Prompt

É tudo o que é enviado ao modelo em uma chamada: a instrução de sistema, o histórico da conversa, os documentos recuperados, os exemplos e a mensagem do usuário. Não é apenas “a pergunta”, mas o pacote completo de contexto que o modelo recebe para produzir a resposta. A qualidade da saída depende muito do prompt. Em muitos casos, a diferença entre um prompt bem construído e um mal construído é maior do que a diferença entre dois modelos da mesma geração. Em produtos, o prompt costuma ser montado automaticamente pelo sistema a cada chamada, combinando partes fixas (instruções) e partes variáveis (dados do usuário, documentos, histórico).

Em Produto, o prompt deve ser tratado como código: versionado, testado contra um conjunto de avaliação e com um dono responsável. Mudar uma frase da instrução de sistema pode alterar o comportamento do produto em casos que ninguém testou. Por isso, nenhuma mudança de prompt deveria ir para produção sem uma avaliação de regressão, do mesmo jeito que nenhuma mudança de código vai sem testes. O time de Produto costuma ser quem melhor conhece o comportamento esperado e, por isso, tem papel ativo na escrita e na revisão de prompts, especialmente das regras de negócio, do tom e do que o sistema nunca deve fazer.

Use prompt para o artefato em si: o conjunto de instruções e informações enviado ao modelo. Use prompt engineering para a prática de escrever e refinar esse artefato. Use context engineering para a prática de decidir, de forma dinâmica, o que entra no prompt em cada chamada, especialmente em sistemas com RAG, ferramentas e memória. Uma forma simples de diferenciar: prompt é o que o modelo recebe; prompt engineering é como escrevemos; context engineering é como escolhemos o que incluir.

Termo de interface de linha de comando; passou a designar a entrada de modelos generativos com GPT-2/GPT-3 (2019-2020).

OpenAI Platform docs, Prompt engineering; Anthropic docs, Prompt engineering overview