Engenharia de prompts

Compreender a engenharia de prompts

A engenharia de prompts é, ao mesmo tempo, uma arte e uma ciência. Consiste em elaborar as instruções, o contexto e os exemplos que se fornecem a um modelo de IA para obter os melhores resultados possíveis. Um prompt bem concebido pode fazer a diferença entre uma resposta útil e precisa e uma resposta confusa ou incorreta.

Na IA para apoio ao cliente, a engenharia de prompts determina o comportamento do seu agente de IA: o tom, os limites, a informação que privilegia e a forma como lida com casos excecionais. É a base para construir sistemas de IA agêntica fiáveis.

Definição do setor: A Anthropic descreve a engenharia de prompts como "o processo de conceber entradas que ajudam os modelos de IA a produzir resultados úteis e precisos, evitando respostas prejudiciais ou incorretas."

Porque é que a engenharia de prompts é importante

O mesmo modelo de IA pode produzir resultados muito diferentes consoante a forma como é instruído. Vejam-se estes exemplos:

Prompt fraco:

Responda às perguntas dos clientes sobre o nosso produto.

Prompt bem concebido:

É um agente de apoio ao cliente prestável da Maven AGI. A sua função é resolver as questões dos clientes sobre a nossa plataforma de IA. Diretrizes: - Seja conciso e direto - Se não souber algo, diga-o - Nunca invente informação - Para questões de faturação, ofereça-se para transferir para um agente humano - Confirme sempre que o problema do cliente ficou resolvido antes de encerrar Tom: profissional, cordial, orientado para soluções

O segundo prompt gera respostas mais consistentes e adequadas, porque fornece contexto, limites e diretrizes de comportamento claros.

Técnicas essenciais de engenharia de prompts

1. Prompts de sistema

Os prompts de sistema definem o papel, a personalidade e as restrições da IA. São executados antes de cada interação com o utilizador e estabelecem o comportamento de base. No apoio ao cliente, os prompts de sistema especificam o tom, as regras de escalamento e os limites de conhecimento.

2. Aprendizagem few-shot

Fornecer exemplos de pares de entrada e saída pretendidos ajuda o modelo a compreender as suas expectativas. Consulte a aprendizagem few-shot para mais detalhes.

Exemplo: Cliente: "Como reponho a minha palavra-passe?" Agente: "Posso ajudar com isso. Aceda a Definições > Segurança > Repor palavra-passe. Receberá um e-mail para confirmar a alteração. Posso ajudar em mais alguma coisa?"

3. Prompts de cadeia de pensamento (chain-of-thought)

Incentivar o modelo a "pensar passo a passo" melhora a precisão em tarefas de raciocínio complexas. Isto é particularmente útil na resolução de problemas técnicos ou em resoluções com vários passos.

4. Injeção de contexto

Acrescentar informação relevante ao prompt — histórico do cliente, documentação do produto, mensagens anteriores — ajuda a IA a dar respostas personalizadas e precisas. Para isso, recorre-se frequentemente a RAG (Retrieval-Augmented Generation).

5. Formatação da saída

Especificar o formato pretendido (JSON, listas com marcadores, uma estrutura concreta) garante resultados consistentes e fáceis de processar, que se integram bem com outros sistemas.

Investigação: A Google Research concluiu que os prompts de cadeia de pensamento podem melhorar a precisão em tarefas de raciocínio complexas em 20-40 % face aos prompts convencionais.

Engenharia de prompts para apoio ao cliente

Em aplicações de apoio ao cliente, os prompts eficazes têm de garantir:

• Consistência do tom: saber quando transferir para humanos (ver transferência)
• Limites de conhecimento: responder apenas a perguntas dentro do âmbito definido
• Prevenção de alucinações: fundamentar as respostas em informação verificada
• Conformidade: evitar afirmações ou ações proibidas
• Personalização: utilizar o contexto do cliente de forma adequada

Abordagem da Maven AGI: A plataforma da Maven AGI inclui modelos de prompts pré-concebidos e otimizados para apoio ao cliente, com salvaguardas e fundamentação integradas para evitar falhas comuns. Os nossos clientes atingem taxas de resolução superiores a 90 % sem precisarem de conhecimentos aprofundados de engenharia de prompts.

Erros comuns na engenharia de prompts

1. Ser demasiado vago: "Seja prestável" não dá orientação suficiente
2. Instruções contraditórias: "Seja conciso" e "explique em detalhe" geram confusão
3. Ausência de exemplos: instruções abstratas sem exemplos concretos são mais difíceis de seguir
4. Ignorar casos excecionais: o que deve a IA fazer quando não sabe a resposta?
5. Restrições excessivas: demasiadas regras podem tornar as respostas robóticas ou provocar falhas

Engenharia de prompts vs. afinação (fine-tuning)

• O que altera: Engenharia de prompts: instruções de entrada (vs. pesos do modelo)
• Tempo de implementação: minutos a horas (vs. dias a semanas)
• Custo: baixo (vs. elevado)
• Flexibilidade: muito flexível (vs. mais difícil de alterar)
• Ideal para: comportamento, tom, formato (vs. conhecimento especializado, estilo)

Perguntas frequentes

O que é a engenharia de prompts?

A engenharia de prompts é a prática de conceber e aperfeiçoar entradas (prompts) para orientar os modelos de IA a produzir resultados precisos, relevantes e úteis. Inclui a redação de prompts de sistema, o fornecimento de exemplos e a estruturação eficaz do contexto.

Porque é que a engenharia de prompts é importante?

Bons prompts melhoram significativamente a precisão da IA, reduzem as alucinações e garantem um comportamento consistente. Prompts fracos levam a resultados pouco fiáveis e à frustração dos utilizadores. No apoio ao cliente, a qualidade dos prompts tem impacto direto nas taxas de resolução e na satisfação do cliente.

É preciso ser programador para fazer engenharia de prompts?

Não. A engenharia de prompts tem sobretudo a ver com comunicar com clareza e compreender como os modelos de IA interpretam a linguagem. Ter formação técnica ajuda, mas não é obrigatório.