As 4 Dimensões de um Bom Prompt (A Maioria Só Pensa em 1)

A maioria dos conselhos de prompt engineering foca em uma coisa: as palavras certas. "Seja específico." "Use linguagem clara." "Adicione exemplos." O conselho não está errado, está incompleto. Redação é só uma parte de um prompt.

Olhando o que de fato quebra prompts em produção, são quatro dimensões que decidem se o prompt funciona de forma confiável. E os números confirmam: no relatório State of Prompt Quality, uma amostra de 1.018 prompts reais teve nota média de 54 sobre 100, e só 10,5% chegaram à faixa pronta para produção (75+). Não é falta de esforço. É otimizar uma dimensão e deixar as outras três no escuro.

As quatro dimensões, e a nota real de cada uma

Antes de destrinchar cada uma, o mapa completo. Esta é a média de cada dimensão na base de 1.018 prompts, mais a pergunta que revela se a sua está fraca:

Repare no degrau. Clareza, especificidade e estrutura ficam na casa dos 60. A robustez despenca para 31,5. Essa é a dimensão que quase ninguém trata, e é por ela que voltaremos com mais tempo. Essas quatro dimensões são exatamente as que o PromptEval pontua quando você cola um prompt: a nota de cada uma vem separada, então você vê na hora qual está puxando o total para baixo.

Clareza: uma leitura, não duas

Clareza é a dimensão que todo mundo cita e a maioria entende errado. Não é ser agradável de ler. É não deixar brecha para interpretação. Um prompt é claro quando existe exatamente uma interpretação razoável do que você pediu. Se uma pessoa competente lê o seu prompt e consegue imaginar dois outputs corretos e diferentes, faltou clareza.

As falhas mais comuns:

• Termos relativos sem âncora: "seja conciso" em vez de "em até 80 palavras".
• Suposição implícita: "escreva um resumo", de que tamanho, para quem, em que formato?
• Escopo ambíguo: "analise estes dados", quais aspectos, com qual saída?

Teste rápido: leia o prompt como se nunca tivesse visto o material de origem. Você saberia exatamente o que produzir? Se a resposta é "depende", a clareza está furada. Quando essa é a sua dimensão mais fraca, o guia de como escrever prompts claros para IA vai direto às correções.

Especificidade: o que dá pra checar depois

Especificidade é o que separa "escreva algo profissional" de uma instrução que dá pra verificar. Adjetivos não são especificidade. "Profissional", "detalhado" e "envolvente" soam concretos, mas cada leitor (e cada execução do modelo) preenche de um jeito. Especificidade é trocar o adjetivo por um critério mensurável: um número, um formato, uma restrição.

Foi aqui que a base de dados deu o resultado mais acionável. Estes são os hábitos que mais movem a nota, com o ganho médio e quantos prompts realmente os usam:

Declarar o formato de saída sozinho vale +29. E não é só o dado da nossa base: um estudo de He et al. (2024) mediu que a escolha de formato altera de forma mensurável a qualidade da resposta, com JSON entre os formatos mais consistentes. A definição de persona também tem respaldo na literatura: Kong et al. (2024) mostraram ganho de capacidade em várias tarefas ao atribuir um papel ao modelo, o que bate com o +17 que vemos na prática.

O detalhe que mais chama atenção na tabela é a última linha. Exemplos few-shot rendem +10 pontos e só 5,2% dos prompts usam. É o hábito com melhor relação entre esforço e retorno que quase ninguém aplica. Se a especificidade é a sua fenda, o guia de prompts específicos para IA mostra como trocar adjetivo por critério em cada caso.

Estrutura: a ordem que o modelo pesa

Estrutura é como o prompt é organizado, e pesa mais do que parece. LLMs processam o texto em sequência e ponderam trechos pela posição. Um prompt mal estruturado faz o modelo despriorizar a restrição que você achou mais importante, porque ela ficou enterrada no meio de um parágrafo.

Boa estrutura, na ordem:

• Papel e contexto primeiro, para calibrar o resto da leitura.
• A tarefa principal declarada com clareza, antes de casos extremos.
• O formato de saída no final, perto de onde o modelo começa a gerar.
• Instruções de sistema separadas do input de cada requisição.

A estrutura foi a dimensão de maior média na base (64,6), o que faz sentido: quase todo mundo escreve na ordem "papel, tarefa, formato" por instinto. O erro que derruba a nota é sempre o mesmo, enterrar a instrução crítica. Para o passo a passo, veja como estruturar prompts de IA.

Robustez: a dimensão que quase ninguém trata

Robustez é o quanto o prompt aguenta o mundo real: input pela metade, fora do formato, em outra língua, ou uma variação do modelo que você não testou. É a dimensão mais fraca da base por uma margem enorme. Média de 31,5, contra 63 da clareza. E foi a dimensão mais baixa em 95,7% dos prompts avaliados. Praticamente todo prompt que passa pelo PromptEval tem a robustez como elo mais fraco.

Os dois pontos que mais afundam são resiliência a input ruim (média 30,3) e cobertura de casos extremos (32). A causa é comum: a gente escreve o prompt pensando no caso limpo, o exemplo bonitinho que temos na cabeça. O usuário real manda outra coisa.

Um prompt robusto responde de antemão às perguntas que o input bagunçado vai levantar:

• E se faltar um campo? ("Se o valor não estiver no texto, escreva null em vez de inventar.")
• E se vier mais de uma pergunta junta? ("Responda apenas à primeira solicitação e ignore o resto.")
• E se o input estiver em outro idioma ou formato? Diga o que fazer, não deixe o modelo decidir sozinho.

Tratar robustez é o que tira um prompt da faixa de teste e coloca em produção. Se essa é a sua fenda (e estatisticamente é), o guia de como deixar prompts de IA robustos cobre os testes que expõem cada buraco.

Um exemplo real: antes e depois com nota

Teoria rende pouco sem ver a nota mexer. Peguei uma tarefa banal, extrair dados de um email de cliente, e escrevi as duas versões.

Prompt fraco: "Leia o email do cliente e me diga os dados importantes."

Prompt forte: "Você é um assistente de triagem de suporte. Extraia do email abaixo, em JSON, os campos: nome, pedido_id, categoria_do_problema (uma de: entrega, cobrança, produto, outro) e urgência (baixa, média, alta). Se algum campo não estiver no texto, use null, não deduza. Se o email contiver mais de um pedido, retorne uma lista de objetos. Não inclua nenhum texto fora do JSON."

Mesma tarefa, mesmo modelo. As notas de cada dimensão:

O salto de 38 para 85 não veio de "escrever melhor". Veio de fechar as quatro lacunas de uma vez: um critério de categoria (clareza), o formato JSON e a lista de campos (especificidade), a ordem papel-tarefa-formato (estrutura) e duas regras para o input imperfeito, campo faltando e email com vários pedidos (robustez). O prompt fraco vai gerar um parágrafo em prosa que ninguém consegue processar automaticamente. O forte devolve JSON pronto para o sistema consumir.

Por que uma dimensão fraca derruba as outras três

Essa é a raiz da maior parte da inconsistência em prompts. Quando uma dimensão está fraca, o modelo preenche aquela lacuna de um jeito diferente a cada execução. Se os seus outputs andam imprevisíveis, esta análise mostra por quê.

Um prompt pode ir bem em três dimensões e ainda falhar por causa da quarta. Estrutura linda e contexto rico, com especificidade vaga, ainda dá resultado que varia. Clareza cristalina e formato bem definido, sem robustez, funciona no teste e escorrega no primeiro input torto. As quatro se puxam: melhorar uma costuma expor a lacuna da outra. Por isso avaliar o prompt inteiro, e não só sentir que "soa bem", é a única forma confiável de saber se está pronto para produção. É o mesmo princípio por trás de como avaliar a qualidade de um prompt de IA.

Como medir as quatro em segundos

Ler o próprio prompt no olho quase nunca aponta a fenda, porque ele parece óbvio para quem escreveu. O jeito objetivo é pontuar as quatro dimensões separadas e atacar a mais baixa primeiro. Cole o prompt no verificador do PromptEval e a nota de cada dimensão aparece na hora, sem cadastro. O plano gratuito dá três avaliações completas por mês, o bastante para pegar o padrão do seu jeito de escrever.

Se a ideia é ganhar intuição para as quatro dimensões sem depender de avaliar prompt por prompt, o Treino diário monta um cenário de trabalho por dia com uma técnica nomeada e um juiz que pontua o que você escreveu. É a forma mais rápida de fazer o "conserte a robustez" virar reflexo em vez de checklist.

O checklist

Antes de publicar qualquer prompt, quatro perguntas:

• Clareza: existe só uma interpretação razoável?
• Especificidade: dá pra verificar, depois, se a resposta cumpriu o que foi pedido?
• Estrutura: a instrução mais importante está na posição em que o modelo a pesa?
• Robustez: o prompt diz o que fazer quando o input vem estranho?

Quatro perguntas. Esse é o framework completo, e a quarta é a que mais gente esquece.

Perguntas frequentes

Quais são as 4 dimensões de um bom prompt?

Clareza (uma interpretação só), especificidade (instruções concretas e verificáveis), estrutura (o crítico na posição certa e o formato declarado) e robustez (aguenta input estranho e variação). São as mesmas quatro que o PromptEval pontua de 0 a 100.

Qual dimensão costuma ser a mais fraca?

A robustez. Na base de 1.018 prompts, teve média 31,5 e foi a mais baixa em 95,7% dos casos. Quase todo prompt é escrito para o input limpo e não diz o que fazer quando o input vem pela metade ou fora do formato.

O que mais aumenta a nota de um prompt?

Declarar o formato de saída, que vale em média +29 pontos. Depois vêm restrições explícitas (+24), definir persona (+17) e exemplos few-shot (+10). Os três primeiros são baratos, e o prompt fraco típico esquece pelo menos um.

Como sei qual das quatro dimensões está puxando meu prompt para baixo?

Reler no olho raramente aponta. Pontue as quatro separadas e olhe a mais baixa. O verificador do PromptEval mostra a nota de cada dimensão em segundos, no browser, sem cadastro.

Preciso otimizar as quatro sempre?

Sim, mas na ordem certa. Meça primeiro, conserte a dimensão mais fraca (quase sempre a robustez), meça de novo. Corrigir a que já estava boa rende pouco. É trabalho cirúrgico, não reescrita geral.