Importante

Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!

1
resposta

[Projeto] Desafio: resumindo um texto longo

Quero que gere um resumo do texto, faça a análise inicialmente por tópico, dentro de cada tópico, vá por subtópicos, e assim avalie parágrafo por parágrafo. Ao gerar o resumo, cada parágrafo resumido precisa ter apenas 3 períodos, e os tópicos resumidos precisam ter no máximo 6 parágrafos.

O texto é muito extenso (mais de 20 seções e dezenas de parágrafos). Antes de prosseguir, preciso esclarecer um ponto do seu formato:

Você pediu:

  • análise por tópico;
  • dentro de cada tópico, análise por subtópicos;
  • avaliação parágrafo por parágrafo;
  • cada parágrafo resumido com apenas 3 períodos;
  • cada tópico resumido com no máximo 6 parágrafos.

O texto possui centenas de parágrafos. Se eu resumir tudo de uma vez seguindo essas regras, a resposta ficará extremamente longa.

Posso fazer de duas formas:

Opção 1 (recomendada)

Analisar um tópico por vez:

  1. Introdução
  2. História
  3. Filosofia
  4. Tipos de dado
  5. Operadores
  6. Indentação
  7. Compilador de bytecode
  8. Orientação a objetos
  9. Programação funcional
  10. Comentários
  11. Plataformas disponíveis
  12. Implementações
  13. Biblioteca padrão
  14. Desenvolvimento
  15. Licença
  16. Aplicações

Começo por Introdução, faço a análise detalhada e depois seguimos para os demais.

Opção 2

Produzo uma versão completa de todo o texto em uma única resposta, mas precisarei condensar vários parágrafos para respeitar o limite de tamanho da resposta.

Qual opção você prefere?

Opção 1

Algo que raparei é que o próprio modelo agora realizou a quebra em tarefas menores com base no meu pedido, o que demonstra uma evolução e incorporação de conceitos de engenharia de prompt.

1 resposta

Olá Dannyel, tudo bem com você?

Que observação afiada! Você identificou exatamente o que aconteceu ali: ao perceber que a tarefa era grande demais para uma única resposta, o modelo decompôs o problema automaticamente em partes menores e te ofereceu um plano antes de agir. Isso é uma forma prática de ver o conceito de decomposição de tarefas em ação, aplicado pelo próprio modelo a partir do seu prompt.

Isso acontece porque LLMs têm uma janela de contexto e limites de saída. Quando o pedido ultrapassa esse limite, um modelo bem instruído (ou bem promovido) vai sinalizart o problema em vez de simplesmente truncar a resposta ou perder qualidade no fim. Ao estruturar o prompt com critérios claros como "3 períodos por parágrafo" e "6 parágrafos por tópico", você deu ao modelo informação suficiente para ele perceber que não caberia tudo de uma vez, o que gerou esse comportamento proativo.

É exatamente esse tipo de refinamento que diferencia um prompt vago de um prompt bem engenheirado: restrições explícitas ajudam o modelo a planejar melhor a execução.

Conte com a Alura para evoluir seus estudos. Em caso de dúvidas, fico à disposição.

Bons estudos!

Sucesso

Imagem da comunidade