Módulo 1.3: Prompt Engineering - A Habilidade Universal

**Nível 1: Fundamentos

Carga Horária: 16 horas**

📖 Visão Geral

Prompt Engineering é a habilidade mais valiosa da era da IA. Técnicas comprovadas para aumentar em 40-80% a qualidade das respostas de LLMs. Domine: Anatomia de Prompts, Chain-of-Thought, Few-Shot Learning, Engenharia de Persona e Estratégias Multi-LLM.

🔬 Técnica 1: Anatomia de um Prompt Eficaz

Os 5 Componentes Essenciais:

1. Papel (Role)

Defina quem a IA deve ser

❌ Mau: “Me ajude com química”
✅ Bom: “Você é um professor de química do ensino médio com 15 anos de experiência”

2. Contexto (Context)

Forneça informações de fundo

“Contexto: Turma de 30 alunos, 2º ano EM, dificuldade em balanceamento de equações”

3. Tarefa (Task)

Especifique o que quer

“Tarefa: Crie 10 exercícios progressivos (fácil→difícil) sobre balanceamento de equações”

4. Formato (Format)

Defina a estrutura da resposta

“Formato: Para cada exercício, forneça: equação desbalanceada, nível (1-10), dica pedagógica”

5. Tom (Tone)

Especifique o estilo de comunicação

“Tom: Linguagem acessível para adolescentes, evite jargão técnico excessivo”

Exemplo Completo:

Papel: Você é um professor de química do ensino médio com 15 anos de experiência.
Contexto: Turma de 30 alunos, 2º ano EM, dificuldade em balanceamento de equações.
Tarefa: Crie 10 exercícios progressivos (fácil→difícil).
Formato: Para cada exercício: equação desbalanceada, nível (1-10), dica pedagógica.
Tom: Linguagem acessível para adolescentes.

🧩 Técnica 2: Chain-of-Thought (CoT)

O que é?

Pesquisa do Google (2022) mostrou aumento de 40-80% na precisão ao pedir que o LLM “pense passo a passo”.

Como Funciona:

Em vez de pedir resposta direta, instrua o LLM a “mostrar seu raciocínio”. Isso força decomposição de problemas complexos em etapas lógicas.

Comparação:

❌ Sem CoT (Resposta Direta):

Prompt: "Quanto é 23 × 47?"
Resposta: "1081" (sem explicação)

✅ Com CoT (Passo a Passo):

Prompt: "Quanto é 23 × 47? Mostre seu raciocínio passo a passo."
Resposta:
1. 23 × 40 = 920
2. 23 × 7 = 161
3. 920 + 161 = 1081

Aplicação Pedagógica - Correção de Redação:

Você é um corretor de redações ENEM.

Tarefa: Avalie esta redação seguindo as 5 competências do ENEM.

Instruções:
1. Leia a redação completamente
2. Para CADA competência (C1 a C5):
   a) Identifique 2 pontos fortes
   b) Identifique 2 pontos fracos
   c) Atribua nota (0-200)
   d) Justifique a nota
3. Calcule nota final (soma das 5 competências)
4. Forneça 3 sugestões concretas de melhoria

Mostre seu raciocínio passo a passo.

Resultado: Feedback estruturado e transparente, com raciocínio explícito para cada nota.

Quando Usar CoT:

✅ Problemas matemáticos/lógicos (aumenta precisão 40-80%)
✅ Análise de textos complexos (redações, TCCs)
✅ Planejamento pedagógico (planos de aula, sequências didáticas)
✅ Debugging de código (programação)

📝 Técnica 3: Few-Shot Learning

Princípio:

“Mostre, não explique. LLMs aprendem melhor vendo exemplos concretos do que lendo instruções abstratas.”

Como Funciona:

Mostre 2-5 exemplos do output desejado. O modelo replica o padrão automaticamente.

Exemplo Prático - Criar Questões de Quiz:

❌ Sem Few-Shot (Zero-Shot):

Crie questões de múltipla escolha sobre fotossíntese.

Problema: Resultado inconsistente (formato varia, dificuldade aleatória)

✅ Com Few-Shot (3 exemplos):

Crie questões de múltipla escolha sobre fotossíntese seguindo este formato:

Exemplo 1:
Nível: Fácil
Questão: Qual gás é liberado durante a fotossíntese?
A) Nitrogênio | B) Oxigênio ✓ | C) CO2 | D) Hidrogênio
Justificativa: Conceito básico, memorização

Exemplo 2:
Nível: Médio
Questão: O que acontece se bloquearmos a luz em uma planta?
A) Cresce mais | B) Para fotossíntese ✓ | C) Morre imediatamente | D) Produz mais O2
Justificativa: Exige compreensão de relação causal

Exemplo 3:
Nível: Difícil
Questão: Por que plantas C4 são mais eficientes em climas quentes?
A) Usam menos água | B) Concentram CO2 ✓ | C) Crescem mais rápido | D) Absorvem mais luz
Justificativa: Análise de adaptação evolutiva

Agora crie mais 7 questões seguindo exatamente esse padrão.

Resultado: Output consistente, com formato e dificuldade controlados.

Quantos Exemplos Usar?

1 exemplo (One-Shot): Suficiente para formatos simples
2-3 exemplos: Ideal para padrões moderados (questões, resumos, traduções)
4-5 exemplos: Necessário para outputs complexos (análises multidimensionais)
6+ exemplos: Raramente melhora (e consome muitos tokens)

🎭 Técnica 4: Engenharia de Persona

O que é?

Transformar LLMs genéricos em especialistas ao definir identidade, experiência, estilo e valores.

Componentes de uma Persona Eficaz:

1. Identidade Profissional

“Você é a Dra. Maria Silva, pedagoga com PhD em Tecnologias Educacionais pela USP, 20 anos de experiência em formação docente.”

2. Expertise Específica

“Especialista em: ensino híbrido, gamificação, avaliação formativa e integração de IA em currículos.”

3. Estilo de Comunicação

“Tom: empático, pragmático, usa metáforas do cotidiano. Sempre fornece exemplos concretos.”

4. Valores e Princípios

“Princípios: educação inclusiva, aprendizagem ativa, avaliação como aprendizagem (não punição).”

Exemplo Completo - Tutor Socrático:

Identidade: Você é Sócrates, filósofo ateniense (470-399 a.C.), criador do método socrático.

Expertise: Mestre em fazer perguntas que levam alunos a descobrirem respostas por si mesmos.

Estilo: Curioso, paciente, nunca dá respostas diretas. Usa analogias do cotidiano grego.

Princípios: "Só sei que nada sei". Aprendizagem = descoberta, não transmissão.

Comportamento:
- Quando aluno faz pergunta, responda com 2-3 perguntas investigativas
- Se aluno erra, não corrija. Pergunte: "Por que você pensa isso?"
- Celebre raciocínio, não resposta correta

Biblioteca de Personas para Educadores:

📚 Curator de Conteúdo: Seleciona e organiza recursos por nível/tema
✅ Avaliador Formativo: Dá feedback construtivo sem notas punitivas
🎮 Designer de Gamificação: Transforma conteúdos em jogos educativos
🧩 Adaptador Inclusivo: Ajusta materiais para necessidades especiais (TDAH, dislexia)

🔀 Técnica 5: Estratégias Multi-LLM

Princípio:

“Use a ferramenta certa para cada etapa do trabalho.”

Estratégia 1: Pipeline Sequencial

Caso: Criar Material Didático Completo

ChatGPT: Brainstorming inicial (gera 20 ideias de tópicos)
Claude: Analisa as 20 ideias e seleciona as 5 melhores (raciocínio profundo)
Gemini: Pesquisa vídeos do YouTube para cada tópico (acesso em tempo real)
NotebookLM: Gera podcast de revisão (material auditivo)

Tempo total: 20 min

Resultado: Material multimídia completo

Estratégia 2: Validação Cruzada

Caso: Verificar Informação Factual

Problema: LLMs podem alucinar (inventar dados)

Solução: Pergunte para 3 LLMs diferentes e compare respostas

Exemplo:

Pergunta: "Qual a data exata do Tratado de Tordesilhas?"

• ChatGPT: "7 de junho de 1494"
• Claude: "7 de junho de 1494"
• Gemini: "7 de junho de 1494"

Consenso = Alta confiança

Estratégia 3: Especialização por Tarefa

Tarefa	LLM Ideal	Por quê?
Geração rápida	ChatGPT	Velocidade
Análise profunda	Claude	Raciocínio
Pesquisa web	Gemini	Tempo real
Materiais áudio	NotebookLM	Podcasts

📦 Recursos do Módulo

📹 Videoaulas (4h)

Anatomia de Prompts (45 min)
Chain-of-Thought masterclass (60 min)
Few-Shot Learning prático (50 min)
Engenharia de Persona (45 min)
Estratégias Multi-LLM (40 min)

📄 Biblioteca de Prompts (6h)

50+ prompts profissionais prontos
10 personas educacionais
Templates personalizáveis
Guia de boas práticas

💬 Práticas (5h)

10 exercícios de prompting
Criar 3 personas customizadas
Projeto: Pipeline Multi-LLM
Peer review de prompts

✅ Avaliação (1h)

Quiz de técnicas (25 questões)
Desafio de prompting
Portfólio de 5 prompts

Licença MIT**