Pular para o conteúdo
LabS Atlas
Generative AI
Entrar

PromptHub

Ir para notas que citam esta
atualizado há 25 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

PromptHub é a ferramenta interna da Solutis com interface no-code para especializar o uso de modelos de linguagem por meio de projetos com materiais de contexto e personas com instruções fixas.

Também referida como Studio AI, a ferramenta dá acesso a diversos modelos de IA e permite construir assistentes sem montar uma engenharia de dados própria do zero. Ela ocupa o mesmo espaço dos GPTs Personalizados: é um caminho rápido para aplicar especialização de modelos quando o problema cabe em instruções bem escritas e em uma base de arquivos anexada.

Projetos e personas

A especialização no PromptHub se apoia em dois mecanismos que podem ser combinados:

  • Projetos agrupam os arquivos e conteúdos que o modelo deve considerar ao responder dentro de um domínio. Um projeto Java e um projeto Cobol, por exemplo, reúnem cada um os materiais do seu contexto, e o modelo passa a usá-los como base para respostas mais precisas.
  • Personas carregam um Prompt de Sistema customizado que define como o modelo se comporta. Há personas prontas, como a de um desenvolvedor sênior Java, e é possível criar novas escolhendo o tom (sério ou brincalhão) e escrevendo as instruções.

Uma persona criada com regras deliberadamente caricatas (responder sempre em caixa alta, rimar e terminar cada resposta com um miau) mostra o efeito do prompt de sistema: o modelo segue essas regras em todas as respostas sem que elas precisem ser repetidas a cada pergunta. O mesmo mecanismo serve para instruções sérias de especialidade, com o nível de detalhe que o caso exigir, aplicando as técnicas de Engenharia de Prompt.

Base de conhecimento e qualidade dos dados

Projetos e personas aceitam arquivos anexados como base de conhecimento, o que traz para a ferramenta a lógica da RAG. A qualidade do que se anexa decide o resultado: anexar a documentação bruta de uma linguagem proprietária produz respostas fracas, enquanto uma planilha de dados já tratados, com perguntas, funções e saídas esperadas, produz respostas bem melhores.

Limite da abordagem no-code

O PromptHub resolve situações que cabem em prompt e arquivos anexados. Um RAG mais complexo, com pipeline de ingestão e banco vetorial, exige uma solução montada à parte, mais próxima de engenharia de dados.

Papel em projetos de especialização

Em um projeto de especialização para geração de código, assistentes no PromptHub e em GPTs personalizados foram a primeira tentativa de personalizar o modelo via prompt. Os resultados validaram as ideias iniciais, mas ficaram limitados diante do impacto esperado no processo como um todo, e a solução evoluiu depois para ferramentas mais completas. O acesso à ferramenta não é aberto a todos: depende de vínculo a um projeto ou time e é liberado sob demanda.