OpenAI (guias do GPT-4.1 / GPT-5): comece com títulos Markdown por seção (XML também vai bem); em contexto longo, instruções no início e no fim; separe dados de instruções com delimitadores; defina identidade e objetivo; para JSON, prefira Structured Outputs com schema. Pedir raciocínio passo a passo depende do modelo — recomendado no GPT-4.1, desnecessário nos modelos de reasoning (o-series) e ligado ao reasoning effort no GPT-5.
Anthropic (Claude prompting best practices): estruture com tags XML; documentos longos no topo e a pergunta no fim; dê um papel ao Claude no system prompt; use 3–5 exemplos relevantes em <example>; diga o que fazer em vez do que não fazer; explique a motivação das instruções. Nos modelos atuais o thinking é capacidade do modelo (adaptativo, sempre ligado nos mais novos) — chain-of-thought manual é só fallback.
Google (estratégias de design de prompt do Gemini): sempre inclua exemplos few-shot; use prefixos como Input:/Output: ou delimitadores claros; especifique restrições e formato de resposta; quebre tarefas complexas; com muito conteúdo, contexto primeiro e pergunta no final.
Este verificador codifica só regras documentadas e verificáveis no texto. Regras que dependem de configuração do modelo (reasoning effort, thinking) aparecem como notas, não pontuam. Regras re-verificadas contra os guias em 23/08/2026.
Perguntas frequentes
O que esse verificador de formato de prompt checa de fato?
Ele confere o texto do seu prompt contra convenções documentadas nos guias oficiais de prompting da OpenAI, da Anthropic e do Google: estrutura (seções Markdown vs tags XML), onde as instruções ficam em contexto longo, formato de saída explícito, delimitadores entre dados e instruções, papel/persona, exemplos e instruções positivas vs negativas. Cada regra linka o guia exato de onde veio. Ele não mede qualidade de output — para isso, use a avaliação completa.
Isso é engenharia de prompt de verdade ou só preferência de estilo?
É conformidade com orientação documentada, não garantia de performance. Os provedores publicam essas convenções porque mediram nos próprios modelos (a Anthropic, por exemplo, reporta até 30% de melhora quando documentos longos vão no topo e a pergunta no fim). O efeito é modesto e os modelos convergem, então trate o verificador como uma passada rápida e gratuita de higiene — e repare onde os provedores discordam (chain-of-thought é recomendado no GPT-4.1, desnecessário nos modelos de reasoning da OpenAI, e nativo nos Claude atuais).
O Claude prefere mesmo tags XML?
Sim — o guia da Anthropic diz que tags XML "ajudam o Claude a interpretar prompts complexos sem ambiguidade" e recomenda embrulhar cada tipo de conteúdo na própria tag (<instructions>, <context>, <example>, <document>). O guia do GPT-4.1 da OpenAI recomenda começar com títulos Markdown por seção e nota que XML também funciona bem. O guia do Gemini recomenda delimitadores claros (XML ou Markdown) e prefixos como Input:/Output:.
Onde as instruções devem ficar num prompt longo?
Guia do GPT-4.1 (OpenAI): instruções no início e no fim do contexto longo. Anthropic: documentos longos no topo e a pergunta no fim. Google: todo o contexto primeiro e a pergunta no final. O verificador só aplica essas regras de posicionamento quando o prompt é longo o bastante pra isso importar (a partir de ~3k tokens).
É grátis? Vocês guardam meu prompt?
Grátis, sem cadastro, sem limite. A checagem roda inteira no seu navegador — o prompt nunca é enviado a um servidor. O avaliador completo (score 0–100, problemas localizados no texto, reescrita) é outra ferramenta, com plano gratuito.
Ele reescreve meu prompt pra um provedor específico?
O verificador gratuito só reporta. Dentro do PromptEval, os planos pagos incluem "Adaptar para o provedor", que reestrutura o prompt pra atender às regras que falham na OpenAI, Anthropic ou Gemini sem mudar o que o prompt pede — e roda esta mesma checagem antes e depois pra você verificar o resultado.