Para dar contexto a uma IA, organize o pedido em três blocos: a entrada (dados e situação), a tarefa (o que fazer com eles) e o formato de saída (como a resposta deve voltar). Você escreve os três, testa uma vez e ajusta só o bloco que falhou, em vez de reescrever tudo do zero. A documentação oficial da Anthropic orienta definir critérios de sucesso e formas empíricas de testar antes de começar a refinar o prompt — e é exatamente essa disciplina que a estrutura em blocos torna prática no dia a dia.
Contexto não é conversa longa: é informação que a IA precisa ter por escrito para acertar. O modelo não lê a sua intenção; lê o seu texto.
Monte o prompt em blocos
Cada bloco responde a uma pergunta diferente e falha de um jeito diferente. Separá-los permite diagnosticar o problema: resposta sem base é falha de entrada; resposta que faz outra coisa é falha de tarefa; resposta certa em formato inútil é falha de saída.
| Bloco | O que contém | Linha de exemplo | Erro comum |
|---|---|---|---|
| Entrada | Material de base, público, restrições | “Público: leigos; texto de apoio colado abaixo” | Contar a história sem entregar os dados |
| Tarefa | Uma ação concreta e verificável | “Resuma em 3 tópicos” | Pedir cinco coisas no mesmo prompt |
| Formato de saída | Estrutura, tamanho e tom da resposta | “Lista com título e 2 frases por item” | Não definir formato e aceitar prosa genérica |
Entrada: o que a IA recebe
A entrada reúne os fatos: o material de base colado por inteiro, o público que vai ler o resultado, o idioma e as restrições — o que não fazer, o que evitar. Quando o material é longo, corte em partes com sentido próprio: o guia de RAG da Microsoft descreve a divisão de documentos longos em partes semanticamente relevantes antes de enviar ao modelo, e o mesmo princípio vale no chat. Entregue blocos que façam sentido sozinhos, com um rótulo em cada um.
Dados sensíveis merecem critério: antes de colar informações de clientes ou documentos internos, confira os ajustes básicos de privacidade ao usar IA online e remova o que a tarefa não exige.
Tarefa: uma ação verificável
A tarefa é uma única ação por prompt, com verbo concreto: resumir, comparar, reescrever, extrair, classificar. “Melhorar este texto” não é tarefa verificável; “reescrever este texto em tom formal, sem alterar os fatos, mantendo até 200 palavras” é. Se você precisa de três entregas, encadeie três pedidos — o segundo começa informando o que o primeiro produziu.
Escreva também o critério de aceitação: como você vai saber que a resposta está boa. “Cada tópico precisa caber em duas frases” é um critério; “ficar bom” não é.
Formato de saída: combine a entrega
O formato antecipa o trabalho de edição: número de itens, tamanho máximo, estrutura (lista, tabela, parágrafos), tom e idioma. Peça também que a IA marque as lacunas: quando faltar dado na entrada, a resposta deve dizer o que falta em vez de inventar. Para tarefas de pesquisa, o formato precisa incluir fontes — o guia de 7 passos para pesquisar com IA mostra como cobrar citações verificáveis na resposta.
Exemplo completo e conferido
Exemplo ilustrativo — caso fictício, montado nesta redação para mostrar o método com o resultado conferido passo a passo.
Entrada: “Notas de reunião coladas abaixo (412 palavras). Público: equipe de suporte. Idioma: português do Brasil.”
Tarefa: “Transforme as notas em um e-mail de encaminhamento com no máximo 150 palavras, sem incluir decisões que ainda não foram aprovadas.”
Formato de saída: “E-mail pronto para enviar: assunto, saudação, até 4 parágrafos curtos e uma lista de próximos passos com responsável e prazo quando constar nas notas.”
Conferência: contar as palavras da resposta (limite de 150), checar se cada próximo passo aparece nas notas originais com responsável e prazo, e verificar se nenhuma decisão pendente entrou no texto. Neste teste de redação, os três critérios passaram na primeira tentativa; quando um falha, o ajuste é no bloco correspondente, não no prompt inteiro.
Limites reais de contexto
Não existe contexto ilimitado: toda ferramenta tem uma janela de entrada e, em muitos serviços, o tamanho do prompt influencia custo e velocidade. Segundo a AWS, o modelo GPT-6 Astra disponível no Amazon Bedrock aceita até 1 milhão de tokens de entrada — janela ampla, porém finita, listada na documentação do Amazon Bedrock. Janela grande não elimina o trabalho de escolher o que entra: material irrelevante disputa espaço com o que importa e pode piorar a resposta.
Em ambientes corporativos, o padrão RAG existe por esse motivo: o orquestrador empacota os melhores resultados da busca junto com a consulta como contexto dentro do prompt enviado ao modelo, em vez de entregar o acervo inteiro de uma vez. No uso individual, a tradução é simples: filtre o material antes de colar.
Checklist antes de enviar
- Entrada: material completo colado, público e restrições declarados, dados sensíveis removidos?
- Tarefa: um verbo concreto, uma ação só, critério de aceitação escrito?
- Formato de saída: estrutura, tamanho máximo, tom e idioma definidos, com pedido explícito de marcar lacunas?
- Conferência: você sabe como vai validar a resposta antes de enviá-la?
Fontes
- Anthropic — Prompt engineering overview
- Microsoft — Design and develop a RAG solution
- AWS — Amazon Bedrock: visão geral
Revisão editorial: 15 de outubro de 2026.