Cofundador da OpenAI. Professor em Stanford. Um dos engenheiros mais respeitados da atualidade. Ele não usa prompts secretos. Ele usa um sistema.
Aqui estão as 7 dicas reais dele – sem exageros, sem rodeios.
Imagine só.
São 23h. Você está encarando a mesma janela de chat de IA há duas horas. Reformulou o mesmo pedido de seis maneiras diferentes. Já tentou ser educado, ser direto, ser específico, ser vago. Copiou e colou três "prompts mágicos" diferentes de algum cara no X que jura que o template dele deixa o Claude "10x mais inteligente."
Nada funciona como você esperava. A saída é genérica demais, estruturalmente errada ou confiantemente incorreta sobre algo que você já disse vinte minutos atrás – nessa mesma conversa.
Você fecha a aba. Vai tentar de novo amanhã. Talvez um modelo diferente. Talvez um prompt diferente. Talvez você ainda não seja bom nisso.
Aqui está a verdade desconfortável: provavelmente não é o modelo. E definitivamente não é o prompt.
Enquanto a maioria das pessoas fica ajustando indefinidamente suas palavras, caçando a instrução perfeita ou comprando mais um "curso de produtividade com IA" – um pequeno grupo de pessoas descobriu quietamente que o problema nunca foi o prompt.
O problema era tudo ao redor do prompt.
O contexto. A memória. A estrutura. O fluxo de trabalho.
Andrej Karpathy é uma dessas pessoas. E, diferentemente da maioria das vozes no universo da IA, ele tem credenciais de sobra: cofundador da OpenAI, ex-chefe de IA na Tesla, professor em Stanford, um dos engenheiros que realmente construiu os sistemas que todos estão tentando "hackear" com prompts engenhosos.
Ele pensa nisso há mais tempo que quase todo mundo. E o que ele concluiu é ao mesmo tempo óbvio em retrospecto e quase completamente ignorado na prática.
Ele não usa prompts mágicos. Ele constrói infraestrutura.
Sete hábitos. Alguns arquivos simples. Um ritmo de trabalho específico. Só isso.
Aqui está exatamente o que ele faz – e por que cada parte importa.
DICA 1: Esqueça os prompts mágicos. O problema é quase sempre a falta de contexto.
Desde 2022, "gurus de engenharia de prompt" dominam o X e o Instagram.
A mensagem: aprenda o feitiço certo e o modelo obedece.
Karpathy discorda. O real motivo de a maioria das pessoas iterar 100 vezes e ainda obter resultados ruins? Elas ignoram o contexto completamente.
A fórmula real dele:
- Escreva um pedido claro e padrão
- Sempre inclua um exemplo concreto de como é um bom resultado
- Cole a mensagem de erro completa ou o contexto completo – nunca um trecho resumido
Não corte seu código ou texto para "economizar janela de contexto." Quando o modelo adivinha o que está faltando, ele erra. Sempre.
Nenhuma instrução secreta vai teleportar seu contexto para a cabeça do modelo. Você precisa escrevê-lo.
DICA 2: Seu CLAUDE.md provavelmente é um lixo. Vá verificar agora.
Você copiou de um template de outra pessoa? Deixou o Claude escrever para ele mesmo? Então esse arquivo não está funcionando para você.
Seu arquivo de configuração principal deve explicar claramente cinco coisas:
- Quem você é
- Qual é o projeto (apenas o quadro geral)
- O que não tocar
- Convenções de nomenclatura de arquivos
- Como formatar as respostas
Quase todo mundo tem o arquivo. Quase ninguém o configurou corretamente.
Antes de culpar o modelo por ser "burro" – vá ler suas próprias instruções para ele.
E se você só usa ferramentas de IA baseadas em navegador? Ainda precisa disso. Defina um briefing fixo. A mesma lógica se aplica.
DICA 3: Construa um sistema de três camadas. Pare de recomeçar do zero a cada sessão.
O pipeline de Karpathy:
- /raw – seu material bruto de origem, jogado como está
- /wiki – páginas estruturadas que o modelo escreve e mantém
- CLAUDE.md – seus princípios operacionais permanentes
Nova fonte entra → coloque em /raw → diga ao modelo para processá-la.
Isso são 30 minutos economizados por dia, que se acumulam.
Se seu projeto dura mais que alguns dias e você está reexplicando tudo em cada nova sessão – isso não é um fluxo de trabalho, é um loop.
DICA 4: Após cada resposta excelente – salve-a. Permanentemente.
O hábito padrão: obter uma ótima resposta, copiar o resultado, fechar a aba, esquecer. Karpathy diz que isso está silenciosamente matando sua produtividade de longo prazo. Modelos precisam de referências.
Após cada resposta valiosa:
"Salve isso como uma página permanente: wiki/topic/.md"
Depois, audite suas notas periodicamente em busca de duplicatas, conflitos e informações desatualizadas.
Pule isso e suas melhores saídas de IA se afogam quietamente no histórico do chat. Você gastará horas em tarefas que já resolveu.
DICA 5: Para qualquer projeto com duração superior a uma semana – adicione index.md e log.md. Sem exceções.
Dois arquivos. Dois propósitos:
- index.md – um mapa de tudo que existe
- log.md – um registro de alterações: data | tipo | descrição
Exemplo: 28-05-2026 | resumo | análise de entrevista com cliente
Se você programa por vibração 1–2 horas por dia, em duas semanas você genuinamente não se lembrará do que construiu no terceiro dia. Esses dois arquivos são sua camada de memória.
DICA 6: IA é um estagiário brilhante sem bom gosto. Trate-a como tal.
O enquadramento de Karpathy: agentes de IA são "estagiários superpoderosos com conhecimento massivo, que alucinam constantemente e têm zero bom gosto para código." Eles precisam de uma rédea curta.
O loop de trabalho real dele:
- Carregue o contexto completo
- Peça 2–3 opções para o próximo pequeno passo apenas
- Escolha uma
- Avalie, teste, comprometa
- Repita
Nunca peça para fazer tudo em um único prompt. É assim que você obtém 500 linhas de bagunça impossível de depurar.
DICA 7: Uma frase que torna qualquer prompt de pesquisa 10x mais legível.
Adicione isso ao final de qualquer prompt de análise ou pesquisa:
"Estruture sua resposta final como um arquivo HTML autossuficiente."
Os modelos de IA transformam qualquer coisa em HTML limpo e navegável em segundos. O tempo de leitura cai drasticamente. Custa a você uma frase. Use-a sempre.
Aqui está o que é estranho em tudo isso.
Nenhuma dessas dicas é secreta. Nenhuma requer uma assinatura paga, uma ferramenta especial ou um curso de 40 horas. Todas são, uma vez que você as vê, completamente óbvias. Claro que o modelo precisa de contexto completo. Claro que você deve salvar o que funciona. Claro que um projeto precisa de um mapa e um registro.
E ainda assim – vá olhar como você realmente usa IA agora. Seja honesto. Quantas dessas sete coisas estão realmente em prática no seu fluxo de trabalho hoje?
A maioria das pessoas está num lugar estranho com a IA. Elas acreditam que ela é poderosa – já viram-na fazer coisas impressionantes – mas em suas próprias mãos ela continua entregando abaixo do esperado. Então elas assumem que a lacuna é sobre o modelo, ou o prompt, ou algum conhecimento interno que ainda não encontraram. Passam horas procurando o truque em vez de gastar vinte minutos construindo a base.
A mensagem inteira de Karpathy é que a lacuna não é sobre mágica. É sobre memória, estrutura e incrementalismo. Dê ao modelo seu quadro completo. Salve o que ele constrói. Trabalhe em passos pequenos e comprometidos. O modelo não é o gargalo – seu fluxo de trabalho é.
As pessoas que tirarão dramaticamente mais proveito da IA nos próximos dois anos não são aquelas que encontraram os melhores prompts. São aquelas que construíram os melhores sistemas ao redor do modelo – mesmo que simples. Uma pasta /raw, uma /wiki, um CLAUDE.md adequado, dois arquivos markdown e um loop de trabalho.
Essa é toda a vantagem. É quase vergonhosamente pequena. Mas quase ninguém está fazendo isso.
Volte à história no início. Aquela pessoa às 23h, frustrada, fechando a aba – essa não é uma história sobre uma IA ruim. É uma história sobre um fluxo de trabalho sem memória, sem estrutura e sem loop incremental. O modelo estava pronto para ajudar. Só não sabia o suficiente sobre o que estava ajudando.
Agora você sabe o que construir. Comece com um arquivo. Uma pasta. Uma resposta salva. O sistema se acumula rápido.
Resumão
Pare de ajustar prompts. Comece a construir infraestrutura. Um arquivo de configuração adequado, uma estrutura /raw e /wiki, páginas de referência permanentes, arquivos index e log para projetos longos, um loop de trabalho em pequenos passos e um truque de HTML. O modelo para de adivinhar – e começa a realmente ajudar. A vantagem não é um segredo. É um sistema. E leva cerca de uma tarde para configurar.
Se isso foi útil – salve nos favoritos. Você vai querer voltar a ele.
Siga @ScottyBeamIO para mais análises como esta.
Sem enrolação, só o que realmente funciona.
