🟣 Como usar este módulo
Cada padrão tem um bloco copy-run: o objetivo, o prompt para colar e como verificar se funcionou. As partes entre <assim> são variáveis — troque pelo seu caso. Os padrões são independentes da ferramenta: valem para construir workflows, gerar documentos ou criar agentes.
Um prompt fraco e um prompt forte podem pedir a mesma coisa — mas conduzem a IA por caminhos diferentes. O prompt fraco dita passos, é vago na saída e mistura tarefas; o forte descreve o resultado, fixa o formato e roda uma tarefa por vez. Os sete padrões deste módulo são as alavancas que transformam um no outro.
Diagrama ilustrativo — o mesmo objetivo, dois prompts. Os padrões abaixo são o que move o pedido da linha de cima para a de baixo.
🎯 Definir o objetivo, não os passos
O que é
O padrão raiz: diga o que deve acontecer, não como fazer. "Identifique perguntas técnicas e rascunhe uma resposta" é um objetivo; "use um nó IF com regex, depois um nó de código…" é um passo técnico. Você descreve o destino; a IA traça a rota com todo o repertório dela.
O que é?Prompt — a mensagem que você escreve para a IA. Plan Mode — o modo em que a IA primeiro pesquisa e propõe um plano antes de executar.
Por que aprender
Quando você dita passos, limita a IA ao seu conhecimento (provavelmente incompleto) das ferramentas. Quando descreve o objetivo, ela escolhe o caminho — e costuma achar um melhor do que o que você imaginaria.
🎯 Objetivo: pedir por resultado, deixando a IA escolher o caminho.
Quero um resultado, não um passo a passo. Objetivo: <descreva o que deve acontecer, ex.: "quando chegar um e-mail com 'urgente' no assunto, registrar numa planilha">. Você escolhe as ferramentas e a estrutura. Antes de construir, me explique em 1 parágrafo a abordagem que pretende usar e por quê. Não dite passos técnicos de volta para mim — proponha a melhor rota.
✅ Como verificar: a IA responde com uma abordagem e uma justificativa (não com perguntas sobre "qual nó usar"). Se ela pedir que você defina os passos, reforce: "decida você a melhor forma".
✓ Objetivo
- ✓"Resuma estas notas em decisões, tarefas e próximos passos."
- ✓"Pesquise o tópico X e gere um brief com 3-5 fontes."
- ✓"Você decide a arquitetura; me explique a escolha."
✗ Passos técnicos
- ✗"Crie um nó de gatilho, ligue a um IF, depois a um code node…"
- ✗"Use a biblioteca Y na versão Z com o parâmetro W."
- ✗Microgerenciar cada configuração.
Conceitos-chave
Diga o "o quê".
A IA escolhe o "como".
Usa tudo que ela sabe.
Peça o porquê da rota.
📐 Ser específico sobre a saída
O que é
Objetivo claro inclui uma saída clara: formato, estrutura, quantidade, nome e onde salvar. "Construa um scraper de leads" é vago; "extraia 75 perfis de CEOs de empresas de tecnologia, em uma tabela com nome, empresa e cargo, salva em saidas/leads.csv" é específico. A especificidade também serve de definição de "pronto".
Por que aprender
Saída vaga gera resultado vago e mais idas e vindas — cada ida e volta custa token e tempo. E sem um alvo definido a IA pode pesquisar demais ou entrar em loop, sem saber quando parou.
🎯 Objetivo: fixar formato, quantidade, nome e local da saída.
<descreva o objetivo>. Especificações da saída: - Formato: <ex.: arquivo .csv / tabela markdown / documento .docx> - Estrutura/colunas: <ex.: nome, empresa, cargo> - Quantidade exata: <ex.: 75 itens> (pare ao atingir isso — esse é o "pronto") - Nome do arquivo: <ex.: leads.csv> - Onde salvar: <ex.: pasta saidas/> Se faltar alguma informação para cumprir isso, pergunte antes de começar.
✅ Como verificar: a saída tem o formato, a quantidade e o nome pedidos, no local pedido. Se vier "aproximadamente", reforce a quantidade exata como critério de parada.
🎯 Dica prática
"Pronto" precisa ser mensurável. "75 perfis" tem fim; "alguns leads" não. Sem um fim claro, a IA pode buscar indefinidamente e queimar token à toa.
Conceitos-chave
csv, docx, tabela…
Número exato = "pronto".
Como chamar o arquivo.
Onde salvar.
🗺️ Plan Mode primeiro, executar depois
O que é
Começar todo trabalho não-trivial no Plan Mode: a IA pesquisa o que for preciso, faz perguntas de esclarecimento e propõe um plano. Você revisa e aprova; só então ela executa (idealmente com bypass permissions para não interromper a cada passo).
O que é?Bypass permissions — modo em que a IA executa as ações aprovadas sem pedir confirmação a cada uma. Use depois de aprovar um plano, para o build correr sem interrupções.
Diagrama ilustrativo — alinhar no plano é a fase mais barata de mudar de ideia. É por isso que se planeja antes.
Por que aprender
Corrigir o rumo no plano custa uma frase; corrigir no meio do build custa refazer nós e gastar token; corrigir depois de tudo pronto custa ainda mais. O Plan Mode concentra as decisões na fase barata.
🎯 Objetivo: forçar planejamento e perguntas antes de qualquer build.
Entre em plan mode. Objetivo: <descreva o resultado>. Antes de construir qualquer coisa: 1. Pesquise os recursos/padrões necessários. 2. Me faça todas as perguntas de esclarecimento que tiver. 3. Apresente um plano numerado para eu aprovar. Não escreva nem altere arquivos até eu dizer "aprovado". Depois disso, pode executar sem pedir confirmação a cada passo.
✅ Como verificar: a primeira resposta é um plano + perguntas, não código. Você responde, aprova, e só então o build começa.
Conceitos-chave
Antes de propor.
Tirar dúvidas no plano.
Você dá o "ok".
Executar sem interromper.
💬 Feedback, não correção
O que é
Quando algo não ficou bom, dê feedback específico ("gostei da estrutura, mas o tom está formal demais — deixe mais casual") em vez de correção seca ("isso está errado, refaça"). Feedback aponta o que manter e o que mudar; correção seca só sinaliza insatisfação.
Por que aprender
Feedback faz a IA ajustar o raciocínio e, quando aplicável, atualizar o workflow/skill por baixo — não só remendar a saída visível. É também o que alimenta o loop de auto-melhoria: o erro vira aprendizado permanente.
🎯 Objetivo: dar feedback que preserva o bom e direciona a mudança.
Feedback sobre o que você entregou: - O que ficou bom (mantenha): <ex.: a estrutura e a divisão em seções> - O que mudar e por quê: <ex.: o tom está formal demais; quero algo mais casual e direto, porque o público é técnico e informal> Aplique a mudança e, se isso vier de um workflow/skill, atualize a regra lá também para valer nas próximas vezes.
✅ Como verificar: a nova versão mantém o que você elogiou e muda só o apontado. Se houver workflow/skill, confirme que a regra foi atualizada (não só a saída).
Conceitos-chave
Aponte exatamente.
Diga os dois lados.
Explique a razão.
Atualize a regra.
🧑🔬 Tratar o agente como especialista
O que é
O modelo de relacionamento: você é o gerente; a IA é o desenvolvedor. Você define objetivo, contexto e critérios; aprova e revisa. A IA, como um desenvolvedor experiente, escolhe ferramentas, escreve, testa, depura e se auto-corrige. Tratá-la como especialista (e não como uma ferramenta que precisa de micro-instruções) é o que libera o melhor dela.
Diagrama ilustrativo — a relação de mão dupla: você delega resultados e dá feedback; a IA executa e devolve para revisão.
Por que aprender
Quem microgerencia trava a IA no próprio conhecimento limitado. Quem delega (com critérios claros) deixa a IA aplicar todo o repertório dela — e ainda pode pedir que ela explique o porquê das escolhas, virando cada build numa mini-aula.
🎯 Objetivo: delegar como a um especialista e aprender com as escolhas dele.
Aja como um desenvolvedor sênior especialista em <ex.: automações n8n>. Objetivo: <descreva o resultado>. Critérios de sucesso: <ex.: roda sem erro, trata caso de borda X, saída no formato Y>. Você decide a abordagem. Conforme for construindo, explique em 1 linha por que escolheu cada ferramenta ou estrutura importante, para eu aprender. Se eu estiver errado em alguma suposição, me corrija.
✅ Como verificar: a IA toma decisões técnicas e justifica brevemente, em vez de te perguntar "qual ferramenta usar". Você termina entendendo o porquê das escolhas.
Conceitos-chave
Define e aprova.
A IA decide o "como".
Confie no repertório.
Cada build é uma aula.
🔥 Os erros que mais custam token
O que é
Alguns hábitos queimam token e, pior, degradam a qualidade: reutilizar uma conversa inchada para uma tarefa nova, não definir "pronto" (a IA pesquisa demais ou entra em loop), deixar servers MCP ligados à toa (cada um adiciona definições de ferramenta ao contexto), e corrigir a mesma coisa três vezes (sinal de contexto poluído).
O que é?Context rot — a qualidade cai conforme a sessão fica longa; depois de ~60% do contexto, espere mais erros. /clear reinicia a conversa; /compact resume mantendo o essencial.
✓ Economiza token e qualidade
- ✓Uma tarefa por sessão;
/clearantes da próxima. - ✓Definir "pronto" (quantidade/critério) no prompt.
- ✓Desligar servers MCP que não está usando.
- ✓Recomeçar limpo se corrigiu a mesma coisa 2+ vezes.
✗ Queima token e piora a saída
- ✗Usar uma conversa enorme para algo sem relação.
- ✗Pedir sem alvo: "ache uns leads" (loop sem fim).
- ✗Deixar todos os MCP ligados sempre.
- ✗Insistir na mesma sessão depois de 3 correções.
Por que aprender
Token é custo direto, mas o maior preço é a qualidade: contexto inchado faz a IA perder as regras de vista. Saber a estratégia de limiar (verde até 50%, amarelo 50-70%, laranja 70-85% rode /compact, acima de 85% rode /clear) mantém a sessão saudável.
Conceitos-chave
Por sessão.
Evita loop.
Desligue o que não usa.
/clear quando emperra.
✅ Checklist das 12 dicas
O que é
A consolidação dos padrões num checklist de 12 itens que você roda na cabeça antes de cada build. É o resumo prático do módulo — e o cartão de referência que você volta a consultar quando algo "não está rendendo".
Comece sempre em Plan Mode. Pesquisa + perguntas + plano antes de tocar em arquivo.
Seja claro sobre o objetivo. "75 perfis de CEOs de tech", não "monte um scraper".
Defina o que é "pronto". Critério mensurável para a IA parar.
Trate a IA como especialista. Você gerencia; ela desenvolve.
Gerencie o contexto. /compact ~70%, /clear ao trocar de tarefa; uma tarefa por sessão.
Use o loop de auto-melhoria. Feedback específico atualiza o workflow/skill.
Guarde chaves em arquivos de ambiente. Nunca no chat.
Teste com inputs diferentes. Funcionar com 1 input só = script de uma vez.
Salve skills testadas. O que funcionou vira reuso.
Recomece limpo quando travar. Corrigiu a mesma coisa 2+ vezes? /clear e reprompt.
Desligue MCP não usados. Cada um consome contexto.
Assista o build cedo. Aprenda e interrompa se sair do trilho.
🎯 Objetivo: um cabeçalho reutilizável que aplica os padrões de uma vez.
Entre em plan mode e aja como especialista. Antes de construir: pesquise, me faça perguntas e proponha um plano para eu aprovar. Objetivo: <descreva o resultado>. Saída: <formato, quantidade exata, nome do arquivo, pasta>. "Pronto" = <critério mensurável de parada>. Chaves/segredos: leia do arquivo de ambiente, nunca do chat. Ao final, teste com 2-3 inputs diferentes e me mostre os resultados.
✅ Como verificar: a IA responde com plano + perguntas (padrões 1 e 3), respeita o formato e o critério de "pronto", e ao final apresenta testes com inputs variados (dica 8).
Você corrigiu a IA pela terceira vez sobre o mesmo ponto, na mesma conversa longa. Qual é o melhor próximo passo?
📌 Resumo do Módulo
Próximo Módulo:
3.2 — O Ciclo Plan → Build → Troubleshoot → Optimize