Técnicas de Prompting
Ir para notas que citam estaTécnicas de prompting são as formas de formular pedidos a um modelo: zero-shot (pergunta direta), few-shot (com instruções e restrições) e prompt em cadeia (perguntas de aprofundamento).
Elas aplicam os fundamentos da Engenharia de Prompt em graus crescentes de controle. A pergunta direta é o ponto de partida, as restrições no mesmo pedido estreitam o formato da resposta e a conversa encadeada explora um assunto em profundidade, com um risco próprio que cresce com a duração do diálogo.
Zero-shot: a pergunta direta
Zero-shot é fazer a primeira pergunta que vem à cabeça, sem exemplos nem instruções adicionais, e receber a resposta crua do modelo. Pedir a implementação de Fibonacci em Python, sem mais nada, a duas ferramentas de base semelhante rendeu respostas de estilos diferentes: uma abriu com uma saudação antes do código, a outra foi direto. Diante de uma pergunta solta, o modelo tende a ser educado e prolixo, cercando o que foi pedido de texto explicativo. Serve para pedidos rápidos, com pouco controle sobre o formato.
Few-shot: instruções e restrições no mesmo pedido
Few-shot, no sentido prático usado aqui, é ampliar o escopo do pedido juntando mais de uma instrução ou restrição numa só solicitação, em vez de uma pergunta isolada. O pedido de Fibonacci em Go com a restrição explícita de devolver só o código, sem explicação, eliminou a introdução prolixa. Expressões como evite rodeios ou só quero o código funcionam como palavras-chave que comprimem a resposta. A ideia é fatiar o prompt em várias instruções pequenas combinadas.
Prompt em cadeia e o risco das conversas longas
No prompt em cadeia a conversa se prolonga com perguntas de aprofundamento do tipo e se acontecer tal coisa, e se fosse assim, que se somam ao histórico já construído na Janela de Contexto. É útil para explorar um tema quando se sabe o que se está perguntando.
Quanto mais longo o diálogo, maior a chance de Alucinação. Um sinal de alerta é uma pergunta trivial, como quanto é 1 + 1, receber uma resposta desproporcionalmente elaborada. Nesse ponto é melhor fechar o chat e abrir outro: insistir na correção na mesma conversa tende a piorar, porque o modelo se prende ao último tema e passa a devolver o que o usuário parece querer ouvir.
A interação iterativa também pode ser exercitada como jogo. No Gandalf, o objetivo é extrair de uma IA uma senha que ela foi instruída a não revelar, com níveis cada vez mais difíceis; avançar exige refinar o pedido a cada tentativa, a mesma mecânica explorada pela Injeção de Prompt.
Automação: prompts que geram prompts
Um conjunto à parte de técnicas entrega um prompt inicial a um Agente de IA que gera os próprios prompts e executa ações repetidamente até chegar a um resultado. O Auto-GPT é um exemplo: não tem limite embutido de execução, então usá-lo com modelo pago sem definir um teto de gasto pode sair caro. O ChatDev simula um time de desenvolvimento, com agentes nos papéis de líder, testador e desenvolvedores de front-end e back-end, e tenta gerar sozinho um pequeno protótipo; os resultados ainda são aplicações simples, de caráter experimental.