas
- Debugging e resolução de problemas
- Quando você quer transparência no processo
Estratégias Práticas para Prompts Eficazes
Seja Específico, Mas Não Excessivo
❌ Ruins:
“Faça algo com dados”
“Corrija esse código”
✅ Bons:
“Crie uma função que leia um CSV e converta datas do formato DD/MM/YYYY para YYYY-MM-DD”
“Refatore esta função para usar list comprehension em vez de loops tradicionais”
Forneça Contexto Relevante:
Estou trabalhando em um projeto de analytics com:
- Python 3.9
- Pandas para manipulação de dados
- PostgreSQL como database
- Pytest para testes
Preciso criar uma função que...
Use Estrutura Clara:
# Objetivo
Criar um endpoint de API para relatórios
# Requisitos
- Aceitar parâmetros de data
- Retornar JSON
- Incluir validação de entrada
- Adicionar logging
# Contexto
Framework: FastAPI
Database: PostgreSQL
Um Exemplo Prático de Chain-of-Thought
Vamos ver como aplicar Chain-of-Thought para resolver um problema real de engenharia de dados:
Preciso otimizar uma query SQL que está lenta. Vamos abordar isso sistematicamente:
1. **Análise do problema**: Identifique quais partes da query estão causando lentidão
2. **Examine o plano de execução**: Use EXPLAIN ANALYZE para entender os gargalos
3. **Verifique índices**: Confirme se as colunas no WHERE e JOIN têm índices apropriados
4. **Otimize joins**: Considere a ordem dos joins e use de aliases consistentes
5. **Teste performance**: Compare tempos antes e depois das mudanças
Comece analisando esta query...
Este approach resulta em soluções mais robustas e compreensíveis.
A habilidade de prompting melhora com a prática. Sempre observe:
- Quais prompts geram as melhores respostas para seus casos de uso
- Como diferentes assistentes respondem ao mesmo prompt
- Quando usar cada técnica baseado no contexto
Conclusão
Dominar os fundamentos de prompting é como aprender uma nova linguagem de programação, quanto melhor você se comunica, melhores são os resultados.
As três técnicas: Zero-Shot, One-Shot e Chain-of-Thought são ferramentas complementares:
Zero-Shot para experimentação rápida,
One-Shot para estabelecer padrões,
Chain-of-Thought para problemas complexos.
A chave está em experimentar, observar os resultados e desenvolver intuição sobre qual abordagem funciona melhor para cada situação.
Antes de você ir embora
Se quiser discutir mais sobre isso, fique à vontade para deixar um comentário ou entrar em contato comigo pelo LinkedIn.
Caso queira receber mais conteúdos semelhantes a este, considere se inscrever para receber meus próximos posts.