--- title: "Engenharia de prompt: as técnicas que funcionam no trabalho" description: "Engenharia de prompt no trabalho da empresa: as técnicas que valem, um pedido de comissão em três versões e o ponto em que o contexto decide a resposta." language: pt-BR canonical: https://www.siglata.com/blog/engenharia-de-prompt date: 2026-10-15 --- # Engenharia de prompt: as técnicas que funcionam no trabalho Um pedido bem escrito melhora a resposta até certo ponto. Quando a resposta depende de uma regra da empresa, nenhuma redação a adivinha. Angelica Lopes Tang · 15 de out. de 2026 **Engenharia de prompt é escrever e testar as instruções para a IA até ela responder sempre do jeito que o trabalho pede.** Num trabalho da empresa, a técnica resolve a primeira metade: dizer a tarefa, mostrar um exemplo, pedir o formato e a origem de cada número. A outra metade é o contexto, ou seja, os arquivos, as exportações do ERP e as regras da empresa. Sem eles, nenhuma redação acerta a conta. Fontes conferidas em 11 de outubro de 2026. ## O que é engenharia de prompt A OpenAI define engenharia de prompt como o processo de escrever instruções eficazes para um modelo, de modo que ele gere com consistência um conteúdo que atenda aos seus requisitos ([guia da OpenAI](https://developers.openai.com/api/docs/guides/prompt-engineering)). A palavra que importa é consistência. Um pedido que funcionou uma vez pode ter sido sorte. A engenharia está em testar o pedido com outros meses, outros arquivos e outros casos até ele funcionar em todos. O que é um prompt, e as quatro partes de um bom pedido, estão no guia [O que é prompt](/blog/o-que-e-prompt). Por que o contexto muda a resposta do modelo está no guia [O que é LLM](/blog/o-que-e-llm). Este guia parte dos dois e vai para um trabalho da empresa. Para pedidos já escritos, veja os [15 prompts prontos para o ChatGPT na empresa](/blog/prompts-para-chatgpt-na-empresa). ## As técnicas que servem para o trabalho O [Prompting Guide em português](https://www.promptingguide.ai/pt) lista técnicas como zero-shot, few-shot, chain-of-thought e prompt chaining. Para uma tarefa de empresa, cinco delas fazem quase todo o trabalho: 1. **Escreva para um colega novo.** A [Anthropic](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices) sugere pensar na IA como um funcionário novo e brilhante, que ainda não conhece as normas e o jeito de trabalhar da empresa. O teste é mostrar o pedido a alguém de fora da tarefa. Se essa pessoa ficaria confusa, a IA também fica. 2. **Mostre um exemplo.** Few-shot é colocar no pedido alguns exemplos de entrada e da saída esperada. Segundo a OpenAI, isso orienta o modelo numa tarefa nova. Para um demonstrativo, cole uma linha pronta do jeito que você quer. 3. **Peça o formato.** Uma tabela com as colunas nomeadas, um e-mail, uma frase. 4. **Peça a origem.** Para documentos longos, a Anthropic sugere pedir que a IA cite primeiro os trechos relevantes e só depois faça a tarefa. Numa planilha, o equivalente é pedir o arquivo e a linha de cada valor. 5. **Divida em etapas.** Primeiro listar as vendas, depois aplicar a regra, depois somar. Cada etapa tem um resultado que dá para ver. ## Um pedido, três versões A Distribuidora Água Clara, em Bauru, fecha a comissão de setembro. A exportação de vendas do ERP está anexada à conversa. **Versão 1.** > Calcule a comissão da Carla em setembro. A IA não sabe a taxa, nem de onde tirar as vendas, nem o que entregar. Ela pergunta, ou supõe uma taxa e responde com uma conta sem origem. **Versão 2, com as técnicas.** > Com a exportação de vendas de setembro, calcule a comissão da vendedora Carla Mendes a 3% sobre o faturado. Responda numa tabela com pedido de venda, data, valor e comissão, e o total no fim. Para cada linha, diga o número do pedido de venda na exportação. A resposta vem limpa: R$ 48.000,00 faturados, R$ 1.440,00 de comissão, cada linha com o seu pedido de venda. Está bem escrita, e o número está errado. **Versão 3, com as regras da empresa.** Na Água Clara, bonificação não paga comissão, e a devolução do mês desconta da base. Em setembro, a Carla teve R$ 2.000,00 em pedidos de bonificação e R$ 1.500,00 em devoluções. Junto com a exportação de devoluções, o pedido ganha duas linhas: > Bonificação não entra na base da comissão. Devoluções do mês descontam da base, pelo vendedor da venda original. A base cai para R$ 44.500,00 (48.000 menos 2.000 menos 1.500), e a comissão fica em R$ 1.335,00. São R$ 105,00 de diferença numa vendedora, num mês. Exemplo ilustrativo, valores fictícios. Da versão 2 para a 3, nenhuma técnica mudou. Entraram um arquivo e duas regras que ninguém fora da empresa conhece. O guia [Comissão de vendedores com IA](/blog/comissao-de-vendedores-com-ia) mostra esse trabalho inteiro, com as faixas por meta e a comissão no recebimento. ## Onde a redação para de ajudar O modelo responde com o que está na conversa e nas fontes que ele pode consultar. A OpenAI diz que muitas vezes vale colocar contexto no pedido, por exemplo para dar ao modelo acesso a dados próprios ou a qualquer dado fora do que ele aprendeu. A Anthropic chama esse cuidado de engenharia de contexto: escolher e manter todo o conjunto de informações que chega ao modelo, e não só o texto do pedido. No artigo de 29 de setembro de 2025, ela apresenta isso como a evolução natural da engenharia de prompt ([Anthropic](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)). Numa empresa, o contexto que decide a resposta tem três partes: - **Os arquivos.** As exportações do ERP, as planilhas, os contratos em PDF. - **As regras.** Como a empresa calcula a comissão, quando um cliente conta como inativo, o que entra no relatório do mês. - **O acesso.** Quem pode ver o salário, o contas a pagar, o contrato de cada fornecedor. Três sinais de que o problema é contexto, e não redação: - a resposta tem o formato certo e o número errado; - a IA pergunta algo que qualquer funcionário da empresa saberia; - você cola a mesma regra em toda conversa nova. ## Onde ficam as regras Uma regra que se repete não deveria morar no pedido. Ela fica escrita uma vez, numa skill: instruções que a IA carrega quando o pedido combina com elas. O guia [Skills do Claude para empresa](/blog/skills-do-claude-para-empresa) mostra como escrever uma, e o guia [Como treinar a IA com os documentos da empresa](/blog/como-treinar-ia-com-documentos-da-empresa) explica por que os documentos e as regras ficam separados. Com a regra numa skill, o pedido encolhe para "feche a comissão de setembro". A engenharia de prompt continua, mas muda de lugar: as cinco técnicas valem para escrever a skill. Escreva para um colega novo, mostre uma linha do demonstrativo e peça a origem de cada número. ## Onde entra a Siglata A Siglata é o lugar de trabalho da sua IA: os arquivos, as planilhas, o ERP e as regras da empresa, com as ferramentas para fazer o trabalho inteiro. Você define o trabalho; a sua IA executa. O seu ChatGPT trabalha com as exportações do ERP, em planilha ou CSV, e com os documentos da empresa salvos na Siglata, sem ninguém anexar arquivo a cada conversa. As regras da comissão ficam numa skill da empresa. Com as exportações de setembro salvas e o pedido "feche a comissão de setembro", o ChatGPT encontra essas exportações, segue a regra, mostra a venda de onde veio cada valor e salva o demonstrativo numa edição nova da planilha, com a anterior guardada. A IA pode errar, mesmo com a regra certa. Por isso ela mostra o trabalho: a venda de onde veio cada número e o registro de cada passo. Cada pessoa tem o seu acesso, e a IA dela trabalha dentro dele. A Siglata funciona no ChatGPT e no Codex. [Conectar ao ChatGPT](/docs/agents/install/chatgpt) [Conectar ao Codex](/docs/agents/install/codex) ## Perguntas frequentes ### O que é engenharia de prompt? É a prática de escrever e testar as instruções para a IA até ela responder com consistência do jeito que a tarefa pede. Inclui a tarefa, os exemplos, o formato e o contexto que vai junto com o pedido. ### Quais são as técnicas de engenharia de prompt? Os guias de prompt listam muitas, como zero-shot, few-shot, chain-of-thought e prompt chaining. No trabalho de uma empresa, cinco resolvem a maior parte: escrever para um colega novo, mostrar um exemplo, pedir o formato, pedir a origem de cada número e dividir a tarefa em etapas. ### Qual a diferença entre engenharia de prompt e engenharia de contexto? A engenharia de prompt cuida do texto do pedido. A engenharia de contexto cuida de tudo o que chega ao modelo junto com ele: os arquivos, as regras, o histórico e as ferramentas. A Anthropic trata a segunda como a evolução da primeira. ### Engenharia de prompt ainda vale a pena? Vale para escrever pedidos e regras claros. Mas, quando a resposta depende de um arquivo ou de uma regra da empresa, melhorar a redação não resolve. A resposta certa vem de dar à IA esse contexto. No próximo guia: as skills do Claude para empresa. - [O que é prompt? Como pedir para a IA e receber uma resposta útil](/blog/o-que-e-prompt) - [Skills do Claude para empresa: as regras que se repetem, escritas uma vez](/blog/skills-do-claude-para-empresa)