IBD100 » Tutoriais » Uso de IA » Bons Prompts »
--## Este arquivo exemplifica boas práticas para se escrever 'bons prompts' no uso de MAPID.
--## Achei interessante esta sigla. Melhor do que IA.
--## Para iniciar o uso destes recursos é necessário uma 'ambientação', referenciando fontes sólidas de conceitos.
--## Exemplificando: Você vai fazer uma ou mais perguntas sobre o Modelo Relacional... Que tal começar com:
--## Considerando o Modelo Relacional proposto por Edgard F. Cood no artigo: [ https://www.seas.upenn.edu/~zives/03f/cis550/codd.pdf ],
--## Podemos considerar as operações da Álgebra Relacional indicadas como 6 operações: União, Subtração, Seleção (ou Restrição), Projeção, Produto Cartesiano e Junção.
--## Se for preciso apresente as notações das operações... assim:
Considerando o Modelo Relacional apresentado por Edgrad F Cood em 1970 e as seguintes notações para as
operações da Álgebra Relacional:
- Seleção....................: A = <tab> [[ condição ]];
- Projeção...................: A = <tab> [[ Lista de Campos ]];
- Produto Cartesiano.........: A = <tab1> X <tab2>
- Junção Natural.............: A = <tab1> [[ <tab1>.campo = <tab2>.campo ]] <tab2>
- Junção Aberta pela Direita.: A = <tab1> [[ <tab1>.campo = <tab2>.campo ][ <tab2>
- Junção Aberta pela Esquerda: A = <tab1> ][ <tab1>.campo = <tab2>.campo ]] <tab2>
- Junção Completa............: A = <tab1> ][ <tab1>.campo = <tab2>.campo ][ <tab2>
(Aberta pelos 2 lados)
- União......................: A = B U C
- Subtração..................: A = B - C
e
- Intersecção................: A = B ⋂ C
Onde:
A é o nome de uma tabela que recebe os dados resultantes do processamento de dados de <tab>, <tab1> e <tab2>
<tab>, <tab1> e <tab2> são tabelas relacionais e
'campo' é um aributo de <tabn>
Com este texto inicial você 'sugere' que quer as eventuais respostas usando esta notação.Mas se você QUER que as repostas venham com esta notação SEJA EXPLÍCITO, na forma:
Por favor, quero que as respostas a perguntas sejam indicadas usando a notação acima apresentada.
Notaram o 'Por favor', dá a impressão que estou 'conversando' com uma pessoa. MAS não estou.
Entretanto, estes programas estão 'aprendendo' a imitar o modo como nos comunicamos.
Bem, mas esta página é dar dicas de montagem de bons prompts.
A partir daqui usarei trechos de um artigo escrito por Sandra Peter e Kai Riemer (Universidade de Sydney).
"Você trabalha BEM com Inteligência Artificial(IA)?"
À medida que ferramentas como ChatGPT, Copilot e outros sistemas de inteligência artificial generativa se tornam parte dos fluxos de trabalhos diários, mais empresas estão procurando pessoas que possam responder "Sim" a essa pergunta.
Em outras palavras, elas procuram pessoas que conseguem criar um bom 'prompt de IA' [o "Pedido" feito pelo usuário para gerar as respostas do chatbot], pensar com a IA e usá-la para aumentar a produtividade.
De fatao, em um número crescente de funções, ser "fluente em IA" está rapidamente se tornando tão importnte quanto ser proficiente em softwares de escritório já foi.
Mas todos já tivemos aquele momento em que fiemos uma pergunta a um chatbot de IA e recebemos o que pareceu ser a resposta mais genérica e superficial.
O problema não é a IA: você simplesmente não deu informações suficientes para ela trabalhar.
Pense assim: durante o treinamento. a IA terá "lido" praticamente tudo na Internet. Mas, como ela faz previsões, dará a resposta mais provável e comum.
Sem uma orientação específica, é como entrar em um restaurante e pedir "algo bom". Você pode receber um frango.
Sua solução está em entender que os sistemas de IA são excelentes em se adaptar ao contexto, mas você precisa fornecê-lo. Então, como fornecer um bom contexto para uma IA nos dar boas respostas?
O método CATS para um prompt de IA eficaz.
Você deve ter ouvido o termo "Engenheiro de Prompt". Pode parecer que você precisa criar algum tio de script técnico para obeter resultados.
Mas os chatbots atuais são bons em manter conversas humanas. O formato do seu prompt não é o importante, o importante é o conteúdo.
Para aproveitr o máximo suas conversas com a IA, é importante transmitir algumas informações básicas sobre o que você quer e como quer receber o resultado que ela produzir. Esta abordagem segue a sigla CATS - Contexto, Ângulo, Tarefa e Estilo (Context, Angle, Task, Style). Contexto significa fornecer o cenário e dados suficientes para a IA enteder o ambiente onde está seu problema. Em vez de escrever: "Como faço para escrever uma proposta?", tente: "Sou um diretor de uma organização sem fins lucrativos escrevendo uma proposta de subsídio para uma fundação que financia programas de educação ambiental para escolas urbanas".
Faça o upload de documentos relevantes, explique suas restrições e descreva a situação específica para o desenvolvimento da proposta.
Ângulo ou atitude, aproveita a força da IA em simulação de papéis e tomada de perspectiva. Em vez de obter uma resposta neutra, especificque a atitude que você deseja.
Exemplificando, "Aja como um supervisor crítico e identifique pontos fracos em meu argumento" ou "Assuma a perspectiva de um mentor solidáriome ajudando a melhorar este rascunho".
Tarefa é especificamente o que você quer que a IA faça. "Ajude-me com minha apresentação" é vago demais. Mas "Dê-me três maneiras de tornar meu slide de abertura mais envolvente para um público de proprietários de pequenas empreasas" é mais eficaz.
Estilo aproveita a capacidade da IA de se adaptar a diferentes formatos e públicos. Especificque se você quer um relatório formal, um e-mail casual, bullet points para executivos ou uma explicação adequada para adolescentes. Diga prs a IA qual voz você quer usar - por exemplo, um estilo acadêmico formal, técnico, envolvente ou coloquial.
A importância do Contexto
Além de criar um bom prompt de IA. claro e eficaz, você também pode se concentrar em gerenciar as informações complementares - ou seja, na "Engenharia de Contexto". Engenharia de Contexto se refere a tudo o que cerca o prompt.
Isso significa pensar no ambiente e nas informações a que a IA tem acesso: sua função de memória, instruções que antecedem a tarefa, histórico de conversas anteriores, documentos que você carregue ou exemplos de como deve ser uma boa saída.
Você deve pensar na criação de prompts como uma conversa. Se não ficar satisfeito com a primeira resposta, peça mais, solicite alterações ou forneça informações mais claras.
Não espere que a IA dê uma resposta pronta. Em vez disso, use-a para estimularseu próprio pensamento.
Caso voê que a IA produziu um material bom, mas você "travou", copie as melhores partes para uma nova sessão e peça para a IA elaborar um resumo e continur a partir dali.
Verificando e refinando seu prompt
Uma palavra de cautela, no entanto. Não se deixe seduzir pelas habilidades de conversação humana desses 'conversadores'.
Sempre mantenha a sua distância profissional e lembre-se de que você é a parte realmente pensante nesta relação. E sempre, SEMPRE verifique a precisão de tudo o que a IA produz - erros são cada vez mais comuns.
Os sistemas de IA são extremamente capazes, mas precisam de você - e da inteligência humana - para estabeleer a ponte entre seu vasto conhecimento genérico e sua situação particular.
Dê a estes mecanismos um contexto suficientemente bom para trabalhar, e eles podem surpreendê-lo com o quanto podem ser úteis.
Este Artigo foi escrito originalmente no portal acadêmico The Conversation e é republicado aqui sob licença da Creative Commons
Agora sigo apresentando um exemplo de um prompt seguindo o CATS.
Sendo a tabela funcionários (cpfuncionario, txnome, dtnascimento, dtcadfuncionario), onde cpfuncionario
é sua chave primária
e a tabela departamentos (cpdepto, txnomedepto, dtcaddepto), onde cpdepto é sua chave primária.
Indique o que está faltando neste modelo para se estabelecer a junção entre as tabelas funcionarios e departamentos?
--## Nesta pergunta acontece o 'teste' do ambiente. NESTE estudo escolhi o mecanismo DeepSeek.
-----------------------------------------------------------------------------------------------------------------------
Resposta DeepSeek
Para estabelecer uma junção entre as tabelas `funcionarios` e `departamentos` no modelo relacional, está
faltando um **atributo de chave estrangeira** em uma das tabelas que referencie a chave primária da outra tabela.
No caso específico:
1. **Se um funcionário pertence a um departamento**, a tabela `funcionarios` deveria ter um campo como
`cpdepto` (chave estrangeira) que referencia a chave primária `cpdepto` da tabela `departamentos`.
- Exemplo de estrutura corrigida:
A = funcionarios [[ funcionarios.cpdepto = departamentos.cpdepto ]] departamentos
2. **Se um departamento tem um funcionário como gerente**, a tabela `departamentos` poderia ter um
campo como `cpfuncionario_gerente`
(chave estrangeira) que referencia `cpfuncionario`.
- Exemplo de estrutura alternativa:
A = departamentos [[ departamentos.cpfuncionario_gerente = funcionarios.cpfuncionario ]] funcionarios
### Observação:
Sem um atributo de relacionamento (chave estrangeira), não há como realizar uma junção significativa
entre as duas tabelas, pois não há colunas em
comum para vincular os registros. O produto cartesiano (`funcionarios X departamentos`) seria possível,
mas não útil semanticamente.
Portanto, a ausência é **uma chave estrangeira em uma das tabelas que referencie a outra**.