Okay, I need to translate the given HTML content into Brazilian Portuguese. First, I'll make sure to understand the task correctly. The user wants the visible text translated while keeping all the HTML tags exactly as they are. I need to be careful not to alter any tags, just the text inside them. I'll start by reading through the entire HTML to get a sense of the structure. There are several paragraphs, headings, lists, and blockquotes. Each of these contains text that needs translation. The main challenge here is maintaining the original structure and only changing the text. Let me go section by section. The first paragraph introduces what a prompt is and prompt engineering. The term "prompt engineering" might not have a direct translation, so I'll keep it in English but add a translation note if necessary. Wait, the user said to only translate visible text, so I don't need to add extra notes. Just translate the words. Next, the list items under "The anatomy of a good prompt" have elements like "Role," "Task," "Context," and "Format." These should be translated to "Função," "Tarefa," "Contexto," and "Formato" respectively. Looking at the examples under "Technique 1," the contrast between weak and strong prompts is important. I need to ensure that the translation of phrases like "Write something about AI" becomes "Escreva algo sobre IA" and the strong example is accurately translated with proper formatting. For "Technique 2," the role assignments need to be translated in a way that maintains their professional context. For example, "senior copywriter" becomes "copywriter sênior" in Portuguese. Moving to "Technique 3," the term "Few-shot examples" is a specific AI concept. In Portuguese, it's commonly referred to as "exemplos de poucos exemplos" or maybe "exemplos limitados," but I should check if there's a standard term. However, since the user wants the visible text translated, I'll go with "exemplos com poucos exemplos" or perhaps keep "Few-shot" if it's a technical term, but the user might prefer a direct translation. Wait, the original uses "Few-shot examples," which is a technical term. In Portuguese, it's sometimes kept in English, but maybe translate it as "exemplos com poucos exemplos." Let me check. Actually, "few-shot" is a technical term in machine learning, so it's better to keep it as is, maybe italicize it if needed. The user said to only translate visible text, so if the term is standard in Portuguese, I should translate it. Hmm, this is a bit tricky. I'll proceed with translating the phrase "Few-shot examples" to "Exemplos com poucos exemplos" but keep the blockquote content translated accurately. In "Technique 4," "Chain of thought" is another technical term. The correct translation in the context of prompting is "Cadeia de pensamento." I'll use that. For the common mistakes section, I need to ensure that the list items are translated while maintaining the emphasis on the key points. Phrases like "Too much context, too little direction" become "Muito contexto, pouca direção." The summary section is crucial to translate accurately, as it's the conclusion. I'll make sure that terms like "clarity of thinking" become "clareza no pensamento" and that the overall message is preserved. I'll also pay attention to the formatting, such as the blockquote with the example prompt. The text inside the blockquote must be translated, but the style attributes (like the border and padding) should remain unchanged. I need to be cautious with technical terms related to AI and prompting. For example, "LLM-based tools" should be translated to "ferramentas baseadas em LLM" (Large Language Models), but since the user wants the visible text translated, perhaps "ferramentas baseadas em modelos de linguagem de grande porte" would be more appropriate. Wait, "LLM" in Portuguese is usually kept as LLM, but sometimes it's translated as "Modelos de Linguagem de Grande Porte" (MLGP). However, since the original uses "LLM-based tools," I'll translate it as "ferramentas baseadas em LLM" to maintain consistency. Alternatively, if the user prefers the full term in Portuguese, but since the instruction is to only translate visible text and keep the structure, I'll go with the direct translation of "LLM-based" as "baseadas em LLM." Another point is the list of tools mentioned: ChatGPT, Claude, Gemini, Jasper. These are proper nouns and should remain in English. I'll also check for any idiomatic expressions that don't translate directly. For example, "lead with the task" becomes "comece com a tarefa." Now, after translating each section, I'll review the entire content to ensure consistency in terminology and that all HTML tags are intact. I'll also verify that the translation flows naturally in Brazilian Portuguese, using appropriate vocabulary and grammar. Finally, I'll ensure that the translated HTML does not include any additional tags or changes beyond the text translation. The user specified to return only the translated HTML, so no extra explanations or comments are needed. Just the HTML with the text in Portuguese.

Um prompt é qualquer instrução que você dá a um modelo de IA. Pode ser uma única frase ou vários parágrafos. Engenharia de prompts é a prática de escrever prompts que consistentemente produzem a saída que você realmente quer. Isso importa porque duas pessoas usando a mesma ferramenta de IA podem obter resultados totalmente diferentes dependendo de como formulam a solicitação.

Este guia aborda as técnicas fundamentais que funcionam em todas as principais ferramentas baseadas em LLM — ChatGPT, Claude, Gemini, Jasper, entre outros.

A anatomia de um bom prompt

A maioria dos prompts eficazes contém alguma combinação desses quatro elementos:

  • Função — qual pessoa ou expertise o modelo deve adotar
  • Tarefa — o que você quer que ele faça, declarado com precisão
  • Contexto — informações de fundo que moldam a saída
  • Formato — como você quer que a resposta seja estruturada

Você nem sempre precisa dos quatro elementos. Uma tarefa criativa curta pode precisar apenas do elemento da tarefa. Um documento complexo de negócios pode precisar de todos eles.

Técnica 1 — Seja específico sobre a saída

Prompts vagos produzem resultados vagos. A especificidade força o modelo a fazer as suposições certas em vez de adivinhar.

  • Frustrante: "Escreva algo sobre IA."
  • Claro: "Escreva uma descrição do produto de 150 palavras para uma ferramenta de escrita com IA, direcionada a gerentes de marketing de empresas de SaaS B2B de médio porte. Tom: profissional, mas direto. Evite expressões como 'revolucionário' ou 'mudança de jogo'."

Especificidades a incluir: comprimento (número de palavras, número de tópicos em forma de lista), público-alvo, tom, o que evitar e como formatar a saída.

Técnica 2 — Atribuir uma função

Pedir ao modelo para agir como um especialista específico muda seu estilo de resposta significativamente.

  • "Você é um copywriter sênior em uma agência de marketing direto..."
  • "Atue como um editor cético revisando isso em busca de exatidão fática..."
  • "Você é um desenvolvedor Python com 10 anos de experiência em pipelines de dados..."

Prompts com funções funcionam porque o modelo aprendeu com grandes quantidades de textos específicos de domínio escritos por aquele tipo de especialista. Ao nomear a função, você ativa os padrões relevantes em seus dados de treinamento.

Técnica 3 — Exemplos com poucos exemplos

Em vez de descrever o que você quer, mostre. Inclua um ou dois exemplos do formato de saída que você busca, depois peça por um novo no mesmo estilo.

Prompt de exemplo:

Preciso de frases de chamada para produtos nesse estilo:

Produto: ElevenLabs → Frase: "Qualquer voz. Qualquer idioma. Instantaneamente."
Produto: Midjourney → Frase: "Imagine. Depois veja."

Agora escreva uma frase para: Jasper AI (assistente de escrita com IA para equipes de marketing)

Prompts com poucos exemplos são particularmente poderosos para tarefas que exigem um formato específico ou requisito estilístico difícil de descrever com palavras.

Técnica 4 — Cadeia de pensamento

Para tarefas de raciocínio complexo, pedir ao modelo para "pensar passo a passo" antes de dar a resposta final melhora significativamente a precisão. Isso funciona porque faz com que o modelo exiba o raciocínio intermediário em vez de pular diretamente para uma conclusão.

Basta adicionar: "Pense nisso passo a passo antes de dar sua resposta."

Esta técnica é especialmente eficaz para: depurar código, analisar argumentos, tomar decisões com múltiplos critérios e raciocínio matemático.

Técnica 5 — Restrinja o que você não quer

Restrições negativas são tão importantes quanto as positivas. Se você sabe que o modelo tende a produzir um tipo específico de saída indesejada, proíba-a explicitamente.

  • "Não comece o e-mail com 'Espero que esta mensagem o encontre bem.'"
  • "Não sugira consultar um advogado — suponha que já o tenha feito."
  • "Não use tópicos em forma de lista — escreva em parágrafos contínuos."
  • "Não repita informações do parágrafo anterior."

Erros comuns

  • Muito contexto, pouca direção. Despejar 2.000 palavras de fundo sem uma tarefa clara confunde o modelo. Comece com a tarefa, depois forneça o contexto.
  • Aceitar a primeira saída. Trate a primeira resposta como uma versão inicial. Peça ao modelo que revise: "Torne isso 30% mais curto", "Torne o tom menos formal", "O terceiro parágrafo está confuso — reescreva-o."
  • Supor que o modelo lembre conversas anteriores. Na maioria das ferramentas, cada conversa é independente. Se o contexto de uma sessão anterior for relevante, inclua-o.

Modelos de prompt a serem salvos

Uma vez que você encontre uma estrutura de prompt que funcione bem para uma tarefa recorrente, salve-a. A maioria das ferramentas de escrita com IA têm uma biblioteca de prompts ou você pode criar um arquivo de texto simples. Um bom modelo de prompt é um ativo reutilizável — investir 20 minutos agora para perfeiçoá-lo economiza horas de redigitação mais tarde.

Resumo

Prompts eficazes dependem menos de conhecimento técnico e mais de clareza no pensamento. Se você consegue descrever o que quer — para uma pessoa — com tanta precisão que ela acertaria de primeira, você pode escrever um prompt que faça o mesmo. As técnicas acima são estruturas para obter essa precisão de forma sistemática.