Prompt (instrução)

Revisto : Como revemos as fichasAtualizado em

Em resumo

Um prompt é o texto (instruções, contexto, exemplos) dado a um modelo de IA para obter uma resposta; a sua formulação influencia muito a qualidade do resultado.

Fontes[1][2][3]

Definição

Um prompt (em português, instrução ou pedido) é o conjunto do texto fornecido a um modelo de linguagem: a pergunta, as instruções, o contexto e eventuais exemplos. Conceber prompts eficazes chama-se engenharia de prompts.

Técnicas habituais

  • Instruções claras e precisas: objetivo, público-alvo, formato de saída esperado, limites de extensão.
  • Contexto: fornecer a informação necessária em vez de presumir que o modelo a conhece.
  • Exemplos (few-shot): mostrar um ou mais exemplos do que se espera. O artigo sobre o GPT-3 evidenciou a eficácia desta abordagem.
  • Raciocínio passo a passo (chain-of-thought): pedir ao modelo que detalhe o raciocínio pode melhorar os resultados em certos problemas de lógica ou de cálculo, como mostraram Wei et al. Os chamados modelos «de raciocínio» já o fazem internamente: a OpenAI desaconselha pedir-lhes que «pensem passo a passo».
  • Papel e formato: indicar a postura esperada e a estrutura da resposta (lista, tabela, JSON…).

Limites

Um bom prompt não garante uma resposta exata: o modelo pode alucinar. Os resultados variam consoante o modelo e de uma execução para outra; é preciso testar e iterar.

Gerador de prompts

Preencha os campos: o gerador monta um prompt estruturado segundo as boas práticas desta ficha. Quanto mais detalhes der, melhor será a resposta.

Partir de um modelo

Boas práticas a acrescentar
Qualidade do promptA completar · 1/6
  • Objetivo preciso
  • Contexto fornecido
  • Público definido
  • Formato escolhido
  • Exemplo dado
  • Salvaguardas

Descreva pelo menos o seu pedido para gerar o prompt.

O prompt fica no seu navegador. Cole-o no assistente que preferir (ChatGPT, Claude, Le Chat…) e afine a resposta conversando.

Fontes

  1. Brown et al., «Language Models are Few-Shot Learners» (2020)
  2. Wei et al., «Chain-of-Thought Prompting Elicits Reasoning in Large Language Models» (2022)
  3. OpenAI, «Reasoning best practices» (documentação)