Imperativo vs Pedido: Como o Tom Afeta o Output do LLM

Existe uma diferença mensurável entre "liste os principais riscos" e "você poderia me listar os principais riscos?". Não é só estilo, é performance.

Como o modelo interpreta pedidos educados

LLMs são treinados em texto humano, onde pedidos educados geralmente precedem respostas longas e contextualizadas. Quando você escreve "você poderia...", o modelo ativa padrões de resposta social. O que inclui introduções, qualificações e conclusões que você provavelmente não quer.

Imperativo é mais eficiente

Verbos no imperativo, "liste", "explique", "gere", "calcule", comunicam uma tarefa direta. O modelo processa isso como instrução, não como interação social.

• ❌ "Você poderia me ajudar a entender X?" → resposta conversacional, verbosa
• ✅ "Explique X em 3 pontos" → resposta estruturada, direta

A exceção: quando o tom importa

Se o output é texto destinado a um usuário humano, um e-mail, uma mensagem de suporte, o tom do prompt pode influenciar o tom da resposta. Nesse caso, use imperativo para instruções estruturais e ajuste o tom apenas para a parte narrativa.

Em prompts de sistema para pipelines automatizados, sempre prefira o imperativo. Você está programando uma função, não conversando.

Quer entender as outras dimensões estruturais que determinam a qualidade de um prompt? O framework de 4 dimensões cobre clareza, especificidade, estrutura e robustez com exemplos concretos. E se quiser medir o impacto das suas escolhas de escrita em um score 0–100, o PromptEval avalia gratuitamente com 3 créditos, sem cartão de crédito.