Nível Técnico

O que é: Técnicas para criar prompts com estrutura clara e hierárquica.

Por que: Prompts bem estruturados geram respostas mais precisas e consistentes.

Conceitos: Headers, seções, delimitadores XML/Markdown, hierarquia de instruções.

O que é: Organizar prompts em blocos distintos para cada tipo de informação.

Por que: Evita confusão e melhora a interpretação do modelo.

Conceitos: Blocos de sistema, contexto, dados de entrada, instruções específicas.

O que é: Definir claramente o objetivo antes de elaborar o prompt.

Por que: Foco no resultado desejado aumenta eficácia.

Conceitos: SMART goals, critérios de sucesso, métricas de qualidade.

O que é: Selecionar e posicionar exemplos para máximo impacto.

Por que: Exemplos bem escolhidos definem padrões e expectativas.

Conceitos: Diversidade, representatividade, ordenação, quantidade ideal.

O que é: Eliminar interpretações múltiplas em prompts.

Por que: Ambiguidade é a principal causa de respostas incorretas.

Conceitos: Definições explícitas, termos técnicos, escopo delimitado.

O que é: Criar estruturas de prompt parametrizáveis.

Por que: Economiza tempo e garante consistência.

Conceitos: Placeholders, variáveis, templates dinâmicos, bibliotecas de prompts.

O que é: Diagnosticar e corrigir prompts que não funcionam.

Por que: Debugging sistemático acelera otimização.

Conceitos: Padrões de erro, testes A/B, iteração sistemática.

O que é: Especificar explicitamente o que NÃO fazer.

Por que: Evita comportamentos indesejados comuns.

Conceitos: Proibições explícitas, limites de comportamento, guardrails.

O que é: Definir limites claros de extensão, formato e escopo.

Por que: Controla verbosidade e mantém foco.

Conceitos: Limites de palavras, bullets máximos, profundidade controlada.

O que é: Controlar estrutura, hierarquia e apresentação do output.

Por que: Outputs estruturados são mais úteis e parseáveis.

Conceitos: JSON, XML, Markdown, tabelas, schemas.

O que é: Iniciar a resposta do modelo com texto pré-definido.

Por que: Garante formato e direciona o estilo.

Conceitos: Assistant prefill, JSON starter, estrutura forçada.

O que é: Ajustar voz, formalidade e nível técnico.

Por que: Adapta resposta ao público-alvo.

Conceitos: Escalas de formalidade, níveis de expertise, personas de estilo.

O que é: Pedir ao modelo verificar sua própria resposta.

Por que: Reduz erros e aumenta confiabilidade.

Conceitos: Self-check, validação de formato, verificação de fatos.

O que é: Criar padrões consistentes para outputs em escala.

Por que: Facilita integração e processamento automatizado.

Conceitos: Schemas, contratos de API, validação automática.

O que é: Quebrar problemas complexos em subtarefas gerenciáveis.

Por que: Melhora precisão e permite processamento focado.

Conceitos: Task breakdown, dependências, paralelização.

O que é: Conectar prompts em sequência, output de um vira input do próximo.

Por que: Permite fluxos complexos e especializados.

Conceitos: Pipelines, transformações, agregação.

O que é: Prompts que guiam através de múltiplas fases.

Por que: Estrutura pensamento complexo dentro de um prompt.

Conceitos: Fases sequenciais, checkpoints, ramificações.

O que é: Framework de 3 fases para tarefas complexas.

Por que: Separa pensamento estratégico de execução.

Conceitos: Planning prompts, execution prompts, review prompts.

O que é: Melhorar outputs através de ciclos de feedback.

Por que: Alcança qualidade superior através de iteração.

Conceitos: Feedback loops, critérios de melhoria, convergência.

O que é: Gerenciar informações através de múltiplos prompts.

Por que: Evita perda de informação e mantém coerência.

Conceitos: Context passing, summarization, state management.

O que é: Exemplos reais de workflows com prompts encadeados.

Por que: Aprenda aplicando em cenários do mundo real.

Conceitos: Case studies, templates de workflow, benchmarks.

O que é: Como modelos processam texto + imagem/áudio/vídeo.

Por que: Entender o modelo permite prompts mais eficazes.

Conceitos: Vision encoders, cross-modal attention, grounding.

O que é: Estrutura de prompts para DALL-E, Midjourney, Stable Diffusion.

Por que: Cada modelo tem sintaxe e estilo próprios.

Conceitos: Subject, style, medium, lighting, composition.

O que é: Especificar o que NÃO incluir na imagem.

Por que: Evita artefatos e elementos indesejados.

Conceitos: Negative prompts, exclusões, quality tags.

O que é: Manter estilo e personagens consistentes entre imagens.

Por que: Essencial para projetos profissionais e branding.

Conceitos: Style seeds, character sheets, reference images.

O que é: Prompts para Sora, Runway, Pika e geradores de vídeo.

Por que: Vídeo adiciona dimensão temporal aos prompts.

Conceitos: Motion, timing, transitions, camera movement.

O que é: Criar sequências visuais narrativas com prompts.

Por que: Planejamento visual para vídeos e animações.

Conceitos: Scene breakdown, shot types, continuity.

O que é: Casos reais de uso multimodal em produção.

Por que: Veja como empresas usam multimodal.

Conceitos: Marketing, e-commerce, educação, entretenimento.

O que é: Instruções persistentes que definem comportamento base.

Por que: Estabelece contexto e regras para toda conversa.

Conceitos: System vs user prompts, prioridade, persistência.

O que é: Arquitetura e estrutura de system prompts eficazes.

Por que: System prompts bem projetados são a base de bons assistentes.

Conceitos: Seções, hierarquia, exemplos embutidos, guardrails.

O que é: Definir identidade e expertise que persiste na conversa.

Por que: Cria assistentes especializados e consistentes.

Conceitos: Character design, knowledge boundaries, voice consistency.

O que é: Prompts que habilitam ações autônomas e uso de ferramentas.

Por que: Agentes são o futuro da automação com IA.

Conceitos: Tool use, function calling, action planning.

O que é: Limites e proteções para comportamento do modelo.

Por que: Segurança e compliance em produção.

Conceitos: Safety rules, content filters, scope limitations.

O que é: Gerenciar informações entre interações.

Por que: Agentes precisam "lembrar" para ser úteis.

Conceitos: Short/long-term memory, state persistence, summarization.

O que é: Coordenar múltiplos agentes em sistemas complexos.

Por que: Sistemas multiagente são mais poderosos.

Conceitos: Agent routing, delegation, consensus, collaboration.

O que é: Design estratégico de como informações são organizadas no contexto.

Por que: Maximiza aproveitamento da janela de contexto.

Conceitos: Priorização, chunking semântico, context stuffing.

O que é: Combinar LLMs com busca em bases de conhecimento.

Por que: Respostas baseadas em dados atualizados e específicos.

Conceitos: Retrieval, augmentation, generation pipeline.

O que é: Representações vetoriais de texto para busca semântica.

Por que: Base para RAG e busca por similaridade.

Conceitos: Embedding models, similarity metrics, dimensionality.

O que é: Bancos de dados otimizados para busca vetorial.

Por que: Infraestrutura essencial para RAG em escala.

Conceitos: Pinecone, Weaviate, ChromaDB, Qdrant, indexing.

O que é: Estratégias para lidar com documentos muito longos.

Por que: Nem tudo cabe na janela de contexto.

Conceitos: Chunking strategies, overlap, semantic splitting.

O que é: Metodologias para testar e avaliar qualidade de prompts.

Por que: Garantir performance antes de produção.

Conceitos: Eval frameworks, A/B testing, benchmarks, metrics.

O que é: Preparar prompts para deployment em escala.

Por que: Produção tem requisitos de custo, latência e confiabilidade.

Conceitos: Caching, batching, model selection, cost optimization.