Prompt Engineering¶

Definição clara¶

Prompt Engineering é o processo de projetar instruções, contexto e exemplos para guiar o comportamento de um LLM em direção a saídas úteis e consistentes.

Explicação conceitual¶

Na prática de engenharia, prompt é interface de programação para modelos generativos. Um bom prompt reduz variabilidade e melhora qualidade sem retrain.

Como funciona internamente¶

Define papel, objetivo e formato de resposta.
Injeta contexto relevante (documentos, regras, exemplos).
Aplica técnicas (few-shot, chain-of-thought restrito, delimitação).
Avalia saída e itera com testes sistemáticos.

Exemplos práticos¶

Geração de resumo técnico padronizado.
Classificação de tickets com JSON estruturado.
Geração de queries SQL assistida.

Quando usar¶

Construção rápida de protótipos com LLM.
Casos onde ajuste de prompt é suficiente.
Integração de regras de negócio sem fine-tuning inicial.

Limitações¶

Fragilidade a pequenas mudanças de entrada.
Dependência da janela de contexto.
Pode não resolver lacunas de conhecimento factual.

Relação com outros conceitos¶

Complementa Retrieval-Augmented Generation (RAG) em Produção.
Depende da arquitetura Transformers.
Precisa de validação contínua em Avaliação e Guardrails para LLMs.

Exemplos em Python quando aplicável¶

from openai import OpenAI

client = OpenAI()

prompt = """
Você é um assistente de SRE.
Responda em JSON com campos: impacto, causa, ação_recomendada.
Incidente: aumento de latência em API de pagamentos.
"""

resp = client.responses.create(model="gpt-4.1-mini", input=prompt)
print(resp.output_text)