Acesso gratuito — IA como ferramenta

Comunicação estruturada para Inteligência Artificial.

Um guia prático sobre Engenharia de Prompt, Markdown e otimização de tokens. Conhecimento acessível a qualquer área — acadêmica, profissional ou pessoal — para usar a IA como parceira e ferramenta, com rigor, clareza e sem custo.

40% Redução de Tokens
∞ Escalabilidade
0 Alucinações
# PROTOCOLO OPERACIONAL
1. RIGOR LÓGICO: Valide premissas
2. TOLERÂNCIA ZERO: Sem alucinações
3. OUTPUT CRU: Apenas código
4. SEGURANÇA: CSP obrigatória
5. ACESSIBILIDADE: prefers-reduced-motion
6. ECONOMIA: Restrição negativa
01

Markdown Universal

O padrão global para documentação técnica, versionamento e estruturação de dados legíveis por humanos e máquinas.
02

Espaço Latente

Como mapear skills e protocolos operacionais dentro das limitações arquiteturais reais dos modelos de linguagem.
03

Economia de Tokens

Restrições negativas e output cru para reduzir custos computacionais e latência em APIs de alto volume.
Metodologia

Endossado por princípios de Engenharia de Software.

O Claritas não utiliza "achismos" ou personas mágicas. Todo o conteúdo aqui é fundamentado em Engenharia de Software e Cibersegurança.

Ensinamos você a tratar a IA como uma ferramenta de processamento probabilístico, aplicando validação de premissas, tolerância zero a alucinações e design defensivo desde a concepção do prompt.

A Base: Markdown

O padrão global para documentação técnica, READMEs, Wikis e controle de versão. Criado por John Gruber em 2004 com o objetivo de ser legível até mesmo em texto puro.

Navegar
Títulos Ênfase Listas Links Imagens Citações Código Tabelas README Completo

Títulos e Hierarquia

Use cerquilhas (#) para definir a hierarquia. O número de cerquilhas indica o nível do título. Boa prática: Use apenas um H1 por página (o título principal) e organize o resto em H2 e H3.

Markdown

# Título Principal
## Seção
### Subseção
#### Tópico

Resultado

Título Principal

Seção

Subseção

Tópico

Ênfase e Formatação

Markdown usa asteriscos ou underlines para ênfase. Evite usar CAIXA ALTA para gritar; use negrito para destacar conceitos-chave.

Markdown

**Negrito** ou __Negrito__
*Itálico* ou _Itálico_
~~Tachado~~
***Misto***

Resultado

Negrito
Itálico
Tachado
Misto

Listas

Essenciais para escaneabilidade. Use listas não ordenadas para itens sem hierarquia e ordenadas para passos sequenciais.

Markdown

1. Primeiro
2. Segundo
3. Terceiro

---

* Item A
* Item B
  * Subitem B1

Resultado

  1. Primeiro
  2. Segundo
  3. Terceiro
  • Item A
  • Item B
    • Subitem B1

Links e Âncoras

A sintaxe é [Texto Visível](URL). Dica de Acessibilidade: Evite "clique aqui". Use descrições claras como "leia a documentação oficial".

Markdown

[Markdown Guide](https://www.markdownguide.org)
https://url-direta.com

Resultado

Markdown Guide
https://url-direta.com

Imagens

Semelhante ao link, mas com um ponto de exclamação ! no início. O texto entre colchetes é o Alt Text, obrigatório para leitores de tela e SEO.

Markdown

![Logotipo Claritas](assets/logo-light.png)

Resultado

Logotipo Claritas

Citações (Blockquotes)

Use o sinal > para destacar trechos de outros autores, notas de aviso ou definições importantes.

Markdown

> A simplicidade é o último
> grau de sofisticação.
>
> — Leonardo da Vinci

Resultado

A simplicidade é o último grau de sofisticação.
— Leonardo da Vinci

Código

Fundamental para documentação técnica. Use crase simples para inline e tripla para blocos.

Markdown

Função `console.log()`
para depurar.

```javascript
function hello() {
  return "Claritas";
}
```

Resultado

Função console.log() para depurar.

function hello() {
  return "Claritas";
}

Tabelas

Use pipes | e hífens - para estruturar dados tabulares.

Markdown

| Nome   | Tipo   |
|--------|--------|
| Clara  | Admin  |
| João   | Editor |

Resultado

NomeTipo
ClaraAdmin
JoãoEditor

Exemplo Completo de README

Veja como todos os elementos se combinam em um README real. Compare o código Markdown com o resultado renderizado.

README.md

# Meu Projeto

> Ferramenta CLI para validação de Markdown.

## Instalação

```bash
npm install meu-projeto
```

## Uso

```bash
meu-projeto --input README.md
```

## Funcionalidades

-   Validação de sintaxe
-   Export para HTML
-   Suporte a **tabelas** e `código inline`

## Licença

MIT

Resultado

Meu Projeto

Ferramenta CLI para validação de Markdown.

Instalação

npm install meu-projeto

Uso

meu-projeto --input README.md

Funcionalidades

  • Validação de sintaxe
  • Export para HTML
  • Suporte a tabelas e código inline

Licença

MIT

Engenharia: O Espaço Latente

Prompt é mapeamento de probabilidades, não mágica.

Atenção: Modelos não possuem personalidades reais. Pedir para um modelo leve "atuar como um modelo denso" é uma falha lógica de arquitetura. O modelo não tem os pesos neurais necessários.
Para que serve: tudo aqui é coadjuvante: o prompt final, o Markdown e as skills ajudam você a criar um prompt profissional para usar em outra IA, agente ou ferramenta externa. O formato Markdown potencializa esse uso — estrutura legível e parseável; hierarquia clara de instruções; economia de tokens (menos ruído); contexto preservado; e restrições explícitas que reduzem alucinações.

Skills com Base Acadêmica

Cada skill abaixo é fundamentada em literatura de referência (papers acadêmicos e livros de engenharia).

1. Validação de Premissas (Chain-of-Thought)

Exigir que o modelo liste premissas, valide a lógica e identifique lacunas antes de responder. Isso reduz alucinações e conclusões precipitadas.

Base teórica: Wei, Jason et al. "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models". NeurIPS, 2022.

Aplicação: Antes de gerar código, o modelo deve listar as premissas do problema e validar cada uma.

2. Restrição Negativa (Output Cru)

Usar diretivas do tipo "NÃO inclua...", "PROIBIDO..." para podar comportamentos verbosos padrão do modelo. Reduz 30-50% no consumo de tokens de saída.

Base teórica: Phoenix, James; Corbin, Mike. "Prompt Engineering for Generative AI". O'Reilly Media, 2023.

Aplicação: "NÃO inclua explicações. NÃO use saudações. Forneça APENAS o código."

3. Contratos de Interface (Output Estruturado)

Definir schema JSON, template HTML ou estrutura Markdown rigorosa como contrato entre humano e IA. Output determinístico e parseável.

Base teórica: Winters, Hyrum; Manshreck, Titus; Wright, Davor. "Software Engineering at Google". O'Reilly, 2020.

Aplicação: "Responda APENAS com JSON neste formato: { "nome": "", "tipo": "" }"

4. Espaços Latentes e Limites Arquiteturais

Mapear o que um modelo pode versus o que ele finge poder fazer. Evitar prompts do tipo "atue como um modelo maior" — ele não tem os pesos neurais necessários.

Base teórica: Christian, Brian. "The Alignment Problem: Machine Learning and Human Values". W. W. Norton & Company, 2020.

Aplicação: Em vez de "atue como GPT-5", defina skills específicas que o modelo atual possui.

5. Economia Computacional

Entender a relação entre tamanho de contexto, tokens processados e custo real de execução para escolher o modelo adequado para cada tarefa.

Base teórica: Kaplan, Jared et al. "Scaling Laws for Neural Language Models". arXiv:2001.08361, 2020.

Aplicação: Tarefas simples (resumo) usam modelos pequenos (Gemini Flash). Tarefas complexas (código) usam modelos grandes (GPT-4o).

Frameworks de Prompt

Estruturas para organizar o pedido — não garantias de resultado.

Antes de escolher um formato: framework nenhum substitui contexto, critério de sucesso e verificação. Um prompt bem estruturado sobre uma premissa falsa continua produzindo uma resposta falsa.

Esta aba separa duas coisas que costumam ser misturadas: frameworks de composição, que definem como o pedido é montado, e técnicas acadêmicas, que definem que tipo de raciocínio você pede à IA-alvo. O Playground gera prompts nos três formatos da primeira seção; as técnicas da segunda entram no texto que você leva para outra IA.

0. Como o pedido é estruturado

Antes de escolher técnica ou formato, defina o tipo de instrução. A IBM separa três: direta, aberta e específica de tarefa. Cada uma pede um grau diferente de detalhe.

Instrução direta

Comando claro e específico. Ideal quando o usuário sabe exatamente o que quer.

Exemplo de prompt

Escreva um poema sobre a natureza.

Fonte: IBM Think — Técnicas de engenharia de prompts.

Instrução aberta

Menos restritiva; incentiva exploração e criatividade. Útil para brainstorming.

Exemplo de prompt

Fale sobre o universo.

Fonte: IBM Think — Técnicas de engenharia de prompts.

Instrução específica de tarefa

Criada para tarefas precisas: tradução, sumarização, cálculo. Pode incluir contexto ou exemplos.

Exemplo de prompt

Traduza para o francês: 'Olá.'

Fonte: IBM Think — Técnicas de engenharia de prompts.

1. Frameworks de composição

Escolha pelo critério que mais muda a resposta. Não empilhe formatos: um pedido com RACE e CO-STAR ao mesmo tempo vira um questionário.

RACE — Papel, Ação, Contexto, Expectativa

Quatro elementos: o papel concreto da IA-alvo, uma ação com entregável verificável, o contexto que muda o resultado e a expectativa (formato, extensão e critério de sucesso). É o formato padrão do Arquiteto deste portal; a saída sai como texto natural, sem rótulos.

Recomendado para: delegar a agentes e tarefas com entregável claro — skill, plano, revisão, código. Evite quando: o estilo e o público são o ponto principal; nesse caso, CO-STAR dá mais controle.

Fonte: Framework de composição usado neste portal. Não é um paper acadêmico: é uma convenção de organização do pedido.

Exemplo de prompt

Você é um revisor de código sênior. Revise o diff abaixo e aponte apenas riscos reais.

Contexto: serviço de pagamentos em Node.js; o diff altera o cálculo de frete.

Entregue: lista de achados com arquivo:linha, severidade e correção sugerida.

Formato: Markdown, no máximo 8 itens, sem elogios nem resumo executivo.

CO-STAR — Contexto, Objetivo, Estilo, Tom, Público, Resposta

Criado por Sheila Teo (GovTech Singapura) para a competição de prompt engineering com GPT-4 em 2023. Seis blocos, com atenção explícita a estilo, tom e público — útil quando a forma da resposta importa tanto quanto o conteúdo.

Recomendado para: conteúdo editorial, comunicação executiva, atendimento, tradução com tom definido e qualquer tarefa em que público e registro mudam a resposta. Evite quando: o pedido é técnico e o tom é irrelevante; os blocos de estilo e tom viram ruído.

Fonte: Sheila Teo, How I Won Singapore's GPT-4 Prompt Engineering Competition, Towards Data Science, 2023; GovTech Singapore.

Exemplo de prompt

Contexto: somos uma fintech que acabou de mudar a política de tarifas.
Objetivo: comunicar a mudança sem perder a confiança dos clientes.
Estilo: direto e transparente, sem juridiquês.
Tom: tranquilizador, mas sóbrio.
Público: clientes pessoa física que usam a conta há mais de um ano.
Resposta: e-mail de até 180 palavras, com assunto e um próximo passo claro.

CRISPE — Capacidade e Papel, Insight, Tarefa, Personalidade, Experimento

Formato divulgado por Matt Nigh na lista aberta ChatGPT3-Free-Prompt-List (2023). Define capacidade e papel, traz um insight de contexto, declara a tarefa, ajusta personalidade e pede experimentos — útil para explorar variantes em vez de fechar um único pedido.

Recomendado para: brainstorming, design de prompts e tarefas ambíguas que se beneficiam de alternativas. Evite quando: você precisa de resposta determinística e curta; o bloco de experimento convida à variação.

Fonte: Matt Nigh, ChatGPT3-Free-Prompt-List (GitHub, 2023).

Exemplo de prompt

Capacidade e papel: estrategista de produto sênior, com experiência em SaaS B2B.
Insight: o produto é bom, mas o onboarding perde usuários no terceiro passo.
Tarefa: proponha hipóteses para reduzir o abandono nesse ponto.
Personalidade: cético, direto e orientado a evidências.
Experimento: gere 3 hipóteses, uma métrica para cada e o teste mais barato para validá-las.

2. Técnicas acadêmicas (camada opcional)

Elas não substituem o framework: entram como instrução dentro do prompt. Só funcionam se o modelo-alvo tiver capacidade para seguir os passos; pedir raciocínio passo a passo a um modelo pequeno pode piorar a resposta.

Chain-of-Thought (CoT)

Pedir que o modelo explicite etapas intermediárias antes da resposta final. Funciona melhor em tarefas de raciocínio com várias etapas; não é sinônimo de pensar mais em qualquer tarefa.

Use para: aritmética, lógica e análises com etapas encadeadas. Evite para: recuperação factual simples, em que etapas extras só aumentam custo e latência.

Exemplo de prompt

Resolva passo a passo. Mostre cada etapa antes da resposta final e confira o resultado.

ReAct

Alterna raciocínio e ação: o modelo pensa, consulta uma ferramenta ou fonte, observa o resultado e repete. Depende de ferramentas reais no ambiente — pedir para usar a internet sem busca conectada é encenação.

Use para: tarefas que exigem busca, cálculo externo ou consulta a APIs. Evite quando: não há ferramenta conectada disponível.

Exemplo de prompt

A cada etapa: (1) diga o que falta descobrir; (2) use a ferramenta disponível; (3) observe o resultado; (4) repita até concluir. Não invente observações.

Self-Consistency

Gera vários caminhos de raciocínio independentes e escolhe a resposta mais frequente. É um método de amostragem, não uma frase mágica: exige múltiplas chamadas ou suporte do provedor.

Use para: respostas com um único resultado correto e custo de erro alto. Evite quando: a tarefa é aberta ou criativa, ou quando várias amostras custam mais do que o erro evitado.

Exemplo de prompt

Produza três raciocínios independentes sobre o problema. Compare as conclusões e responda com a que aparecer na maioria.

Least-to-Most

Decompõe o problema em subproblemas e os resolve em ordem crescente de dificuldade, reutilizando a resposta anterior. Útil quando a tarefa tem dependências internas.

Use para: problemas decomponíveis, planejamento e matemática com etapas. Evite quando: a decomposição é artificial e só alonga a resposta.

Exemplo de prompt

Liste os subproblemas em ordem de dependência. Resolva o mais simples primeiro e use cada resultado no seguinte.

Zero-shot

Pede a tarefa sem exemplos ou orientação prévia. Depende do conhecimento pré-treinado do modelo.

Use para: tarefas simples e claras. Evite quando: o formato ou o tom são incomuns.

Exemplo de prompt

Explique a mudança climática, suas causas e efeitos em termos simples.

Fonte: IBM Think — Técnicas de engenharia de prompts.

Few-shot

Inclui um pequeno número de exemplos para demonstrar a tarefa e o formato esperado.

Use para: tarefas com formato ou estilo específico. Evite quando: os exemplos são longos ou enviesados.

Exemplo de prompt

Tópico: Fotossíntese\nExplicação: plantas convertem luz, água e CO₂ em energia e oxigênio.\n\nTópico: Gravidade\nExplicação: força que puxa objetos, como a Terra nos puxa.\n\nAgora explique: Mudança Climática.

Fonte: IBM Think — Técnicas de engenharia de prompts.

Tree of Thoughts (ToT)

Explora vários ramos de raciocínio antes de chegar ao resultado final. Útil para problemas que exigem deliberação.

Use para: decisões complexas, planejamento. Evite quando: a tarefa é direta e a exploração só aumenta custo.

Exemplo de prompt

Liste três formas de explicar mudança climática ao público geral. Para cada, descreva vantagens e desvantagens. Escolha a melhor e desenvolva.

Fonte: IBM Think — Técnicas de engenharia de prompts. arXiv:2305.10601

Reflexion

O modelo avalia sua saída anterior e a refina para maior precisão ou coerência.

Use para: revisão iterativa, melhoria de qualidade. Evite quando: o custo de múltiplas rodadas não se justifica.

Exemplo de prompt

Aqui está minha primeira tentativa de explicar mudança climática: [saída]. Revise e melhore a clareza e a precisão.

Fonte: IBM Think — Técnicas de engenharia de prompts. arXiv:2303.11366

Prompt chaining

Vincula vários prompts em sequência, onde a saída de um alimenta o próximo. Ideal para processos multietapas.

Use para: tarefas com etapas dependentes. Evite quando: a cadeia pode ser colapsada em um único prompt.

Exemplo de prompt

Prompt 1: O que é mudança climática? Definição breve.\nPrompt 2: Quais as causas primárias?\nPrompt 3: Quais os efeitos no meio ambiente e na vida humana?

Fonte: IBM Think — Técnicas de engenharia de prompts.

Meta-prompting

Pede ao modelo que gere ou refine seus próprios prompts para executar melhor a tarefa.

Use para: melhorar a qualidade da saída por autodirecionamento. Evite quando: o modelo não tem capacidade de autocrítica.

Exemplo de prompt

Crie um prompt que o ajude a explicar mudança climática, suas causas e efeitos em termos simples.

Fonte: IBM Think — Técnicas de engenharia de prompts. arXiv:2311.11482

Generated knowledge

Pede ao modelo que gere conhecimento prévio antes da tarefa principal, aprimorando respostas informadas.

Use para: tarefas que exigem contexto científico ou técnico. Evite quando: o conhecimento gerado pode ser impreciso.

Exemplo de prompt

Antes de explicar mudança climática, liste os princípios científicos-chave. Depois, use-os para explicar o conceito, causas e efeitos.

Fonte: IBM Think — Técnicas de engenharia de prompts. arXiv:2110.08387

Prompt ativo

Ajusta dinamicamente o prompt com base em resultados intermediários, refinando a entrada.

Use para: refinamento iterativo. Evite quando: o ciclo de ajuste não agrega valor.

Exemplo de prompt

Explique mudança climática em termos simples.\n\nAdicione mais detalhes sobre as causas, focando em atividades humanas.

Fonte: IBM Think — Técnicas de engenharia de prompts. arXiv:2302.12246

Diretiva de estímulo (DSP)

Usa pistas direcionais para levar o modelo a um tipo específico de resposta ou perspectiva.

Use para: controlar tom e perspectiva. Evite quando: a direção é vaga ou contraditória.

Exemplo de prompt

Explique mudança climática do ponto de vista de um ambientalista, focando na necessidade de ação imediata.

Fonte: IBM Think — Técnicas de engenharia de prompts. arXiv:2302.12173

Papel e persona

Atribui um papel (professor, consultor, etc.) para orientar conteúdo e tom. Amplamente usado na prática.

Use para: quando o estilo e o público definem a resposta. Evite quando: o papel é genérico ou irrelevante.

Exemplo de prompt

Você é um especialista em finanças para casais. Em linguagem acessível, elabore um passo a passo para evitar conflitos financeiros no casamento.

Fonte: InfoMoney — Guia de prompts.

Formato específico

Especifica a forma de apresentação: tabela, lista, tópicos, JSON. Quanto mais específico o comando, mais direta a resposta.

Use para: quando a forma de entrega importa tanto quanto o conteúdo. Evite quando: o formato restringe demais a resposta.

Exemplo de prompt

Monte uma tabela comparando três carros elétricos com colunas de autonomia, custo-benefício, recarga e perfil ideal.

Fonte: InfoMoney — Guia de prompts.

Técnicas que exigem infraestrutura

Estas não se resolvem com texto sozinho: dependem de sistemas conectados. O prompt pode instruir a IA-alvo a usá-los, mas o ambiente precisa fornecê-los.

RAG

Combina recuperação de informações externas com geração. O prompt instrui a IA-alvo a usar documentos fornecidos.

Requer: base de documentos e mecanismo de busca. Use para: perguntas sobre dados específicos.

Exemplo de prompt

Usando os dados de temperatura da NASA, explique mudança climática em termos simples.

Fonte: IBM Think — Técnicas de engenharia de prompts. arXiv:2005.11401

ReAct

Alterna raciocínio e ação: pensa, consulta ferramenta, observa, repete. Depende de ferramentas reais.

Requer: ferramentas conectadas (busca, API, calculadora). Use para: tarefas que exigem dados externos.

Exemplo de prompt

A cada etapa: (1) diga o que falta descobrir; (2) use a ferramenta; (3) observe; (4) repita. Não invente observações.

Fonte: IBM Think — Técnicas de engenharia de prompts. arXiv:2210.03629

PALM

Integra programação para aumentar raciocínio e cálculo. O prompt instrui a IA-alvo a gerar código.

Requer: execução de código. Use para: visualização, cálculo, análise de dados.

Exemplo de prompt

Escreva código Python para visualizar o aumento de temperaturas globais. Depois explique como isso se relaciona com mudança climática.

Fonte: IBM Think — Técnicas de engenharia de prompts. arXiv:2211.10435

CoT multimodal

Integra raciocínio em várias modalidades: texto, imagens, áudio.

Requer: modelo multimodal. Use para: análise de imagens, gráficos, documentos visuais.

Exemplo de prompt

Analise este infográfico sobre tendências de aquecimento global e explique mudança climática passo a passo.

Fonte: IBM Think — Técnicas de engenharia de prompts. arXiv:2302.00923

Graph prompting

Aproveita estruturas baseadas em gráficos para organizar e raciocinar sobre relações complexas.

Requer: dados em grafo. Use para: redes de conhecimento, relações entre entidades.

Exemplo de prompt

Usando o grafo de emissões de CO₂ ao longo do tempo, explique como isso se relaciona com mudança climática.

Fonte: IBM Think — Técnicas de engenharia de prompts.

Erros comuns ao criar prompts

Cinco erros frequentes, com a correção. Adaptado do guia da InfoMoney.

1. Solicitação vaga

Prompt genérico gera resposta genérica. Adicione detalhes: público, extensão, contexto.

Exemplo fraco

Fale sobre viagens.

Versão melhor

Liste cinco destinos na América do Sul para quem vai viajar em 2025 com orçamento de até R$ 5.000.

2. Muitas tarefas no mesmo pedido

Reunir várias demandas confunde a IA e aumenta respostas incompletas. Peça uma coisa por vez.

Exemplo fraco

Explique a Selic, faça uma tabela do impacto e traduza para o inglês.

Versão melhor

Explique o que é a taxa Selic em até 150 palavras para leigos.

3. Sem tom ou público-alvo

O mesmo conteúdo pode vir técnico ou didático. Defina para quem e em qual registro.

Exemplo fraco

Explique o que é fração.

Versão melhor

Explique o que é fração para alunos de 10 anos, usando exemplos visuais como pizza.

4. Sem formato ou tamanho

Sem parâmetros, a IA entrega algo diferente do esperado. Diga lista, tabela, tópicos ou texto corrido.

Exemplo fraco

Resuma o livro Dom Casmurro.

Versão melhor

Resuma Dom Casmurro em até 1000 palavras, com subtítulos, listas e linguagem narrativa.

5. Não refinar

Ajuste o prompt a cada retorno em vez de refazer do zero. Mantenha o que funcionou e mude uma coisa por vez.

Exemplo fraco

Refaça tudo de outro jeito.

Versão melhor

Mantenha a introdução, mas reescreva os exemplos em linguagem mais simples e resumida.

Checklist antes de enviar

Cinco verificações rápidas. Adaptado do guia da InfoMoney.

  • O objetivo é verificável? (entregável claro, não vago)
  • Público e tom estão definidos?
  • Formato e tamanho estão especificados?
  • Exemplos são necessários? Se sim, estão incluídos?
  • Há critério de verificação ou plano de refinamento?

Como escolher sem decorar sigla

Se o entregável é claro e o tom não importa, use RACE. Se o público e o registro decidem a resposta, use CO-STAR. Se você quer explorar alternativas antes de fechar, use CRISPE. Se o problema exige raciocínio em etapas, acrescente uma técnica acadêmica — desde que o modelo-alvo tenha capacidade para segui-la. E sempre verifique o resultado: o formato organiza o pedido, não garante o acerto.

Teste agora: abra o Playground, selecione Arquiteto de Prompts e escolha RACE, CO-STAR ou CRISPE no seletor de formato.

Fontes e nota de rigor

Leitura de base: Schulhoff et al., The Prompt Report: A Systematic Survey of Prompting Techniques (arXiv:2406.06608, 2024). Padrões reutilizáveis: White et al., A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT (arXiv:2302.11382, 2023). Nota de rigor: CO-STAR e CRISPE são frameworks de prática, com autores identificáveis, mas sem revisão por pares. As técnicas da seção 2 vêm de papers com autoria e veículo verificáveis — Wei et al. (NeurIPS 2022), Yao et al. (ICLR 2023), Wang et al. (ICLR 2023) e Zhou et al. (ICLR 2023). Fontes adicionais: IBM Think — Técnicas de engenharia de prompts (taxonomia das técnicas e exemplos); InfoMoney — Guia de prompts (erros comuns e checklist prática). Nenhuma dessas fontes promete que um prompt funcionará em qualquer modelo: os modelos mudam, e o mesmo texto pode falhar em outro.

Economia de Tokens

Cada palavra gerada custa processamento. Em APIs de alto volume, a otimização é obrigatória.

Simulador Interativo

Digite ou cole um prompt verboso no campo esquerdo. Clique em "Gerar Versão Claritas" para ver automaticamente uma versão otimizada e comparar o custo.

Comparador de Custo

~68 tokens
~0 tokens
0%
Economia de Tokens

Técnica: Output Cru

Utilize a Restrição Negativa para podar o comportamento padrão do modelo. Dizer o que a IA não deve fazer é a forma mais rápida de economizar tokens.

REGRAS DE OUTPUT:
- Forneça APENAS o código HTML puro.
- NÃO inclua explicações, saudações ou comentários finais.
- Comece com <!DOCTYPE html> e termine com </html>.

Contador de Tokens

Estime quantos tokens seu prompt consumiria em modelos pagos de mercado. Use para comparar custos antes de escolher a IA.

Calculadora de Custo Real

Cole seu texto abaixo e selecione o modelo pago que você pretende usar. Uma IA fixa (gratuita) faz a contagem precisa de tokens e o sistema multiplica pelo preço atual do mercado — você vê o custo real que pagaria.

Playground de Prompt

Compare respostas de 2 a 3 modelos gratuitos do OpenRouter em paralelo.

Configuração

Escolha os modelos a serem comparados, envie seu prompt e receba as respostas lado a lado.

Ctrl+Enter para enviar

Sobre o Claritas

Transparência, metodologia e as fontes que embasam este guia.

O Propósito

O Claritas é um portal gratuito que une dois mundos frequentemente isolados: a Documentação Técnica (Markdown) e a Engenharia de Prompt para Inteligência Artificial.

Nosso objetivo é dar acesso — de forma livre e sem custo — a quem quer utilizar prompts em agentes de trabalho, estudos ou projetos pessoais, com mais precisão e melhores resultados. Acreditamos que a forma como você estrutura a informação (seja para um humano ler um README ou para uma IA processar um prompt) determina a qualidade do resultado final. Clareza não é estética; é eficiência.

Sabemos que o mercado de trabalho atual exige, cada vez mais, saber usar a IA e construir prompts. O Claritas existe, então, com um duplo propósito: transmitir conhecimento — para quem quer aprender com calma — e acelerar o trabalho — para quem tem a urgência de produzir resultados rápidos em ambientes exigentes, com prompts prontos e confiáveis.

O Claritas é o ponto de partida desse propósito profissional: aqui está o acesso simples à prática e ao conhecimento, pensado para ser facilmente absorvido, respeitando as variadas subjetividades e níveis de conhecimento de quem chega. Os demais projetos — como o Cuidar ERP — são esse mesmo princípio já aplicado: sistemas completos e facilitados para o usuário, nascidos da mesma vontade de aproximar tecnologia e pessoas.

Interdisciplinaridade

Conhecimento de prompt não é exclusividade de TI — é uma habilidade transversal. O Claritas convida você a mesclar demandas sociais do cotidiano — acadêmicas, profissionais ou pessoais — com o uso da tecnologia: as IAs atuam como parceiras e ferramentas no seu auxílio, não como substitutas.

  • Acadêmico: estruturação de pesquisa, revisão de literatura, organização de escrita.
  • Profissional: e-mails e relatórios precisos, automação de tarefas, agentes de trabalho.
  • Pessoal: planejamento, aprendizado, clareza em decisões do dia a dia.

Dessa forma, o Claritas expande a valorização das IAs como ferramenta e melhora o acesso para qualquer pessoa desfrutá-las — independentemente da área — promovendo uma verdadeira interdisciplinaridade.

Como usar

Metodologia

Todo o conteúdo aqui é validado sob a ótica da Engenharia de Software e da Cibersegurança. Não ensinamos "truques" ou "hacks" mágicos. Ensinamos protocolos:

  • Rigor Lógico: Validação de premissas antes da execução.
  • Segurança por Design: Prevenção de injeção de prompt e vazamento de dados.
  • Eficiência Computacional: Respeito aos limites de tokens e latência das APIs.

Referências e Créditos

O Claritas é um projeto de curadoria e aplicação prática. Agradecemos e referenciamos as autoridades que tornam o ecossistema Markdown possível:

John Gruber

Criador do Markdown em 2004. Sua filosofia de "legibilidade acima de tudo" é a base de toda documentação moderna.

The Markdown Guide

Referência completa e open-source mantida por Matt Cone. Utilizado como base teórica para a expansão dos conceitos de sintaxe.

markdownguide.org

CommonMark

A especificação forte e padronizada para o Markdown. Essencial para entender a base técnica que unifica os diferentes "flavors" da linguagem.

commonmark.org

Internacionalização (Roadmap)

Status: Atualmente, o Claritas está disponível em Português (PT-BR), Inglês (EN) e Chinês Simplificado (ZH).

Versões em outros idiomas estão sendo expandidas conforme a demanda. O foco continua em performance máxima (zero inchaço de DOM) e tipografia consistente.