Após fazer o prompt do coronel mostarda, com texto claro, tarefa complexa escrita em subtarefas menores, etc... Soicitei a Qwen IA o seguinte:
"com base em tudo isso, você sugere algo além de prompts claros que possuem tarefas complexas subdividas em tarefas menores como te passei ? Há outra forma de melhorar este prompt ?"
Qwen2.5-Max Sim, há outras maneiras de melhorar prompts que já são claros e bem estruturados como o que você me enviou. Abaixo estão algumas sugestões adicionais para aprimorar ainda mais a eficácia e a precisão dos prompts, especialmente quando se trata de tarefas complexas subdivididas em etapas menores:
E me respondeu essas 10 sugestões para melhorar ainda mais os prompts. Achei legal.
1 - Incluir exemplos concretos Adicionar exemplos específicos pode ajudar a esclarecer ainda mais o que é esperado na resposta. Isso é especialmente útil em cenários onde há ambiguidades ou interpretações possíveis.
Exemplo:
"Por exemplo, se uma dica disser 'A pessoa com o cachimbo estava na cozinha', isso significa que alguém (não necessariamente mencionado explicitamente) estava na cozinha com o cachimbo, mas não implica que essa pessoa esteja relacionada ao observatório."
2 - Definir claramente os termos ambíguos Se houver termos ou frases que podem ser interpretadas de múltiplas maneiras, defina explicitamente o que eles significam no contexto do problema.
Exemplo:
"Quando dizemos 'com o castiçal', isso significa que a pessoa está segurando ou associada diretamente ao castiçal, e não apenas que o objeto está presente no mesmo local."
3- Especificar o nível de detalhe esperado Indique claramente o nível de profundidade ou formalidade necessário na resposta. Isso ajuda a evitar respostas excessivamente simplificadas ou desnecessariamente longas.
Exemplo:
"Forneça uma explicação passo a passo, mas evite incluir informações irrelevantes que não contribuem diretamente para a resposta final."
4 - Incluir verificações intermediárias Você pode adicionar instruções para que o modelo verifique suas próprias conclusões em cada etapa antes de prosseguir para a próxima. Isso reduz o risco de erros acumulativos.
Exemplo:
"Após analisar cada dica, verifique se as conclusões tiradas até o momento são consistentes com as informações fornecidas anteriormente. Caso contrário, revise sua análise."
5 - Adicionar um "critério de parada" Inclua instruções claras sobre quando o raciocínio deve ser interrompido ou quando uma decisão final deve ser tomada. Isso ajuda a evitar análises excessivas ou loops desnecessários.
Exemplo:
"Se todas as dicas relevantes forem usadas e a resposta puder ser determinada sem ambiguidade, finalize o raciocínio e selecione a opção correta."
6 - Usar uma estrutura visual ou tabular Para problemas complexos, organizar as informações em tabelas ou listas pode facilitar a visualização das conexões entre as dicas.
Exemplo:
Crie uma tabela com as seguintes colunas: Dica , Relevância , Conclusão . Dica 1: "A Senhorita Scarlett era a única pessoa na sala." Relevância: Irrelevante. Conclusão: Não afeta o observatório. Dica 3: "O Coronel Mostarda era a única pessoa no observatório." Relevância: Altamente relevante. Conclusão: O Coronel Mostarda estava sozinho no observatório.
7 - Pedir uma revisão crítica Inclua uma instrução para que o modelo revise sua própria resposta sob uma perspectiva crítica, questionando suposições ou considerando interpretações alternativas.
Exemplo:
"Após chegar à resposta final, revise seu raciocínio para identificar possíveis falhas lógicas ou interpretações alternativas que possam levar a uma resposta diferente."
8 - Limitar o escopo de interpretação Se desejar evitar interpretações criativas ou excessivamente flexíveis, especifique que o modelo deve seguir apenas as informações fornecidas e não fazer suposições adicionais.
Exemplo:
"Baseie-se exclusivamente nas dicas fornecidas e não faça suposições adicionais que não estejam explicitamente mencionadas no texto."
9 - Incluir feedback iterativo Se possível, peça ao modelo para gerar uma primeira versão da resposta e, em seguida, solicite uma revisão com base em critérios específicos.
Exemplo:
"Gere uma primeira resposta. Em seguida, revise-a para garantir que todas as dicas foram consideradas e que a resposta final está alinhada com as instruções."
10 - Contextualizar o problema Explique brevemente o contexto geral do problema para ajudar o modelo a entender melhor o cenário e as implicações das dicas.
"Este problema faz parte de um jogo de dedução lógica semelhante ao Clue/Detetive, onde o objetivo é determinar quem estava onde e com quais objetos com base em pistas limitadas." Resumo das Sugestões As melhorias sugeridas acima podem ser combinadas ou aplicadas conforme necessário. Aqui está um exemplo de como o prompt poderia ficar com algumas dessas melhorias:
