Estás a corrigir o prompt errado

O output é mau. Então reescreves o prompt. Mais detalhe. Reformulas. Tentas outra vez. Continua mau. Mais detalhe. Outro ângulo. Vinte minutos depois tens seis versões do mesmo prompt e o output continua a não ser o que querias.

O problema nunca foram as palavras. Estás a corrigir a coisa errada.

Quando o output da IA falha, a causa quase nunca é "o prompt não era claro." É uma de três coisas, e nenhuma se resolve a reescrever.

1. Estás a usar o modelo errado

Nem toda tarefa precisa do modelo de topo. Mas algumas não conseguem ser feitas pelo barato. Um prompt que funciona perfeitamente no GPT-4 ou Claude Opus produz lixo num modelo mais pequeno — não porque o prompt é confuso, mas porque o modelo não tem profundidade de raciocínio para o seguir.

Antes de reescreveres, pergunta: este modelo é capaz do que estou a pedir? Se estás a pedir raciocínio multi-passo, tom com nuance ou estrutura complexa num modelo rápido e barato, o prompt não é o gargalo. O modelo é.

Tenta o mesmo prompt num modelo mais forte. Se funcionar, encontraste o problema — e não era o prompt.

2. Deste-lhe o contexto errado

O modelo respondeu à pergunta que fizeste. Tu querias a resposta a uma pergunta diferente — a que inclui tudo o que sabes e o modelo não sabe.

"Escreve-me uma descrição de produto" dá-te uma descrição de produto genérica. Não porque o prompt é mau, mas porque o modelo não sabe o que é o teu produto, quem é o teu cliente ou que tom a tua marca usa. Acrescentar "sê mais específico" não ajuda quando o modelo não tem nada específico com que trabalhar.

Antes de reescreveres, pergunta: o modelo tem tudo o que precisa para me dar o que quero? Cola o contexto. As especificações, a audiência, os exemplos de como deve ficar. O modelo é muito bom a usar o que lhe dás. Não é bom a adivinhar o que deixaste de fora.

3. Esperavas a coisa errada

Pediste um primeiro rascunho e tiveste um primeiro rascunho. Depois ficaste desapontado porque não era um rascunho final. Isso não é problema do prompt — é problema de expectativa.

Os outputs de IA são pontos de partida. O modelo dá-te 80% em 10% do tempo. Os outros 20% — a parte que o torna teu — são trabalho teu. Se estás a reescrever o prompt a tentar que o modelo entregue 100%, nunca vais parar de reescrever.

Antes de reescreveres, pergunta: a distância entre o que tive e o que quero é trabalho do modelo, ou meu?

O diagnóstico antes da reescrita

Da próxima vez que o output estiver errado, não toques no prompt. Faz três perguntas primeiro:

1. Este modelo é forte o suficiente para esta tarefa? 2. Dei-lhe todo o contexto que precisa? 3. Estou a esperar mais do que um primeiro rascunho?

Se a resposta a qualquer uma destas for não, reescrever o prompt não vai ajudar. Corrige o input, não a instrução. O prompt provavelmente estava bem. Tudo à volta dele é que não.

Queres a versão calma de notícias de IA como esta, uma vez por semana? Subscreve a newsletter do Sharp AI Hub →