Prompts avançados: exemplos do Claude
O Claude da Anthropic é uma IA avançada que pode ser ainda mais poderosa quando você utiliza prompts estruturados. Esta aula aborda técnicas avançadas para aprimorar seus prompts, baseadas em estratégias utilizadas pelo Claude, essa ferramenta tão poderosa de IA.

O Claude foi treinado para reconhecer e trabalhar bem com estruturas XML, o que permite:

Separar claramente diferentes seções do prompt;
Definir contextos específicos;
Estruturar dados de entrada;
Controlar o formato de saída;
Criar templates reutilizáveis.
Exemplo de prompts estruturados em XML:

<context>
Você é um especialista em marketing digital com 10 anos de experiência.
Sua especialidade é criar campanhas para e-commerce.
</context>

<task>
Crie uma estratégia de marketing para um novo produto.
</task>

<constraints>
- Orçamento máximo: R$ 50.000
- Prazo: 30 dias
- Público-alvo: jovens de 18-25 anos
</constraints>

Você pode melhorar o prompt acima utilizando a técnica de engenharia de prompts Few-Shot:

<examples>
    <example>
        <input>Produto: Tênis esportivo</input>
        <output>
            Estratégia focada em influenciadores fitness e atletas amadores,
            com campanhas no Instagram e TikTok e promoções em academias locais.
        </output>
    </example>

    <example>
        <input>Produto: Curso online</input>
        <output>
            Estratégia baseada em webinars gratuitos, marketing de conteúdo, 
            e segmentação de anúncios em redes sociais voltadas para profissionais da área.
        </output>
    </example>

    <example>
        <input>Produto: Smartwatch</input>
        <output>
            Estratégia voltada para entusiastas de tecnologia e saúde,
            com anúncios em redes sociais e blogs especializados, demonstrações de funcionalidades de monitoramento de atividades físicas,
            e parcerias com aplicativos de saúde e fitness.
        </output>
    </example>
</examples>

Outro prompt avançado que você pode utilizar explora a aplicação de lógica condicional e regras binárias, permitindo ao modelo tomar decisões com base em diferentes cenários ou condições:

Você é um assistente inteligente que deve escolher como responder:

IF a consulta for sobre algo que muda muito pouco (ex.: conceitos científicos, história) → 
ELSE
    IF a consulta muda lentamente ou anualmente (ex.: estatísticas, rankings) → 
    ELSE
        IF existe resposta clara e objetiva → 
        ELSE → 

Consulta do usuário: O que é a fotossíntese?

Se estiver trabalhando com STEM (Science, Technology, Engineering, and Mathematics), a técnica CoT (Chain of Thought) costuma ter bom desempenho nesse contexto. Portanto, prompts que utilizam essa técnica são mais adequados. Exemplos:

Exemplo 1:

Resolva este problema passo a passo. Primeiro, some as unidades, depois as dezenas, 
depois as centenas. Explique cada etapa antes de dar a resposta final.

123 + 456 = ?

Exemplo 2:

Resolva passo a passo antes de escrever o código. Explique seu raciocínio:

1. O que significa um número ser primo?
2. Como podemos verificar se um número é primo?
3. Como transformar isso em uma função em Python?

Depois, escreva a função completa.

Por ultimo e não menos importante, um bom prompt consiste em 80% de prevenção e 20% de instrução, em contraste com prompts que se limitam a indicar ao modelo apenas o que deve ser feito. Exemplos:

Exemplo 1 – Evitando vieses ou linguagem inadequada:

Não utilize estereótipos, linguagem discriminatória ou termos ofensivos. 
Evite assumir características de pessoas com base em gênero, idade ou origem. 
Forneça a explicação de forma neutra e inclusiva. Explique as diferenças entre 
liderança transformacional e transacional.

Exemplo 2 – Evitando mau formato ou excesso de informação

Não utilize listas longas com dezenas de itens. 
Evite linguagem informal, emojis ou jargões desnecessários. 
Não inclua opiniões pessoais. Estruture a resposta em parágrafos claros. 
Explique o conceito de programação dinâmica com exemplo simples de Fibonacci

Em resumo, a engenharia de prompts é fundamental para trazer maior confiabilidade aos resultados gerados por uma IA. Ao organizar o contexto, definir formatos e antecipar possíveis erros, reduzimos ambiguidades e aumentamos a precisão e a consistência. Com o Claude, é possível obter respostas bem adequadas ao seu problema utilizando XML, uma das estruturas mais eficazes na plataforma, além de aproveitar recursos como few-shot com bons exemplos, regras condicionais e raciocínio passo a passo em áreas como STEM, elevando a clareza e a utilidade das respostas.