Olá pessoal! Tudo bem com vocês?
Acabei de concluir a atividade prática sobre os princípios fundamentais de Engenharia de Prompt e queria compartilhar algumas reflexões sobre os resultados que obtive testando o exercício do jogo "Detetive".
Foi muito interessante perceber na prática como a forma que nos comunicamos com a IA dita a qualidade (e a confiabilidade) da resposta.
- O Prompt Simples (Direto ao ponto)
Quando testei o primeiro prompt, enviando apenas as dicas e as alternativas, o modelo me entregou a resposta correta de cara: (a) Sim.
Porém, como desenvolvedores, sabemos que confiar cegamente em uma saída sem entender o processamento é um risco enorme. A IA acertou, mas se a lógica fosse um pouco mais complexa, a chance de uma alucinação seria altíssima, pois ela não teve "espaço" para estruturar o raciocínio.
- O Prompt Estruturado (Chain of Thought / Passo a Passo)
Ao testar o segundo prompt, que obrigava a IA a seguir um procedimento em 3 passos, o resultado foi espetacular. O modelo gerou uma resposta muito mais robusta, fazendo a dedução lógica explicitamente:
Passo 1: Ele isolou a Dica 3 (Coronel Mostarda era o único no observatório) e a Dica 5 (A pessoa com o castiçal estava no observatório).
Passo 2: Ele cruzou as duas informações. Se o Coronel era o único no local e o castiçal estava lá, obrigatoriamente ele estava com o castiçal.
Passo 3: Mapeou perfeitamente para a alternativa (A).
- Trazendo para o mundo real (Desenvolvimento)
Isso abriu muito a minha cabeça para o dia a dia trabalhando com código. Muitas vezes colamos um bloco de código que está com erro e pedimos: "Corrija esse bug". A IA simplesmente cospe um código novo que, muitas vezes, quebra outras partes do sistema.
Aplicando o que aprendemos nessa aula, fiz um teste com um script meu pedindo para a IA seguir passos estritos:
Primeiro, analise o código e explique o fluxo de dados.
Segundo, identifique o gargalo de performance ou erro de lógica.
Terceiro, reescreva o método aplicando princípios de Clean Code.
Quarto, justifique o porquê a sua solução é melhor.
O resultado foi absurdamente superior! A técnica de quebrar tarefas complexas em subtarefas (também conhecida como Chain of Thought ou Cadeia de Pensamento) é um divisor de águas na forma como consumimos IA generativa.
Alguém mais testou esses princípios em tarefas do trabalho ou do dia a dia? Compartilhem aqui os resultados de vocês!
Um abraço e bons estudos!
