Especialização de Prompts para Agentes
Ir para notas que citam estaEspecialização de prompts para agentes é restringir cada agente a uma tarefa definida, com persona precisa e regras de quando usar cada ferramenta, em vez de instruções genéricas.
A diferença para a Engenharia de Prompt de um assistente está em quem lê o texto e por quanto tempo ele vale. O prompt de um agente fica fixo no sistema, é executado muitas vezes sem ninguém revisando cada pergunta, e também serve de descrição para os outros agentes. Cada agente carrega em linguagem natural o que faz, o que deve usar e como é o resultado esperado; é essa descrição que permite a um Agente Orquestrador decidir para quem delegar uma tarefa. Um prompt genérico, portanto, piora duas coisas ao mesmo tempo: a resposta do agente e a capacidade do sistema de rotear o trabalho.
Um modelo generalista se parece com um livro de receitas para qualquer prato. Especializar o prompt coloca o agente dentro de um quadro menor e mais próximo do objetivo, como só código ou só testes, o que reduz respostas fora do escopo.
O que acontece com uma persona genérica
Um agente configurado apenas como conselheiro de testes, ao receber um documento técnico e o pedido de dicas sobre ele, devolveu boas práticas genéricas: escrever casos de teste, usar testes parametrizados, cobrir casos de erro, fazer teste de performance e de carga, com sugestões de ferramentas como pytest e Postman. Nada errado, mas nada específico daquele documento nem do contexto do time. A saída melhora quando a persona fixa o recorte, por exemplo um agente que só escreve testes com Cypress, Robot Framework ou Selenium, e quando a entrada é realista: um readme cheio de detalhes técnicos não serve para avaliar um agente cujo objetivo é gerar cenários de teste.
Quem é, como responde e o que aceita
Um prompt de agente bem montado define três coisas: quem o agente é, como ele deve responder (tom, formato, estrutura da saída) e o que ele aceita ou recusa como entrada. A distância entre um prompt de três linhas e um de uma página inteira de especificidade aparece no resultado, e por isso os prompts de agentes especialistas costumam ser extensos. Escrever essa página é difícil e se aprende com prática; num time, pode fazer sentido alguém se dedicar a arquitetar prompts enquanto outros concentram a codificação.
Uma forma prática de começar é pedir a um modelo que gere a instrução do agente a partir de uma explicação do que ele deve fazer, e a estrutura da tarefa (descrição e resposta esperada), e depois refinar à mão.
Uso condicional de ferramentas
O prompt também precisa dizer quando usar cada ferramenta. Um agente com instrução mínima, diante de uma pergunta que o contexto recuperado já respondia, tentou chamar uma ferramenta inexistente, recebeu erro de ferramenta inválida e só então respondeu. Cada tentativa é uma requisição a mais ao provedor e mais tokens gastos, sem ganho na resposta. A correção é explícita: usar ferramentas apenas quando forem necessárias, e dizer para que serve cada uma.
Perguntar diretamente a um modelo sobre um documento, sem estrutura de agente, já produziu um resumo razoável do conteúdo. Montar agentes e ferramentas acrescenta custo e pontos de falha, e só compensa quando a tarefa pede decisão ou ação.
Vários especialistas em vez de um super agente
No QAssist, a primeira tentativa foi um único agente capaz de tudo, e ele não funcionou bem. O caminho que deu certo foi limitar o escopo: um agente especialista por tipo de artefato ou tarefa, cada um com prompt extenso e próprio, e apenas os agentes que a aplicação de fato usa.