Olá, Maria. Como vai?
Excelente aplicação da técnica de Few-Shot Prompting! Você utilizou exemplos claros para guiar a IA, o que é uma das estratégias mais eficazes na Engenharia de Prompt para obter respostas precisas e no formato desejado.
Analisando as imagens e o texto que você compartilhou, notei dois pontos muito interessantes no seu projeto:
1. Raciocínio Matemático em Cadeia
No problema dos cadernos da Heloísa, a IA utilizou uma técnica chamada Chain of Thought (Cadeia de Pensamento) para chegar ao resultado. Ela não deu apenas o número final, mas descreveu o passo a passo das divisões:
- Total: 32
- 1 Matéria: 32 / 2 = 16
- Personagens: 16 / 2 = 8
- Disney: 8 / 2 = 4
Isso demonstra que, ao fornecer exemplos estruturados, você incentiva a IA a processar a lógica de forma sequencial, reduzindo as chances de erros em cálculos matemáticos.
2. Análise de Sentimento com Exemplos
Na segunda parte do seu projeto, você utilizou o aprendizado por exemplos para classificar frases. Esse é um uso clássico de Few-Shot para categorização de dados. Ao ver os exemplos anteriores de "Positivo", a IA consegue identificar rapidamente que a frase "O banco de dados está com problema!" deve ser classificada como:
Resposta: Negativo
Dica para seus próximos prompts:
Como você está utilizando a MariTalk (uma IA focada na língua portuguesa), você pode explorar ainda mais o contexto cultural nos seus exemplos. Uma boa prática é sempre incluir pelo menos um exemplo que seja o oposto do que você espera, para que a IA aprenda a diferenciar bem os limites de cada categoria ou cálculo.
Para o caso do banco de dados, você poderia adicionar um exemplo neutro, como: "O banco de dados foi atualizado hoje às 10h", para ver como a IA se comporta diante de uma informação puramente técnica e sem carga emocional.
Parabéns pela execução do projeto e por explorar diferentes ferramentas de IA!
Espero que possa ter lhe ajudado!
