Renée Rodrigues

Sumário

Tipos de prompts: simples, compostos, estruturados

Como escolher o melhor tipo de prompt para cada situação empresarial.

📌 Introdução

O sucesso de uma interação com um LLM depende fortemente de como o prompt é escrito e estruturado. Escolher o tipo de prompt certo faz a diferença entre uma resposta vaga e uma solução realmente útil para o negócio.

De forma geral, os prompts podem ser classificados em três tipos principais:

• Prompt Simples
• Prompt Composto
• Prompt Estruturado

1️⃣ Prompt Simples

✅ Definição:

Um prompt direto, objetivo e curto. Normalmente faz apenas uma solicitação clara ao modelo.

✅ Exemplo:

“Explique o que é Machine Learning.”

✅ Características:

• Pouco contexto
• Sem formatação ou instruções avançadas
• Fácil de testar e ajustar
• Baixo consumo de tokens

✅ Casos de Uso:

• Perguntas rápidas
• Definições básicas
• Traduções simples
• Exemplos rápidos de código

✅ Limitações:

• Pode gerar respostas genéricas
• Pouco controle sobre o tom e formato da saída

2️⃣ Prompt Composto

✅ Definição:

Prompt que inclui várias instruções, condições ou exemplos dentro de uma mesma solicitação. Pode conter múltiplos comandos ou etapas.

✅ Exemplo:

“Explique o que é Machine Learning de forma simples, depois dê um exemplo prático de uso em uma empresa de e-commerce, e por fim sugira duas fontes para aprofundamento.”

✅ Características:

• Inclui múltiplas tarefas ou camadas
• Controla melhor o tom, a estrutura e o conteúdo
• Pode incluir exemplos dentro do próprio prompt (few-shot learning)

✅ Casos de Uso:

• Geração de conteúdo com estrutura definida (ex: blog posts)
• Respostas mais detalhadas e com múltiplas partes
• Conversas multi-etapas (ex: triagem + sugestão + ação)

✅ Limitações:

• Custo maior em tokens
• Requer mais cuidado com a ordem das instruções
• Pode confundir o modelo se mal estruturado

3️⃣ Prompt Estruturado

✅ Definição:

Prompt com formatação explícita, geralmente incluindo campos, delimitadores ou instruções de output no formato JSON, Markdown, listas, etc.

✅ Exemplo:

Prompt:

Responda utilizando o seguinte formato JSON:
{
  "definicao": "",
  "exemplo": "",
  "fontes_recomendadas": ["", ""]
}

Pergunta: O que é Machine Learning?

✅ Características:

• Controle total sobre o formato de saída
• Ideal para integração com APIs e automações (ex: n8n, Zapier, RPA)
• Fácil de processar por máquinas (parseável)

✅ Casos de Uso:

• Geração de relatórios estruturados
• Integração com sistemas (ex: salvar outputs em banco de dados)
• Respostas com campos fixos para leitura programática

✅ Limitações:

• Requer domínio na formatação do prompt
• Se o prompt estiver mal feito, o modelo pode “quebrar” o formato

✅ Comparativo Rápido

Tipo	Complexidade	Controle de Saída	Custo em Tokens	Casos de Uso
Simples	Baixa	Baixo	Baixo	Respostas diretas
Composto	Média	Médio	Médio	Textos completos, múltiplas tarefas
Estruturado	Alta	Alto	Alto	Integrações, relatórios, automações

✅ Dicas de Ouro para o Engenheiro de Prompt

• Comece simples, evolua para compostos e, só depois, para estruturados conforme a necessidade.
• Use exemplos de output no próprio prompt quando quiser forçar um formato.
• Se o modelo errar o formato, aplique instruções reforçadas, como:
  “Atenção: Responda apenas no formato JSON. Não inclua explicações adicionais.”

^{_{Renée Maksoud - junho de 2025}}