Engenharia de prompt é a prática de escrever, testar e ajustar as instruções que um modelo de IA recebe até ele responder bem de forma consistente. Ela não muda o modelo: muda o que você pede. O central é dar contexto, um exemplo e o formato esperado, e conferir o resultado com casos reais.
Uma pergunta do app. Escolha uma resposta.
Você pede um resumo e ele sai longo e genérico. O que muda primeiro?
Um papel pode mudar o tom, mas a IA continua sem saber para quem é nem o tamanho que você quer.
Era isso que faltava: o contexto e a forma do resultado, como "três tópicos para minha chefe".
Cada tentativa pode variar, mas com o mesmo pedido vago o problema costuma se repetir.
Um prompt é o texto que você dá para a IA. Engenharia de prompt é o trabalho de melhorá-lo de propósito: escrever, ver o que ela responde, mudar uma coisa e testar de novo. A engenharia de contexto olha mais longe: tudo o que o modelo vê a cada passo, não só o seu pedido.
Vago: "Resuma este e-mail". Não diz para quem é nem qual deve ser o tamanho. Mais claro: "Resuma este e-mail para minha chefe, que tem um minuto. Contexto: é de um fornecedor avisando um atraso. Formato: três tópicos, o primeiro com a nova data. Exemplo de tópico: 'Entrega passa para 15/11'". O que mudou não é uma frase mágica: são três peças, contexto, formato e um exemplo.
Num chat, se a resposta não serve, você corrige na hora. Um prompt dentro de um app roda milhares de vezes com textos que você nunca viu. Aí não basta funcionar uma vez: você junta 20 casos reais (incluindo os estranhos), anota o que deveria sair e testa cada mudança no prompt contra todos. Se você conserta um e quebra três, dá para ver.
Um bom prompt reduz erros, mas não os elimina: o modelo pode inventar mesmo assim. E se o prompt processa texto de outras pessoas, como e-mails ou páginas web, alguém pode esconder instruções ali: isso é injeção de prompt.
Escrever e testar prompts ajuda em programação, produto e suporte. O importante é explicar o que você precisa e conferir o resultado com casos reais.