Preparando para a Resposta — Step-Back, Plan-and-Solve e Generated Knowledge

No capítulo anterior, você aprendeu a fazer a IA raciocinar: o Chain-of-Thought torna os passos intermediários visíveis, a Self-Consistency valida conclusões por múltiplos caminhos, e o Tree of Thoughts permite explorar hipóteses em paralelo. Todas essas técnicas atuam durante o raciocínio.

Este capítulo apresenta uma família diferente de técnicas. Elas não atuam durante o raciocínio — atuam antes. São técnicas de preparação: formas de garantir que, quando o modelo começar a raciocinar, ele já esteja com o mapa certo na mão, o plano estruturado e o conhecimento relevante ativado.

Analogia cirúrgica: Um cirurgião experiente não entra na sala e começa a cortar. Ele revisa a anatomia, lê o prontuário, discute o plano com a equipe, verifica os instrumentos. O desempenho dentro da sala é diretamente proporcional à qualidade da preparação fora dela.

As três técnicas: Step-Back Prompting (ativar conhecimento de fundo), Plan-and-Solve (compreender e planejar antes de executar) e Generated Knowledge (gerar conhecimento relevante antes de responder).

Descrito no Guia de Prompt Engineering do Google (2025), o Step-Back Prompting consiste em instruir o modelo a primeiro responder uma pergunta mais geral relacionada ao problema — ativando os princípios subjacentes — e só depois atacar o caso específico.

O mecanismo: ao considerar os princípios gerais antes do problema específico, o modelo utiliza muito mais do conhecimento que possui do que utilizaria indo direto ao caso.

Analogia médica: É como o clínico que, diante de um caso incomum, antes de decidir a conduta faz uma rápida revisão mental dos aspectos gerais da doença. Esse passo atrás aparentemente ineficiente é o que separa a resposta reflexa da resposta fundamentada.

Estrutura

Prompt 1 (passo atrás): "Quais são os princípios gerais que regem [tema amplo]?"

Prompt 2 (caso específico): "Usando os princípios acima como base, responda agora: [problema original]."

Na prática moderna, dentro de uma única sessão, integre os dois passos:

"Antes de responder o problema específico, dê um passo atrás e responda primeiro a pergunta geral: [PERGUNTA GERAL]. Usando essa base de princípios, responda agora: [PROBLEMA ESPECÍFICO]."

Quando usar

O Step-Back agrega valor quando os princípios gerais são ricos o suficiente para mudar a qualidade da resposta: fisiopatologia complexa, questões jurídicas com princípios e jurisprudência, problemas estratégicos com frameworks aplicáveis.

O Plan-and-Solve (Wang et al., 2023), descrito no Prompt Report como melhoria do Zero-Shot CoT, resolve o problema de pedir execução direta de algo que requer compreensão profunda antes.

A instrução específica:

"Vamos primeiro entender o problema e criar um plano para resolvê-lo. Em seguida, vamos executar o plano e resolver o problema passo a passo."

Essa instrução de duas fases — compreender + planejar → executar — força o modelo a desacelerar, mapear o problema em sua totalidade e identificar os subproblemas antes de começar a responder.

Analogia médica: O briefing pré-operatório. Antes de qualquer cirurgia, a equipe revisa o caso, discute o plano, antecipa complicações e define papéis. Essa fase de planejamento é o que torna a execução mais fluida e segura.

Implementação estruturada

FASE 1 — COMPREENSÃO E PLANEJAMENTO:

• (a) Identifique todos os elementos do problema
• (b) Identifique os subproblemas ou etapas
• (c) Defina a sequência lógica de resolução
• (d) Aponte potenciais pontos de falha ou ambiguidades

FASE 2 — EXECUÇÃO: Seguindo o plano, resolva passo a passo.

Diferença em relação ao CoT

O CoT instrui o modelo a mostrar o raciocínio enquanto resolve. O Plan-and-Solve instrui a entender o problema inteiro e criar um plano antes de resolver. No CoT, o modelo descobre o caminho enquanto caminha; no Plan-and-Solve, ele primeiro olha o mapa, traça a rota, e só então começa a andar.

O Generated Knowledge Prompting (Liu et al., 2022) é a técnica mais contraintuitiva das três: antes de pedir que o modelo responda à pergunta principal, instrua-o a gerar o conhecimento relevante sobre o tema — e então use esse conhecimento como contexto para a resposta final.

O fluxo:

1. Geração: "Gere 5 fatos relevantes sobre [tema]"
2. Integração: o conhecimento gerado é inserido no contexto
3. Resposta: "Usando o conhecimento acima, responda: [pergunta]"

O modelo possui um enorme volume de conhecimento em seus parâmetros — mas nem todo é ativado automaticamente quando você faz uma pergunta direta. Ao gerar explicitamente o conhecimento antes, você ajuda o modelo a trazer à superfície o que já sabe.

Analogia médica: Antes de responder uma questão complexa, um candidato a concurso mentalmente organiza o que sabe — fisiopatologia, epidemiologia, quadro clínico, tratamento. Esse exercício de organização antes da resposta é exatamente o que o Generated Knowledge faz.

A variação verificável

Uma versão mais rigorosa inclui autoverificação: para cada conceito gerado, indicar nível de certeza (alto/médio/baixo) e por quê. Usar apenas os de alta certeza como base firme, indicando onde há incerteza.

Técnica	Mecanismo central	Melhor para
Step-Back	Ativa conhecimento de fundo via pergunta geral	Casos onde princípios gerais enriquecem a resposta específica
Plan-and-Solve	Mapeia o problema inteiro antes de executar	Problemas multi-etapas com subproblemas interdependentes
Generated Knowledge	Explicita o conhecimento relevante antes de aplicar	Temas ricos em conceitos onde contextualização melhora a resposta

Elas se combinam. Para um caso muito complexo, você pode usar Step-Back para ativar princípios gerais, Plan-and-Solve para mapear o problema, e Generated Knowledge para organizar o conhecimento específico. Essa combinação cria um prompt de preparação completo antes de qualquer execução.

Questão 1 — Conceito comparativo

Explique a diferença entre Step-Back e Plan-and-Solve com uma analogia médica para cada.

Ver Gabarito

Step-Back opera "para trás e para cima": antes do problema específico, ativa conhecimento de fundo. Analogia: internista que revisa fisiopatologia geral antes de decidir sobre caso raro. Plan-and-Solve opera "para frente antes de executar": mapeia o problema inteiro. Analogia: briefing pré-operatório — a equipe entende o caso, planeja a técnica, antecipa complicações antes de iniciar.

Questão 2 — Identificação de técnica

Qual técnica para cada situação?

(a) Paciente com sepse — múltiplas decisões interdependentes
(b) Material educacional sobre TEP ficando raso
(c) Análise de contrato sem considerar princípios gerais do direito contratual
(d) Diagnóstico de gargalo em processo de admissão hospitalar

Ver Gabarito

(a) Plan-and-Solve — decisões interdependentes exigem mapeamento completo. (b) Generated Knowledge — ativar conhecimento antes de elaborar o material. (c) Step-Back — ativar princípios gerais do direito contratual antes da análise específica. (d) Plan-and-Solve — problema com múltiplos aspectos interdependentes.

Questão 3 — Múltipla escolha

Sobre Generated Knowledge, assinale a CORRETA:

(a) É técnica de recuperação de informações externas, similar ao RAG
(b) Substitui o Chain-of-Thought em raciocínio matemático
(c) Ao gerar conhecimento explicitamente, ele pode ser verificado e corrigido antes de ser usado
(d) Só funciona com modelos de grande porte
(e) Sempre aumenta o risco de alucinações

Ver Gabarito

(c) — CORRETA. Ao externalizar o conhecimento em texto antes de usá-lo, ele se torna verificável. As demais são incorretas: (a) Generated Knowledge trabalha com conhecimento interno, não externo como RAG; (b) são técnicas complementares; (d) aplicável a qualquer modelo moderno; (e) tende a reduzir alucinações ao tornar o conhecimento verificável.