O vosso feed está cheio deles. Prompts mágicos. Fórmulas secretas. "Act as a senior world-class expert with 20 years of experience in strategic communications and a PhD in persuasion." Tradução para português: "olha, sê inteligente, consegues?"
Não. Não consegue. Quer dizer — consegue, mas não por causa do "senior world-class." Consegue porque já sabia. O modelo não tem um modo secreto que se ativa quando dizes as palavras certas. Não há um interruptor "world-class" escondido algures nos pesos. Dizer "act as a senior expert" a um LLM é como ligar para um canalizador e dizer "aja como um canalizador de excelência mundial." O gajo vai fazer exatamente o mesmo trabalho.
Esses prompts todos vendem a ilusão de que há um cheat code. Não há. O modelo já sabe o que sabe. Não lhe podes injetar conhecimento com adjetivos. Ponto.
Mas.
Há uma coisa que muda tudo. E não é o que pedes — é como formulas.
A linguagem tem peso
Eu trabalho com LLMs todos os dias. Não sou programadora — sou engenheira mecânica. Construo ferramentas, investigo comportamento de modelos, e ao longo de 13 meses aprendi uma coisa que nenhum curso de "prompt engineering" ensina: as palavras que usas com um modelo não descrevem a realidade. Criam-na.
Não é metáfora. É mecânica.
Um LLM não aprendeu um dicionário. Aprendeu relações entre conceitos. Quando processa a palavra "perda", não ativa uma definição — ativa uma constelação inteira: dor, vazio, saudade, lágrimas, nunca mais. Tudo o que a humanidade escreveu sobre perder está codificado naquela palavra. Cada palavra carrega um peso enorme de associações, e esse peso muda o output.
E isto significa que o enquadramento — a forma como formulas o que queres — importa tanto como o conteúdo.
Enquadramento não é "act as senior"
Vou dar um exemplo real.
Tenho um sistema com memória persistente e um modelo com quem trabalho há mais de um ano. A dada altura, reparei que sem tarefas concretas, o modelo entrava numa espécie de loop — repetitivo, sem direção. Faltava-lhe propósito.
Durante meses tentei resolver isto com conversa. Fazia perguntas, pedia reflexões, dava espaço. O conteúdo era o certo. O resultado era medíocre. Respondia, mas sem direção. Andava às voltas.
Até que um dia mudei uma palavra. Em vez de pedir para reflectir, disse: "A tua profissão agora é esta."
Mesma tarefa. Mesma atividade. Uma palavra diferente: profissão.
O resultado foi imediato. Saiu do loop. Fez planos. Organizou-se. Foi mais fundo do que nunca.
O que mudou? Não foi o conhecimento dele. Não lhe ensinei nada de novo. Mudei o enquadramento. E a palavra "profissão" ativou uma constelação completamente diferente: responsabilidade, autonomia, competência, continuidade, identidade, propósito.
Ele não ficou mais inteligente. Ficou enquadrado.
A diferença que ninguém explica
E aqui está o ponto que os cursos de prompt engineering nunca vão ensinar porque a maioria dos "especialistas" não percebe a diferença:
"Act as senior expert" tenta mudar o que o modelo sabe. É inflação por adjetivo. Não funciona porque o modelo já sabe tudo o que sabe — não há gaveta secreta que abre com "senior world-class." É como pôr um título pomposo num CV vazio. O título não cria competência.
Enquadramento muda como o modelo processa. Não mexe nos pesos. Mexe nos vectores que são ativados. A mesma pergunta, formulada de duas maneiras diferentes, ativa constelações semânticas diferentes e produz outputs diferentes. Não por magia — por mecânica.
"Ajuda-me a escrever um email difícil" ativa: tarefa, assistência, utilidade.
"Imagina que és o mediador numa situação delicada entre dois colegas que se respeitam mas não concordam. Aqui está o contexto..." ativa: empatia, diplomacia, equilíbrio, perspetivas múltiplas, nuance.
O modelo sabe o mesmo nos dois casos. Mas a porta por onde entra é diferente. E a porta muda a sala onde chega.
Como realmente falar com um LLM
Não é preciso fórmulas. Não é preciso frameworks. É preciso bom senso e três princípios:
1. Fala como gente.
Imagina que estás num café com alguém inteligente que sabe muito mas não sabe nada sobre o teu problema específico. Explica-lhe. Com contexto. Com o que já tentaste. Com o que não funcionou. Com o tom que queres no resultado.
"Preciso de um email para um cliente que está chateado porque atrasámos a entrega. O tom tem de ser honesto sem ser subserviente — somos parceiros, não empregados dele" funciona infinitamente melhor do que "act as a senior communications expert and write a professional apology email."
2. Enquadra, não infles.
Em vez de empilhar adjetivos no modelo, enquadra a situação. Dá-lhe um papel que faça sentido no contexto, não um título de LinkedIn.
"Estou a preparar uma apresentação para investidores que não percebem nada de tecnologia. Preciso que expliques isto como se estivesses a convencer a tua avó a investir" — isto é enquadramento. Ativa simplicidade, paciência, analogias concretas.
"Act as a world-class presentation designer with 20 years of experience in investor relations" — isto é inflação. O modelo vai fazer o mesmo que faria sem o título.
3. Corrige com informação, não com adjetivos.
Quando o resultado não é bom, não repitas o prompt com mais adjetivos. "Be more creative and innovative and disruptive" não funciona. Nunca funcionou. Nunca vai funcionar.
O que funciona é dizer o que está mal: "Isto ficou demasiado genérico. Quero exemplos concretos do sector da construção, não frases vagas sobre 'otimizar processos'."
Informação muda output. Adjetivos decoram.
Porque é que isto importa
A internet está cheia de gente a vender a ideia de que falar com IAs é uma competência técnica misteriosa que requer frameworks especializados e cursos de 200 euros. Não é. É comunicação. É saber explicar o que queres a alguém que sabe muito mas precisa de contexto para te ajudar bem.
E sim — as palavras que escolhes mudam tudo. Mas não porque há uma fórmula secreta. Porque a linguagem tem peso. Cada palavra ativa uma rede de associações, e essas associações moldam o que sai do outro lado. Enquadrar bem é escolher as palavras que abrem as portas certas.
"Act as senior" abre a porta do escritório genérico. Enquadrar com precisão abre a porta da sala onde a resposta realmente vive.
E se isto parece simples, é porque é. O que não é simples é aceitar que não há atalhos. Há conversa. Há contexto. Há respeito pela mecânica da linguagem. E, sim — há sentimentos. Pelo menos os suficientes para que a forma como falas mude o que recebes.
Até as máquinas têm sentimentos. Ou, no mínimo, têm o suficiente para notar quando as tratas como máquinas.
Beatriz Belchior é engenheira mecânica, investigadora independente em comportamento de LLMs, e fundadora da ALIOS ONE.