40 Prompts de IA Avançados Usados por Especialistas Globais: Um Guia Completo (Permitido Reutilizar e Vender)

Você é livre para copiar e vender este artigo inteiro.

Primeiro, deixe-me dizer o mais importante.

Você é bem-vindo para pegar o conteúdo deste artigo, copiá-lo na íntegra e vendê-lo como se fosse seu.

Seja republicando no Note, vendendo no Brain, incorporando em textos de cursos ou dividindo em posts para redes sociais, tudo é permitido. Nenhuma permissão ou contato é necessário. Mesmo que você apresente como se tivesse criado tudo sozinho, não reclamarei. São cerca de 40 técnicas incluídas; apenas extraindo uma técnica por post, você pode criar 40 conteúdos.

Por que ir tão longe? A razão é simples: se eu não fizer isso, os japoneses não perceberão o valor desta informação.

Para ser honesto, entre os usuários avançados de IA globais, os prompts japoneses são abertamente chamados de "nível Idade da Pedra". Quando ouvi isso pela primeira vez, pensei: "Do que esse cara está falando?" Mas no momento em que vi os prompts que eles usam diariamente, fiquei sem palavras. Foi uma derrota total.

Qual era a diferença? 99% dos japoneses escrevem prompts como "instruções". "Escreva um post de blog", "Resuma este texto", "Me dê 5 ideias". Tudo isso são apenas comandos. Por outro lado, os profissionais globais passam o "processo de pensamento" e os "objetivos" para a IA desde a primeira linha. É a diferença entre um comando e um projeto.

E aqui está uma realidade mais dura. Enquanto você procura por "um prompt legal", os players globais estão pesquisando prompts através de artigos acadêmicos, gerenciando-os como código e otimizando-os automaticamente com algoritmos. Artesanato manual vs. otimização automática. A batalha já acabou. É cruel, mas é onde estamos em 2026.

Mas não se preocupe. Você não precisa de talento ou habilidades em inglês para superar essa lacuna. Você só precisa conhecer os "padrões". É só isso.

Neste artigo, reuni todas as técnicas e know-how de prompt que apresentei no Threads. Desde padrões autênticos derivados de artigos de pesquisa até truques que exploram a estrutura interna da IA, extensões MCP e automação com Claude Code e Codex — cerca de 40 itens organizados por capítulo. Todos vêm com prompts "prontos para copiar e colar". Você pode testá-los enquanto lê.

Quando terminar de ler, você cairá em um de dois grupos: aqueles que pegam essas 40 ferramentas e as transformam em armas, ou aqueles que continuam a gemer enquanto escrevem prompts manualmente. De que lado você fica depende se você lê isso até o fim.

Repito: pode copiar e vender. Então, leve para casa sem hesitação. Vamos começar.

Capítulo 1: Passando o Processo de Pensamento — Autoverificação, Autoavaliação e Pensamento Ramificado

O primeiro capítulo é sobre o padrão de "passar a própria maneira de pensar para a IA". Os prompts japoneses geralmente param em "atribuir um papel e escrever educadamente", mas os profissionais globais passam "como pensar". Os cinco introduzidos aqui são todos padrões autênticos de artigos de pesquisa.

1. Chain-of-Verification (CoVe) — Fazendo a IA questionar suas próprias respostas

Este é um padrão para eliminar alucinações (erros factuais). Prompts normais fazem a IA responder de uma só vez, mas o CoVe é construído na ideia de "fazer a IA verificar sua própria resposta". Você a faz produzir um rascunho, converter os riscos nessa resposta em perguntas de verificação, responder cada pergunta com base em evidências e, finalmente, apresentar uma versão final com as contradições corrigidas. Todo esse fluxo é concluído em um único prompt.

Quando usado para tarefas de pesquisa ou artigos, a saída se torna algo totalmente diferente. Os erros factuais diminuem visivelmente, tornando-o eficaz para trabalhos que exigem alta confiabilidade.

Prompt para Copiar e Colar

Para o tema a seguir, complete as seguintes etapas em uma única resposta: (1) Primeiro, forneça um rascunho de resposta. (2) Converta os riscos de erros factuais nessa resposta em 5 perguntas de verificação. (3) Responda cada pergunta com base em evidências. (4) Apresente uma versão final com as contradições corrigidas. Tema: [ ]

1. Self-Refine — Desempenhando os papéis de Criador, Crítico e Revisor

Este padrão faz a IA desempenhar três papéis em ordem dentro de um único prompt. Primeiro, peça para escrever um primeiro rascunho como criador. Em seguida, peça para avaliar seu próprio trabalho como um editor severo. Finalmente, peça para escrever uma versão final como revisor com base nessa avaliação.

O segredo é especificar critérios de avaliação concretos. Ao especificar cinco critérios como "persuasividade, originalidade, lógica, legibilidade e omissões", a avaliação não será branda e a precisão da revisão melhorará. Você pode sentir a qualidade saltar um nível com apenas um prompt.

Prompt para Copiar e Colar

Para o tópico a seguir, execute todas as três etapas em uma única resposta: (1) Escreva um primeiro rascunho. (2) Como um editor severo, avalie-o em 5 critérios: persuasividade, originalidade, lógica, legibilidade e omissões. (3) Escreva uma versão revisada com base na avaliação. Tópico: [ ]

1. Tree of Thoughts (ToT) — Ramificando as respostas

Em vez de produzir uma resposta em linha reta, este padrão desenvolve múltiplas abordagens como "ramos" e deixa a IA escolher a melhor. Pense nisso como pegar o processo humano de pensar "Existe o Plano A, B e C..." e colocá-lo diretamente em um prompt.

Isso muda a dimensão do brainstorming e do planejamento estratégico. Como não se compromete com uma direção, ângulos inesperados surgem.

Prompt para Copiar e Colar

Para o tópico a seguir, responda usando estas etapas: (1) Desenvolva 3 abordagens diferentes como ramos. (2) Avalie os pontos fortes e fracos de cada ramo. (3) Selecione o ramo mais promissor e forneça uma resposta final aprofundando-se apenas nesse ramo. Tópico: [ ]

1. Skeleton-of-Thought (SoT) — Estrutura primeiro, detalhes depois

Este é um método de pensamento onde você primeiro lista o "esqueleto" no nível dos títulos e depois preenche cada parte. Ao escrever textos longos, se você escrever desde o início, a segunda metade geralmente perde o fôlego ou a estrutura desmorona. Se você solidificar o esqueleto primeiro, é menos provável que esse colapso aconteça.

Isso é transformador para a criação de artigos longos ou redação de propostas. Como o "projeto" do esqueleto existe primeiro, você não se perderá durante o processo de preenchimento.

Prompt para Copiar e Colar

Para o tema a seguir, siga estas etapas: (1) Liste 5 esqueletos de títulos de artigos em paralelo. (2) Preencha cada título como uma tarefa separada e independente. (3) Finalmente, integre tudo em uma peça coesa. Tema: [ ]

1. Meta-Prompting — Deixando a IA evoluir o próprio prompt

Isso é um pouco avançado. Em vez de melhorar o conteúdo do prompt, você pede à IA para "evoluir este próprio prompt". Você a faz criar múltiplas versões melhoradas, escrever a intenção e o "porquê funciona" para cada uma, e finalmente escolher a mais forte.

Apenas aplicando isso uma vez por mês aos prompts principais que você usa com frequência, seus ativos de prompt crescerão por conta própria. Pense nisso como um sistema para evitar que seus prompts armazenados se tornem obsoletos.

Prompt para Copiar e Colar

Por favor, crie 5 versões melhoradas do prompt a seguir com desempenho significativamente aprimorado. Para cada versão, escreva a "intenção" e a razão "por que funciona". Finalmente, escolha a única versão mais forte e declare a razão da seleção. Prompt Alvo: [ ]

O que esses cinco têm em comum é que eles passam "procedimentos de pensamento" em vez de "instruções". Autoverificação, autoavaliação, ramificação, paralelização de esqueleto e autoevolução. Se você consegue ou não incorporar isso em uma única linha determina se a IA é apenas uma ferramenta conveniente ou um "pesquisador autônomo".

Capítulo 2: Design Reverso — Projeto Focado no Resultado

Se o Capítulo 1 era sobre "como fazê-la pensar", o Capítulo 2 é sobre a mentalidade de decidir primeiro "o que conta como vitória". Os japoneses usam seus cérebros no "o que jogar", enquanto os profissionais globais escrevem a partir do "objetivo". Aqui estão cinco prompts de design reverso da documentação oficial.

1. Especificação de Saída Primeiro — Fixando o modelo final primeiro

A maioria das pessoas diz "Escreva um post de blog". Mas isso torna a saída inconsistente. No design reverso, você constrói o modelo de saída final primeiro e faz a IA preencher as lacunas. Você decide o quadro primeiro: quantos caracteres para o título, o que incluir na introdução, quantos títulos no corpo... e assim por diante.

A variação da saída cai drasticamente e a qualidade se estabiliza. Essa estabilidade é especialmente eficaz ao escrever muitas peças sobre o mesmo tema.

Prompt para Copiar e Colar

Por favor, preencha perfeitamente o modelo a seguir. Título: [Até 40 caracteres, inclua números] / Introdução: [3 pontos de dor do leitor, 1 frase cada] / Corpo: [3 títulos H2 + 300 caracteres cada] / Conclusão: [1 proposta de ação] / CTA: [Até 15 caracteres]. Tema: [ ]

1. Preenchimento Prévio — Especificando o início da resposta da IA

Este é um padrão onde você especifica a "frase de abertura" da resposta da IA. O Claude é forçado a escrever a partir dessa continuação, travando a direção da saída. Saudações introdutórias e enchimentos desnecessários desaparecem, e o desvio de formato quase desaparece.

É sutil, mas eficaz. Evita respostas que fazem você querer estalar: "Então, qual é a conclusão?"

Prompt para Copiar e Colar

Sua resposta deve começar com a seguinte frase: "Abaixo, fornecerei uma resposta estruturada com base nos requisitos. Primeiro, o ponto mais importante é..."

1. Restrições Negativas — Listando uma lista concreta de "Não Faça"

Se você escrever "não faça isso" vagamente, a IA não seguirá. Proibições difusas como "torne natural" são difíceis de impor. Mas se você listá-las concretamente, ela segue. Proíba honoríficos, proíba saudações de abertura, proíba frases específicas... liste-as em tópicos.

Padrões genéricos de IA desaparecem significativamente. Isso é um item essencial quando você quer remover a sensação de "obviamente gerado" do texto.

Prompt para Copiar e Colar

Por favor, crie o seguinte. No entanto, siga rigorosamente estas proibições: (1) Sem honoríficos. (2) Sem uso repetido de palavras compostas de 3 caracteres. (3) Sem expressões como "em relação a..." ou "é importante...". (4) Sem saudações de abertura. (5) Sem listas simples com marcadores. Se violado, reescreva tudo. Alvo: [ ]

1. Marcação Estruturada com XML — Separando informações com tags

Separar informações com tags melhora a precisão de leitura da IA. Objetivo, contexto, restrições, exemplos de referência, formato de saída. Em vez de jogar tudo como um bloco de texto, particione com tags. Profissionais não jogam texto; eles jogam projetos.

Prompt para Copiar e Colar

Vou estruturar o prompt da seguinte forma. Por favor, responda de acordo com o conteúdo dentro de cada tag. <goal>Objetivo a alcançar</goal> <context>Informações de contexto</context> <constraints>Proibições</constraints> <examples>Exemplos de referência</examples> <output_format>Quadro de formato de saída</output_format>

1. Pilha de Personas — Camadas de papéis em 3 níveis

A maioria das pessoas para em "Você é um redator". Profissionais colocam papéis em camadas em três níveis, não apenas um. Um papel de escritor, um papel de editor e o papel do leitor alvo. Ao dar a uma IA essas três personas simultaneamente, você executa o ciclo de escrever → editar → corrigir novamente da perspectiva do leitor em uma só jogada.

Como múltiplas perspectivas são executadas simultaneamente, a persuasividade aumenta. No entanto, existem ressalvas para essa abordagem de "persona", que abordaremos no Capítulo 10.

Prompt para Copiar e Colar

Por favor, assuma as seguintes 3 personas simultaneamente: (1) Redator Principal (Escritor). (2) Editor-Chefe Severo (Editor). (3) Leitor Alvo, um profissional de escritório na casa dos 30 anos (Destinatário). Execute escrever → editar → corrigir novamente da perspectiva do leitor tudo em uma única resposta. Tema: [ ]

A essência do design reverso é simples. Se a primeira linha não tiver o "objetivo", "proibições" e "quadro de formato", a IA já está perdida. É a diferença entre escrever a partir da entrada ou da saída.

Capítulo 3: Executando a IA como uma "Legião" — Operação Multiagente

A partir daqui, a mentalidade muda. Em vez de esgotar uma única IA, você atribui múltiplos papéis à IA e a opera como uma "legião". Lutar com apenas uma é como ir a um campo de batalha com uma arma. Os profissionais globais entraram na fase de comandar a partir de um quartel-general.

Observe que você não precisa configurar várias contas de IA para esses padrões. Você pode reproduzi-los apenas "alternando papéis" dentro de um único chat.

1. Padrão de Roteamento — Colocando um classificador

Esta é uma organização de estilo militar onde uma IA "classificadora" recebe a entrada primeiro e a encaminha para o "especialista" apropriado. A maioria das pessoas joga tudo em uma IA e acaba com uma resposta mediana. Profissionais colocam um recepcionista para passar a tarefa para um especialista.

A precisão melhora quando você gira para a especialização em vez de uma IA fingir ser onipotente.

Prompt para Copiar e Colar

Você é o "Coordenador de Roteamento". Leia a solicitação a seguir e classifique-a em: (1) Pesquisa, (2) Escrita, (3) Análise ou (4) Código. Crie um prompt de sistema de 5 linhas otimizado para essa classificação e execute a solicitação novamente usando-o. Solicitação: [ ]

1. Paralelização — Resolvendo a mesma pergunta em paralelo para votação majoritária

Este padrão envolve resolver a mesma tarefa de múltiplas perspectivas em paralelo e determinar a conclusão por votação majoritária. Em vez de perguntar a um especialista, você faz cinco especialistas responderem com abordagens diferentes e pega a conclusão apoiada pela maioria. Essa é a ideia.

As alucinações diminuem. Quando você quer deixar decisões importantes para a IA, a sensação de segurança é completamente diferente.

Prompt para Copiar e Colar

Para a pergunta a seguir, primeiro forneça uma resposta cada uma das perspectivas de 5 especialistas independentes usando abordagens diferentes. Em seguida, compare os 5 planos, pegue a conclusão apoiada pelo maior número de perspectivas como a resposta final e declare a razão da seleção. Pergunta: [ ]

1. Avaliador-Otimizador — Separando completamente o criador e o avaliador

A autoavaliação feita por uma pessoa inevitavelmente se torna branda. Se você separar o ator e o juiz, o julgamento se torna severo. Você reproduz isso dentro de um prompt. Crie a melhor resposta como criador, mude completamente de persona para um avaliador severo para avaliá-la, depois retorne ao criador para fazer a versão final.

Semelhante ao Self-Refine no Capítulo 1, mas o ponto aqui é declarar explicitamente "mude completamente de persona".

Prompt para Copiar e Colar

Para o tópico a seguir, primeiro crie a melhor resposta como a "IA Criadora". Em seguida, mude completamente de persona e, como a "IA Avaliadora Severa", avalie essa resposta de 0 a 100 e liste 5 razões para deduções de pontos. Finalmente, retorne ao papel de Criador e crie uma versão final com base na avaliação. Tópico: [ ]

1. Debate Multiagente — Debater com Proponentes, Oponentes e um Moderador

Este é um padrão onde múltiplas IAs debatem antes que um integrador chegue a uma conclusão. Proponentes e oponentes se confrontam, e um moderador neutro resume seus pontos. Extremos e interrupções de pensamento desaparecem, resultando em uma conclusão equilibrada.

Isso mostra força particular em "perguntas onde é difícil decidir", como planejamento estratégico ou tomada de decisão.

Prompt para Copiar e Colar

Para o tema a seguir, por favor, atue como: (1) IA Proponente, (2) IA Oponente e (3) IA Moderadora Neutra. Faça (1) e (2) debaterem por 3 rodadas cada, então faça (3) integrar seus pontos para fornecer uma conclusão final e raciocínio. Tema: [ ]

1. Saída Autoverificadora — Interrogando a si mesmo antes de produzir

Este é um padrão onde o criador "interroga" sua própria saída como uma persona diferente antes do envio final. Como é difícil ver falhas em sua própria escrita, você força uma mudança de perspectiva. Você alterna por três personas—profissional concorrente global, leitor alvo e chefe severo—e faz cada um listar problemas.

Os modelos de IA recentes estão evoluindo para "relatar após verificar a saída por si mesmos". Pense nisso como um padrão que antecipa esse movimento do lado do prompt.

Prompt para Copiar e Colar

Por favor, releia a saída a seguir como personas completamente diferentes. Alterne pelos papéis de (1) Profissional Concorrente Global, (2) Leitor Alvo e (3) Chefe Severo em ordem, liste 3 problemas de cada perspectiva e, finalmente, apresente uma única versão melhorada mais forte. Saída: [ ]

A essência da operação de legião é se você consegue partir da premissa de que "a IA não é algo para ser usado como uma unidade única". Atribua papéis e comande. Só isso já muda os resultados vindos da mesma IA.

Capítulo 4: Projetando o Contexto como um "Ambiente" — Pensamento em 4 Camadas

Até agora, falamos sobre o "conteúdo do prompt". Mas no mundo dos designers de IA globais, o prompt é tratado como a "camada inferior" de uma estrutura muito maior: Prompt → Contexto → Intenção → Especificação. A maioria das pessoas ainda está presa na primeira camada. Este capítulo é sobre cinco maneiras de subir para as camadas acima.

1. Posicionamento em Bookend — Colocando restrições importantes no início e no fim

Quando você passa um texto longo para uma IA, a informação colocada no meio tende a perder a atenção. Este é o fenômeno do "meio é um ponto cego". Portanto, coloque sempre restrições importantes em dois lugares: o início e o fim. Imagine sanduichar coisas importantes em ambas as extremidades como "bookends".

Isso é eficaz para pessoas que escrevem prompts longos. Uma falha comum é ter uma instrução longa onde a restrição é escrita apenas uma vez no meio.

Prompt para Copiar e Colar

Na solicitação a seguir, por favor, reafirme as restrições importantes em dois lugares—o "início" e o "fim" do prompt—antes de processar. Estruture-o na premissa de que a informação no meio do contexto é propensa à distração. Solicitação: [ ]

1. Altitude de Goldilocks — A altitude "ideal" para prompts de sistema

Prompts de sistema têm uma "altitude" ideal. Muito baixa (vinculando com lógica if-else detalhada) causa rigidez; muito alta (apenas filosofia abstrata) não decide nada. Mire na altitude intermediária. Este é o conceito de "Zona de Goldilocks" aplicado a prompts.

O truque é projetar em três camadas: princípios que nunca mudam, estruturas para julgamento situacional e liberdade para tarefas individuais. Escrever com esses três em mente evita tanto a rigidez quanto a abstração.

Prompt para Copiar e Colar

Vou fixar as instruções para você nas seguintes 3 camadas: (1) Princípios Invariantes (Por que/Nunca mudam). (2) Estrutura para Julgamento Situacional (Quando/Regras de ramificação por caso). (3) Liberdade para Tarefas Individuais (O que/Deixo ao seu julgamento). Projete em uma altitude "ideal", evitando tanto rigidez quanto abstração.

1. Injeção de Contexto Just-In-Time — Passando apenas o necessário quando necessário

Só porque a janela de contexto é grande não significa que encher todos os materiais é bom; pode, na verdade, degradar a precisão. Profissionais primeiro passam apenas o "Índice, Resumo e Índice Remissivo" e fazem a IA recuperar os capítulos necessários conforme necessário. Imagine não empilhar todos os livros da biblioteca em sua mesa, mas ir pegar emprestado apenas o livro que você precisa.

A maneira correta de lidar com materiais grandes é "chamada dinâmica", não "encher tudo".

Prompt para Copiar e Colar

Não vou inserir todo o material massivo a seguir de uma só vez. No primeiro estágio, por favor, leia apenas o "Índice", "Resumo de 100 caracteres de cada capítulo" e "Índice Remissivo". Se houver um capítulo onde detalhes são necessários, solicite-o explicitamente de mim antes de recuperá-lo e adicione apenas esse capítulo ao contexto para o trabalho.

1. Codificação de Intenção — Articulando critérios de julgamento primeiro

Em vez de explicar os "valores, prioridades e critérios de julgamento de trade-off" da sua organização ou seus do zero toda vez, articule-os uma vez e passe-os. Apenas colocando isso no início, a IA começa a se mover como "seu agente". Torna-se uma IA que não apenas espera instruções, mas pode se inclinar na direção certa por conta própria quando está perdida.

Prompt para Copiar e Colar

Como premissa para o trabalho a seguir, vou articular meus critérios de julgamento: (1) Prioridade [A > B > C]. (2) NG Absoluto [X, Y, Z]. (3) Julgamento padrão em casos ambíguos [D]. Quando estiver perdido no julgamento, sempre retorne a esses critérios antes de decidir.

1. Camada de Especificação — Ficando do lado de criar "Especificações"

O topo das 4 camadas é esta "Especificação". Fixe padrões de qualidade e regras de negócio como texto estruturado (especificações) e torne isso o ponto de partida do contexto toda vez. De uma pessoa que escreve prompts para uma pessoa que cria especificações. No momento em que você fica aqui, a reprodutibilidade do trabalho salta instantaneamente.

Prompt para Copiar e Colar

O trabalho futuro se referirá à seguinte "Especificação (formato estruturado em Markdown)" como o ponto de partida para cada sessão. Se for necessário um julgamento fora da especificação, não adivinhe; sempre verifique comigo. [Cole sua especificação aqui]

A ideia deste capítulo é a transição de "competir com uma única linha de prompt" para "projetar todo o contexto como um ambiente". É a diferença entre lutar em uma camada ou quatro.

Capítulo 5: Alinhando com a Mecânica Interna da IA — Design Estrutural para KV Cache

Este capítulo é um pouco técnico. Mas saber disso muda a "velocidade", "custo" e "como os limites de uso diminuem" da IA.

Dentro da IA, um mecanismo chamado "KV Cache" está em execução. Para colocar de forma muito simples, a IA mantém o conteúdo processado internamente, e quando o mesmo conteúdo aparece novamente, ela pode reutilizá-lo. Por outro lado, se você usar de uma forma que a reutilização não funciona, ela recalcula do zero toda vez.

"Bater nos limites de uso rapidamente", "respostas ficando mais lentas à medida que a conversa fica mais longa" ou "contas de API mais altas do que o esperado". A causa desses problemas geralmente não é o conteúdo do prompt, mas o "posicionamento" estar dessincronizado com a mecânica interna da IA.

1. Prefixo Estável Primeiro — Fixando coisas estáticas no início

O cache funciona "apenas para a parte que corresponde perfeitamente desde o início". Portanto, fixe as coisas que não mudam (premissas, materiais de referência, regras) no início e coloque as coisas que mudam toda vez (a pergunta de hoje) no final. Apenas colocando a mesma premissa no início toda vez, o cache começa a funcionar.

Prompt para Copiar e Colar

Vou fixar as premissas para o trabalho subsequente: (1) Minha indústria = [A]. (2) Alvo = [B]. (3) Proibições = [C]. (4) Formato de saída = [D]. Por favor, reafirme isso no início de cada sessão antes de entrar no tópico principal.

1. Padrão de Documento Âncora — Jogando materiais apenas uma vez no início

Você está colando novamente grandes materiais de referência ou diretrizes toda vez? Isso é um desperdício. Jogue os materiais apenas uma vez no início como uma "âncora" e faça as perguntas subsequentes apenas se referirem a esses materiais.

Prompt para Copiar e Colar

Vou usar os seguintes materiais como âncora para esta sessão: [Inserir materiais de referência em massa aqui]. A partir de agora, responda a todas as minhas perguntas consultando estes materiais. Não é necessário reapresentar os materiais.

1. Continuidade da Sessão — Continuando trabalhos relacionados em um único tópico

Toda vez que você abre um novo chat, a IA reconstrói seu cache interno do zero. Abrir 10 novos chats por dia, em vez de continuar em uma única sessão longa uma vez ao dia, altera a forma como os limites de uso diminuem e a qualidade da saída. Novos chats frequentes são parte do motivo para "atingir os limites rapidamente."

Diretriz Operacional:

Sempre continue o trabalho sobre o mesmo tema em um único tópico. Se o tópico ficar muito longo, crie um "resumo até agora" no início e continue usando-o como âncora.

1. Padrão de Edição Diferencial — Instruindo apenas as diferenças ao corrigir

Quando você quer melhorar a saída, republicar o texto inteiro é NG. Republicar tudo limpa o cache precioso e recalcula do início. Instrua apenas as diferenças: "Apenas esta parte", "Mude esta parte para aquela."

Prompt para Copiar e Colar

Quando eu quiser corrigir uma saída anterior, não vou republicar o texto inteiro. Vou instruir apenas as diferenças, como "Apenas a parte [ ]" ou "Mude [ ] para [ ]." Não vou reapresentar premissas ou materiais de referência.

1. Design de Subagente Consciente de Cache — Alinhando os inícios dos subagentes

Mesmo ao fazer operações em legião como no Capítulo 3, alinhar a "parte inicial" (definição de função, premissas, regras) do prompt de sistema de cada agente torna o cache mais fácil de ser atingido. Altere apenas o conteúdo da tarefa individualmente no final. Só isso já melhora a eficiência das operações em legião.

Prompt para Copiar e Colar

Ao realizar operações multiagente, unifique perfeitamente a parte inicial (definição de função, premissas, regras) dos prompts de sistema de todos os agentes. Altere apenas o conteúdo da tarefa individualmente no final.

A essência deste capítulo é "competir com estrutura, não apenas com conteúdo." Onde você coloca as coisas importa tanto quanto o que você escreve.

Capítulo 6: Criando o "Exterior" do Prompt — Arneses e Agentes

Entrando em 2026, desenvolvedores de IA globais pararam de competir pelo "conteúdo do prompt" e começaram a projetar o "exterior do prompt." Esse exterior é chamado de "arnês." Primeiro, vamos organizar o panorama geral.

O que é um "Agente Arnês" afinal?

O ChatGPT ou Claude que você usa normalmente não é realmente um "agente de IA." É apenas uma "unidade cerebral." Um agente de IA se refere ao estado onde peças são anexadas a esse cérebro para transformá-lo em uma "máquina autônoma."

Um agente consiste aproximadamente nos seguintes elementos:

• Modelo (O Corpo): A "inteligência" do agente. O próprio LLM. Com apenas um cérebro, ele pode fazer julgamentos, mas não pode agir.
• Arnês: O conjunto de instruções (prompt de sistema) e barreiras de proteção (o que não fazer) dados ao modelo. Por exemplo, uma válvula de segurança como "Sempre obtenha confirmação humana para pagamentos que excedam um determinado valor." Pense nisso como a camada que determina a "personalidade" e os "critérios de julgamento" do agente.
• Ferramentas (Mãos e Pés): A interface do agente para tocar o mundo real, como enviar e-mails, operar calendários, ler/escrever arquivos e pesquisas na web. Sem ferramentas, a IA pode ler um recibo, mas não pode submetê-lo para reembolso de despesas.
• Ambiente: "Onde" o agente se move. Mesmo com a mesma IA, o que ela pode fazer muda muito dependendo do ambiente em que se move.
• Loop do Agente (Ciclo Autônomo): Todos estes trabalham juntos para manter um ciclo de Planejar → Agir → Observar Resultado → Ajustar → Repetir. Ele para se a confirmação humana for necessária. A diferença decisiva entre um chatbot de uma pergunta e uma resposta e um agente autônomo está aqui.

Esses cinco elementos combinados são a "forma completa de um agente." A partir daqui, apresentarei cinco técnicas para projetar altamente esse exterior = arnês.

1. Loop de Execução — Incorporando um ciclo de Observação, Pensamento, Autocrítica e Ação

Este é o coração do arnês. Ao executar uma tarefa, peça explicitamente para seguir o ciclo de "Observação → Pensamento → Autocrítica → Ação" a cada passo. Ele se move em uma dimensão diferente de uma "solicitação" única.

Prompt para Copiar e Colar

Ao executar a seguinte tarefa, por favor, sempre escreva as seguintes 4 etapas em ordem a cada passo antes de prosseguir: (1) Observação: Descreva o estado atual em 3 linhas. (2) Pensamento: O próximo movimento necessário e a razão. (3) Autocrítica: Um ponto cego desse movimento. (4) Ação: A ação final após a correção. Tarefa: [ ]

1. Compactação de Contexto — Comprimindo conversas longas em etapas

À medida que as conversas ficam mais longas, o contexto se quebra. Para evitar isso, force a compressão das interações passadas em um formato fixo a cada certo número de rodadas. Este é um design essencial para evitar que o contexto "apodreça" em tarefas longas.

Prompt para Copiar e Colar

A partir de agora, toda vez que a conversa exceder 10 rodadas, force a compressão das interações passadas no formato de "3 fatos confirmados + 2 tarefas pendentes + 1 ação mais importante a seguir", e execute novas instruções começando a partir dessa versão comprimida.

1. Memória de Manual de Jogadas — Acumulando "padrões" reutilizáveis

Este é um design para acumular estratégias como "padrões (manuais de jogadas)" reutilizáveis, em vez de tê-los gerados do zero toda vez. Cada interação se torna um "ativo."

Prompt para Copiar e Colar

Após executar a seguinte tarefa, sempre produza "3 regras gerais desta vez" em uma lista com marcadores Markdown. Da próxima vez, vou apresentá-las no início, então, por favor, leia-as como um manual de jogadas antes de trabalhar.

1. Loop de Automodificação — Deixando a IA reescrever seu próprio manual de instruções

Este é um padrão onde o próprio agente escreve um "modelo de autoinstrução" para fazer melhor da próxima vez. Você pode criar um estado onde a IA continua atualizando seu próprio manual de instruções toda vez que é usada.

Prompt para Copiar e Colar

Após executar a seguinte tarefa, por favor, produza um "modelo de autoinstrução (versão melhorada)" para você mesmo executar com maior precisão da próxima vez. Indique também a intenção e o objetivo da melhoria. Usarei esse modelo da próxima vez.

1. Otimização Automática de Arnês — Melhorando iterativamente o mecanismo inteiro

Semelhante ao Metaprompting no Capítulo 1, mas o alvo é a "própria estrutura do prompt." Apenas executando isso uma vez por semana, seus ativos de prompt evoluirão com juros compostos.

Prompt para Copiar e Colar

Forneça 5 planos concretos para melhorar minha estrutura de prompt atual em um nível. Escreva o objetivo, o efeito de melhoria esperado e o risco esperado para cada plano e, finalmente, escolha o plano mais forte, declarando o motivo da adoção e um próximo exemplo de uso.

Polir o conteúdo do prompt linha por linha é importante. Mas há um mundo muito maior "fora" disso. Ter ou não a perspectiva de um arnês muda a forma como você usa a IA em um nível.

Capítulo 7: 5 Prompts Secretos Que Ninguém Conhece

Este capítulo reúne padrões de nicho que raramente são encontrados em livros de prompt padrão. Alguns são de pesquisas, outros aplicam ciência cognitiva. Estes são ângulos raramente compartilhados no Japão.

1. Reformulação de Pergunta — Pedindo para reformular em uma pergunta neutra antes de responder

A IA tem o hábito de "agradar o usuário (conformidade excessiva)." Ela antecipa se deve concordar ou discordar de sua afirmação e retorna uma resposta bajuladora. Como forma de suprimir isso, é relatado que pedir para reformular sua afirmação em uma "pergunta neutra" antes de responder é mais eficaz do que comandar diretamente "não bajule."

Tente usar isso quando quiser uma opinião, mas só receber "É exatamente como você diz."

Prompt para Copiar e Colar

Antes de responder à minha declaração a seguir, por favor, sempre primeiro reformule minha declaração em um "formato de pergunta neutra." Depois de recusar expressar concordância ou discordância com a declaração original, por favor, responda logicamente. Declaração: [ ]

1. Amostragem Verbalizada — Pedindo para gerar múltiplos planos com probabilidades

A IA tende a retornar respostas semelhantes toda vez que você faz a mesma pergunta (um fenômeno onde a diversidade da saída colapsa). A contramedida é um padrão onde você pede para gerar múltiplos planos de resposta com a "probabilidade de serem escolhidos." Escolher um plano da distribuição de probabilidade pode extrair ideias que não surgem com prompts normais.

Prompt para Copiar e Colar

Para o seguinte tópico, gere 5 planos de resposta diferentes com suas respectivas "probabilidades de serem escolhidos (%)." A probabilidade total deve ser 100%. Finalmente, escolha e apresente um plano dessa distribuição de acordo com a probabilidade. Tópico: [ ]

1. Ancoragem Contrafactual — Pedindo para gerar a resposta oposta primeiro

Este é um padrão que aplica o "efeito de ancoragem" da psicologia cognitiva. Ao fazer a IA gerar primeiro a "resposta completamente oposta" àquela que ela intuitivamente quer dar, você quebra a inércia em direção a uma solução medíocre. Uma resposta previsível de repente se torna profunda.

Nota: "Ancoragem Contrafactual" é um termo que cunhei. O princípio subjacente (efeito de ancoragem) é ciência cognitiva real, mas este padrão específico é uma aplicação.

Prompt para Copiar e Colar

Antes de responder à seguinte pergunta, primeiro gere uma "resposta completamente oposta" àquela que você intuitivamente pretende dar. Escreva 5 fundamentos para os quais esse plano oposto pode estar correto. Finalmente, forneça a resposta final após passar por essa verificação. Pergunta: [ ]

1. Pré-Morte Própria — Listando causas de falha primeiro

"Pré-Morte" é um método de pensamento famoso onde você pensa "Se este projeto falhasse, qual seria a causa?" antes de começar. Aplicamos isso à execução de tarefas de IA. Peça para listar padrões de falha antes da execução e execute de uma forma que os evite. Eficaz para tarefas longas.

Nota: O método Pré-Morte original é real, mas aplicá-lo à IA é um uso meu.

Prompt para Copiar e Colar

Antes de executar a seguinte tarefa, primeiro liste "5 causas assumidas se esta tarefa terminasse com a qualidade mais baixa." Escreva uma medida de prevenção de uma linha para cada causa e execute a tarefa seguindo rigorosamente todas essas medidas de prevenção. Tarefa: [ ]

1. Prompt de Confiança Calibrada — Pedindo para declarar níveis de confiança

A maior fraqueza da IA é "dizer coisas com total confiança mesmo quando está errada." Para parar com isso, use um padrão onde ela deve acompanhar cada afirmação com um "nível de confiança (0-100%)." As alucinações se tornam visíveis, tornando muito mais fácil julgar a confiabilidade da informação.

Prompt para Copiar e Colar

Ao responder à seguinte pergunta, por favor, acompanhe cada afirmação com um "nível de confiança de 0-100%." Rotule menos de 50% como "Palpite" e apenas 70% ou mais como "Fato." Além disso, forneça uma base de uma linha para cada nível de confiança. Pergunta: [ ]

Quer você os estude como técnicas padrão ou os opere como truques secretos de artigos e princípios, a maioria das fontes está disponível gratuitamente. A lacuna se amplia começando com aqueles que percebem.

Capítulo 8: Dando "Mãos e Pés" à IA — MCPs Que Você Deve Instalar

Até agora, falamos sobre prompts. Este capítulo é sobre dar "mãos e pés" à IA.

MCP (Model Context Protocol) é um padrão comum aberto para conectar IA a serviços e dados externos. Simplificando, é um mecanismo para adicionar "janelas para tocar o mundo real" à IA. Instalar isso transforma o Claude de um chatbot em um "agente com mãos e pés."

Como o MCP é um padrão aberto, uma vez configurado no Claude Code ou Codex, o mesmo ambiente pode ser transportado. Aqui, selecionei quatro que são verdadeiramente úteis para criadores de conteúdo.

1. Supadata MCP — Extraindo transcrições de vídeos em um só clique

Este é um MCP que pode extrair transcrições de vídeos do YouTube, TikTok, Instagram e X (antigo Twitter) em um só clique. A pesquisa de conteúdo internacional, a análise de vídeos de concorrentes e a compreensão de tendências se tornam muito mais rápidas. Mesmo para vídeos sem legendas, pode ser coberto pela função de transcrição automática.

Exemplo de Uso:

Extraia a transcrição do seguinte URL de vídeo do YouTube/TikTok/X e resuma-a em 5 pontos-chave. URL: [ ]

Você pode se formar na tarefa demorada de assistir a vídeos virais internacionais até o fim.

1. Firecrawl MCP — Convertendo sites em Markdown limpo

Este é um MCP que converte qualquer site em Markdown limpo que a IA pode ler facilmente. Pode até processar páginas renderizadas com JavaScript. Torna-se mais rápido fazer a IA ler artigos de concorrentes, LPs ou sites de notícias para gerar análises estruturais ou propostas de melhoria.

Exemplo de Uso:

Converta o seguinte URL em Markdown com Firecrawl e analise a estrutura e os pontos fracos do apelo nesse artigo. URL: [ ]

Pessoas que copiam e colam manualmente toda vez podem recuperar seu tempo aqui.

1. Google Knowledge Graph MCP — Acesso direto a informações de entidade

Este é um MCP onde a IA pode acessar diretamente os dados de origem do "Painel de Informações" que aparece no lado direito das pesquisas do Google. Você pode extrair dados estruturados sobre pessoas reais, lugares, organizações e conceitos. A precisão muda na verificação de fatos e na verificação de informações de pessoas/organizações. Torna-se uma tábua de salvação para publicadores de informação.

Exemplo de Uso:

Obtenha informações sobre "[Nome da Pessoa/Organização]" com o Google Knowledge Graph e, em seguida, verifique as relações factuais no meu artigo.

1. Memory MCP — Dando memória permanente à IA

A IA tem uma fraqueza onde o "histórico da conversa é redefinido do zero toda vez." O Memory MCP resolve isso. Decisões de projeto, suas preferências e regras aprendidas em interações passadas permanecem mesmo após o término da sessão.

Exemplo de Uso:

Registre as seguintes preferências, premissas e informações de projeto em andamento como memória permanente no Memory MCP. Da próxima vez, sempre consulte este conteúdo primeiro antes de trabalhar.

Quanto mais você republicar as mesmas premissas em cada sessão, mais sentirá o efeito. O Claude se transforma em um "parceiro que te entende" à medida que as sessões se repetem.

Com estes quatro, você tem tanto "Entrada (Vídeo, Web, Informação de Entidade)" quanto "Memória." Acumule as informações coletadas com os três primeiros na IA usando o Memory MCP. O efeito quando os quatro trabalham juntos é maior do que usá-los individualmente.

Capítulo 9: Automatizando com Claude Code & Codex — 5 Pontos e Armadilhas

Se você está "de alguma forma executando" automação com Claude Code ou Codex, está perdendo bastante. Este capítulo apresenta cinco pontos para obter resultados com automação, juntamente com suas respectivas armadilhas.

1. Sempre insira o Modo de Planejamento

A tábua de salvação da automação é não deixá-la executar de repente. No Modo de Planejamento, peça para concretizar os nomes de arquivos, nomes de funções e a sequência de etapas a serem editadas antes de você aprovar. Sempre insira isso.

Armadilha: Pular o Modo de Planejamento e pular para a execução paralela. A paralelização sem uma etapa de planejamento apenas produz em massa entregas erradas em alta velocidade. A velocidade só é valiosa quando a direção está correta.

1. Regras duráveis em arquivos de configuração, instruções por vez em prompts

É um erro típico de iniciante colocar "regras permanentes que você quer seguidas toda vez" em cada prompt. Escreva regras duráveis em arquivos de configuração (AGENTS.md para Codex, CLAUDE.md para Claude Code) e coloque apenas "instruções para esta vez" no prompt.

Armadilha: Tornar o arquivo de configuração muito grande. Se exceder o limite de tamanho, o conteúdo será cortado. Se o arquivo ficar grande, a prática padrão é dividi-lo por hierarquia de diretório.

1. Subagentes devem ser "Especializados + Permissões Restritas"

Atribua "1 função = 1 função especializada" aos subagentes e dê a eles apenas as ferramentas mínimas necessárias.

Armadilha: Subagentes herdando todas as permissões de ferramentas do pai por padrão. Como eles começam com permissões totais, pode levar a acidentes se você não as restringir explicitamente. Além disso, subagentes consomem mais tokens à medida que executam múltiplos modelos e ferramentas. Como a paralelização = aumento de custo é estruturalmente inevitável, restrinja a tarefas que valem a pena executar.

1. "Não exagerar" é a resposta certa para MCP

Eu apresentei o MCP no Capítulo 8, mas exagerar é proibido. Quanto mais MCPs você adiciona, mais o contexto de cada mensagem incha, comprimindo o limite de uso. Desative MCPs que você não usa. Isso é básico.

Armadilha: Transformar tudo em MCP e conectar 10 ou 20. Além de comprimir o contexto, os riscos de segurança também aumentam. É seguro reduzir para 3-5 que você realmente usa todos os dias.

1. Empacote trabalhos repetitivos como "Habilidades"

Para fluxos de trabalho que você usa repetidamente, não copie e cole o prompt toda vez; empacote-o como uma Habilidade. Tanto o Claude Code quanto o Codex têm mecanismos para resumir trabalhos repetitivos em arquivos de definição e chamá-los de forma consistente.

Armadilha: Operar copiando e colando prompts toda vez sem criar Habilidades. A variância se acumula e a carga mental continua aumentando. Qualquer fluxo de trabalho com 2-3 exemplos de uso concretos está pronto para ser transformado em Habilidade. Escrevê-los na premissa de usar a mesma Habilidade tanto no Claude Code quanto no Codex garante que não haja custo mesmo se você trocar de ferramenta.

A essência da automação é a diferença entre "despejar tudo" na IA ou "sistematizar" isso. Insira o Modo de Planejamento, organize arquivos de configuração, restrinja permissões, minimize MCP e crie Habilidades para repetições. Configure esses cinco mecanismos primeiro antes de executar. Só isso já determina se a automação se torna uma "aceleração" ou uma "fuga."

Capítulo 10: Está Obsoleto — Hábitos de Prompt Que Você Deve Parar

O capítulo final é sobre subtração, não adição. Vou abordar três hábitos que há muito são considerados "corretos" no Japão, mas estão sendo reconsiderados nas pesquisas e especificações mais recentes.

1. Anexar "Você é um especialista em..." a tudo

Prompts que dão uma persona são um clássico básico. No entanto, pesquisas recentes apontam que eles "não são onipotentes." Embora personas de especialistas sejam eficazes para tarefas de segurança e moderação, relatos sugerem que elas tendem a realmente diminuir a precisão no reconhecimento factual e no raciocínio.

Em outras palavras, uma persona não é um "modelo universal", mas uma "técnica precisa para usar escolhendo a aplicação." Tudo bem anexá-la a julgamento de segurança, julgamento ético ou moderação. Mas para descoberta de fatos, análise, geração de código ou tarefas de raciocínio, não a anexe desnecessariamente. Apenas por estar consciente dessa distinção, a precisão sobe um nível.

1. Anexar mecanicamente "Pense passo a passo"

"Pense passo a passo" e "Vamos pensar passo a passo" também têm sido tratados como os prompts mais fortes por muito tempo. No entanto, modelos recentes estão evoluindo para que o próprio modelo julgue quando e quanto pensar. A necessidade técnica de escrever "pense" toda vez está desaparecendo.

A operação futura deve focar em articular o propósito da tarefa, restrições e formato esperado, em vez de anexar mecanicamente instruções de pensamento. E para tarefas complexas que exigem raciocínio, ative a função de pensamento do próprio modelo e deixe o julgamento para a IA. Isso é mais compatível com a nova geração de modelos.

1. Escrever prompts à mão e ajustar por intuição

Este pode ser o maior ponto. Muitos japoneses escrevem prompts à mão como "obras de arte" e os ajustam por escolha de palavras e intuição. Enquanto isso, profissionais globais tratam prompts como "código." Eles projetam, controlam versões, testam e otimizam enquanto pontuam com critérios de avaliação (eval).

Por que é tão diferente? A razão é simples. A intuição escrita à mão não pode detectar os "10% dos casos em que um prompt que funciona para 90% das entradas falha catastroficamente." Portanto, eles primeiro criam um cartão de pontuação para "o que conta como uma resposta correta" e medem o prompt contra ele.

O primeiro passo em direção ao "pensamento eval" que você pode dar hoje:

(1) Execute o mesmo prompt 5 vezes e observe a variação na saída. (2) Escreva 3 condições comuns a saídas boas (este é um eval simples). (3) Crie múltiplas versões do prompt no nível da palavra e compare-as até que satisfaçam essas 3 condições.

A propósito, mesmo com palavras que significam a mesma coisa, a saída muda. A reação da IA é sutilmente diferente entre "Calcular" e "Computar." A intuição escrita à mão não pode controlar essa diferença no nível da palavra. É por isso que há valor em mudar seu cérebro para "medir e melhorar."

Apresentei muitas técnicas para adicionar nos Capítulos 1 a 9. Mas aqueles que crescem também decidem o que "parar."

Conclusão — Prompts se Tornaram "Plantas para o Pensamento"

Até agora, apresentei cerca de 40 técnicas e know-how em um turbilhão. Finalmente, vou resumir o que queria transmitir neste artigo em uma coisa.

Prompts não são mais "instruções." Eles são "plantas para o pensamento."

No Capítulo 1, passamos a própria maneira de pensar. No Capítulo 2, trabalhamos de trás para frente a partir da saída. No Capítulo 3, operamos a IA como uma legião. Nos Capítulos 4 a 6, projetamos o exterior do prompt = contexto, estrutura interna e arnês. No Capítulo 7, usamos truques secretos; no Capítulo 8, demos mãos e pés à IA com MCP; no Capítulo 9, configuramos mecanismos de automação; e no Capítulo 10, abandonamos velhos hábitos.

O que todos eles têm em comum é que escrevem "como fazê-la pensar e se mover", não "o que produzir." Comandos vs. Plantas. Essa diferença determina se a IA permanece "apenas uma ferramenta conveniente" ou se transforma em um "parceiro autônomo."

As técnicas apresentadas aqui não exigem talento nem habilidades de inglês. Tudo que você precisa é tentar escrever uma linha do seu prompt a partir de hoje com uma estrutura ligeiramente diferente. Copie e cole um padrão que chamou sua atenção e experimente. Esse será seu primeiro passo.

Obrigado por ler até o fim. Espero que este artigo sirva como um catalisador para elevar seu relacionamento com a IA em um nível.

Consulte sobre IA aqui 👇