Escrever prompts para modelos de raciocínio em 2026

Porque é importante

Muitos hábitos de escrita de prompts foram inventados para modelos que não raciocinavam antes de responder. Os modelos de raciocínio atuais da Anthropic, da OpenAI e da Google pensam antes de responder, e vários truques antigos já não servem para nada, desperdiçam esforço ou atrapalham. Este critério, a adequação ao modelo, verifica se um prompt serve o modelo para que foi escrito. Eis as cinco mudanças que mais contam em 2026.

Ajuste o esforço; não guionize o raciocínio. Os modelos Claude usam raciocínio adaptativo, e o parâmetro effort da API (de low a max) é o principal controlo da profundidade com que pensam. A OpenAI também oferece uma definição de esforço de raciocínio, e as suas orientações para modelos de raciocínio dizem que pedir-lhes que pensem passo a passo é desnecessário e por vezes pode prejudicá-los. A Google observa que os modelos Gemini 2.5 e 3 pensam internamente, por isso a resposta não precisa de expor o raciocínio. A Anthropic acrescenta que uma instrução geral como «pensa a fundo» muitas vezes resulta melhor do que um plano passo a passo escrito à mão.

Escreva com calma. Maiúsculas, pontos de exclamação e palavras absolutas eram em tempos uma forma de chamar a atenção do modelo. Os modelos atuais seguem as instruções de perto, e a Anthropic avisa que uma redação agressiva pode levá-los a aplicar uma regra em excesso; sugere trocar uma ordem em maiúsculas por um simples «usa esta ferramenta quando…». O guia do GPT-5 da OpenAI faz uma observação semelhante sobre contradições: o modelo gasta esforço a conciliá-las.

Material longo primeiro, pergunta no fim. A Anthropic aconselha a colocar os documentos longos acima das instruções e da pergunta, e a Google dá o mesmo conselho para o Gemini 3: fornecer primeiro o contexto e pôr a instrução no fim.

Explique o porquê. Uma regra acompanhada da razão («sê breve, porque isto vai para um e-mail a um cliente») permite ao modelo generalizar; uma regra seca convida a uma obediência literal e frágil. A Anthropic recomenda explicar a motivação das instruções.

Use saídas estruturadas, não pré-preenchimento. Começar a resposta do assistente por ele (pré-preenchimento) servia para forçar JSON. Nos modelos Claude atuais, um último turno do assistente pré-preenchido já não é suportado, e a Anthropic remete para as saídas estruturadas. Tanto a Anthropic como a OpenAI permitem enviar um esquema JSON com o pedido para que a resposta o siga.

Como é um bom prompt

• 0 — Contradições, gritos ou truques prejudiciais. Ordens em maiúsculas, raciocínio passo a passo imposto, uma resposta que depende de pré-preenchimento, ou «sê breve mas cobre tudo».
• 1 — Mais calmo, mas com hábitos obsoletos. «Pensa passo a passo. Quais são os riscos?» seguido de 20 páginas de contrato.
• 2 — Simples e calmo, estrutura fraca. Material e perguntas misturados num só parágrafo, sem delimitadores.
• 3 — Calmo, coerente e bem posicionado. Material longo primeiro, entre etiquetas, o pedido no fim, e a razão dada onde importa.
• 4 — Tudo isso, escrito para o modelo escolhido. Estrutura na forma recomendada pelo fornecedor, profundidade deixada à definição de esforço, uma verificação que o modelo pode fazer sozinho e nada de redundante.

Erros comuns

• Manter «pensa passo a passo» ou «respira fundo» por hábito.
• Usar maiúsculas ou repetição para assinalar importância em vez de uma razão.
• Colar um documento longo depois da pergunta.
• Depender do pré-preenchimento ou de «responde só em JSON» quando a API oferece saídas estruturadas.
• Pedir no prompt que o modelo pense menos ou mais em vez de alterar a definição de esforço.

Experimente com o seu prompt

Cole na área de trabalho um prompt antigo, que reutiliza há algum tempo, e procure os hábitos acima: maiúsculas, guiões passo a passo, a pergunta antes do material, regras sem razões. Corrija-os um a um e acompanhe a pontuação de adequação ao modelo. Depois experimente a otimização para a família de modelos pretendida e compare a versão dela com a sua.