Engenharia de Prompt para a Claude

Nos capítulos anteriores, você conheceu a Claude, seus modelos, artefatos e como funciona a janela de contexto. Agora chegamos ao capítulo que, sozinho, pode transformar completamente a qualidade das suas interações: Engenharia de Prompt.

Engenharia de Prompt é a prática de projetar instruções eficazes para sistemas de IA. Apesar do nome rebuscado, os princípios são baseados em algo que você já faz naturalmente: comunicação eficaz entre seres humanos. A diferença é que, com a IA, a qualidade da instrução determina diretamente a qualidade da resposta — não existe "entrelinha" nem "bom senso implícito".

Existe um abismo entre alguém que usa a Claude e recebe respostas medianas e alguém que extrai resultados de nível profissional da mesma ferramenta. Esse abismo raramente tem a ver com o modelo escolhido. Tem a ver com a qualidade da instrução dada.

Neste capítulo, você vai aprender os princípios fundamentais recomendados pela Anthropic, uma estrutura prática para construir prompts (PCTF), técnicas avançadas como Chain-of-Thought e XML tags, e o framework de Fluência em IA. Ao final, você não vai apenas "fazer perguntas" — vai arquitetar intenções.

A documentação oficial da Anthropic e as melhores práticas de prompting convergem em quatro pilares fundamentais. Domine esses quatro princípios e você já estará à frente da maioria dos usuários.

Especificidade — Diga exatamente o que quer, não apenas o tema. Compare dois prompts:

• Ruim: "Resuma este artigo."
• Bom: "Resuma este artigo destacando o contexto geral, o objetivo do estudo, a metodologia e os resultados encontrados. Use tópicos e subtópicos, com palavras-chave em negrito. A linguagem deve ser clara e didática."

A diferença não é de tamanho — é de arquitetura. O segundo prompt define quem deve responder, para quem, em qual nível de profundidade e com qual estrutura de saída.

Contexto — Forneça informações de fundo quando relevante. Qual é o objetivo do projeto? Qual o público-alvo? Quem é você e o que está fazendo? A Claude não sabe nada sobre você até que você conte — quanto mais contexto relevante, mais personalizada e útil será a resposta.

Clareza — A linguagem deve ser simples, direta e sem redundância. O texto deve ser organizado em blocos com delimitadores claros. A Anthropic recomenda especificamente o uso de XML tags e Markdown headings para separar seções do prompt. Pense no prompt não como uma mensagem de texto, mas como um documento estruturado.

Detalhe — Forneça o máximo de detalhes sem perder clareza e especificidade. Detalhe e clareza não são opostos — um prompt bem detalhado pode ser perfeitamente claro se for bem organizado. A regra é: se um detalhe é importante para o resultado, ele deve estar no prompt.

Quando você está partindo do zero e não sabe como estruturar um prompt, o framework PCTF é o ponto de partida mais eficaz. Ele organiza a instrução em quatro blocos:

P — Persona (Role Prompting)

Defina quem a Claude deve ser neste contexto. A Anthropic demonstra que atribuir um papel específico melhora significativamente a qualidade das respostas, porque orienta o modelo sobre qual "base de conhecimento" priorizar.

• Exemplo: "Você é um professor de farmacologia especializado em anestésicos venosos, com 20 anos de experiência em ensino para residentes."

C — Contexto

Forneça as informações de fundo que a Claude precisa para entender a situação. Quem é o público? Qual o objetivo? Onde esse output será usado?

• Exemplo: "O público são residentes de anestesiologia no primeiro ano. Este resumo será usado como material de revisão antes de uma prova prática."

T — Tarefa

Defina a ação de forma clara, direta e no imperativo. Use verbos de ação: escreva, analise, compare, resuma, crie, liste, explique.

• Exemplo: "Crie um resumo comparativo dos principais anestésicos venosos (propofol, etomidato, ketamina, midazolam), cobrindo mecanismo de ação, indicações, contraindicações e doses."

F — Formato de Saída

Especifique como quer a resposta: tópicos, tabela, texto corrido, código, Markdown, artefato. Sem especificar formato, a Claude decide por conta própria — o que nem sempre coincide com o que você precisa.

• Exemplo: "Organize em uma tabela com colunas: Fármaco | Mecanismo | Indicações | Contraindicações | Dose de Indução. Abaixo da tabela, adicione notas clínicas em tópicos."

Um prompt PCTF bem construído, mesmo simples, já supera 90% das interações genéricas com IA.

Se existe uma técnica que a Anthropic recomenda acima de todas as outras para organizar prompts, são as XML tags. A Claude foi treinada para processar instruções delimitadas por tags de forma especialmente eficaz.

XML tags são marcadores simples que separam blocos de informação:

<contexto>Sou médico anestesiologista estudando para a prova de TSA.</contexto>

<tarefa>Crie um resumo sobre bloqueios de plexo braquial.</tarefa>

<formato>Use tópicos com palavras-chave em negrito. Inclua indicações, técnica e complicações.</formato>

Por que XML tags funcionam tão bem?

• Hierarquia clara — A Claude identifica imediatamente onde começa e termina cada bloco de instrução.
• Sem ambiguidade — Não há dúvida sobre o que é contexto, o que é tarefa e o que é formato.
• Escalabilidade — Quanto mais complexo o prompt, mais as tags ajudam a manter organização.
• Treinamento específico — A Claude foi especificamente treinada para reconhecer e priorizar conteúdo dentro de tags XML.

Você pode usar qualquer nome de tag que faça sentido: <instrucoes>, <exemplos>, <regras>, <documento>, <saida_esperada>. A Claude entende o propósito pelo nome da tag.

Na prática, combine XML tags com o framework PCTF para prompts complexos. Para prompts simples do dia a dia, linguagem natural direta continua sendo suficiente — XML tags brilham quando o prompt tem múltiplos componentes.

Além dos princípios básicos, existem técnicas avançadas que elevam significativamente a qualidade dos resultados. Estas técnicas são baseadas em pesquisa acadêmica e nas recomendações oficiais da Anthropic:

In-Context Learning (Few-Shot Prompting) — Forneça exemplos do output desejado diretamente no prompt. A Claude aprende o padrão ao ver exemplos concretos. Se você quer que ela escreva resumos em um formato específico, mostre um resumo pronto naquele formato. Dois a três exemplos geralmente são suficientes — é mais eficaz do que descrever o formato em palavras.

Chain-of-Thought (CoT) — Peça à Claude para raciocinar passo a passo antes de dar a resposta final. Simples como adicionar "Pense passo a passo antes de responder" ao prompt. Isso melhora drasticamente a qualidade em problemas de lógica, matemática e análise complexa. Com o Extended Thinking ativado, a Claude faz isso automaticamente.

Prompt Chaining (Encadeamento) — Divida tarefas complexas em etapas menores e encadeadas. Em vez de pedir tudo de uma vez, peça a etapa 1, revise, depois peça a etapa 2 usando o output da etapa 1. Isso dá pontos de controle e melhora a qualidade final.

Meta Prompting — Use a própria Claude para criar e refinar seus prompts. Descreva o que você quer alcançar e peça: "Crie um prompt otimizado para essa tarefa." A Claude gera prompts melhores do que a maioria dos humanos consegue escrever — é meta, mas funciona.

Step-Back Prompting — Antes de executar a tarefa, peça à Claude para "dar um passo atrás" e analisar o contexto geral. "Antes de começar, analise os conceitos fundamentais envolvidos nesta tarefa." Isso enriquece a janela de contexto com informação relevante antes da execução.

Processo Iterativo — Raramente o primeiro prompt gera o resultado perfeito. A engenharia de prompt é um processo iterativo: prompt → avaliação → refinamento → novo prompt. Três ciclos de refinamento geralmente produzem resultados melhores do que uma hora investida no "prompt perfeito".

Para além das técnicas específicas de prompting, existe um framework mais amplo que define o que significa realmente "dominar" o uso de IA. Os 4Ds para Fluência em IA, desenvolvidos pelos professores Rick Dakan (Ringling College) e Joseph Feller (University College Cork), identificam quatro competências essenciais:

Delegação — A capacidade de decidir qual trabalho deve ser feito por humanos e qual pela IA. Nem tudo deve ser delegado para a IA, e saber fazer essa triagem é uma habilidade em si. Inclui compreender os objetivos, as capacidades da IA e tomar decisões estratégicas sobre a colaboração.

Descrição — A capacidade de comunicar eficazmente com sistemas de IA. É aqui que entram todas as técnicas de prompting: definir resultados, orientar processos e especificar comportamentos desejados. É a competência mais técnica das quatro — e a que mais se beneficia de prática deliberada.

Discernimento — A capacidade de avaliar criticamente os resultados da IA. Inclui verificar precisão, identificar alucinações, avaliar adequação ao contexto e reconhecer quando o output precisa de revisão humana. Sem discernimento, você aceita qualquer resposta como verdade — e a IA pode errar.

Diligência — A capacidade de utilizar a IA de forma responsável e ética. Inclui transparência sobre o uso de IA, responsabilidade pelo trabalho assistido por IA e escolhas ponderadas sobre quais dados compartilhar com o sistema.

Essas quatro competências se complementam: a Delegação decide o que dar para a IA; a Descrição garante que a instrução seja eficaz; o Discernimento valida o resultado; e a Diligência mantém todo o processo ético e responsável. Domine as quatro e você terá verdadeira fluência em IA — não apenas proficiência técnica.