Analisador de Prompts de IA

Como ler a nota sem se enganar

O número de 0 a 100 é um diagnóstico, não uma medalha. Ele mede quanto trabalho de adivinhação seu prompt deixa na mesa — não se a saída vai ficar boa. Um prompt pode tirar 92 e ainda produzir algo que você detesta, porque o analisador não conhece seu gosto nem sua marca.

O que ele mostra é onde o modelo está preenchendo lacunas por você. As faixas, grosso modo:

• Abaixo de 40. O modelo está inventando o formato da resposta. Espere saída genérica e várias rodadas de "não, mais nesse sentido aqui".
• 40-65. O pedido está claro, as restrições não. Assunto certo, tamanho ou formato errado.
• 65-85. Prompt sólido, já dá para trabalhar. O que falta é precisão de formato e exemplos.
• Acima de 85. Retorno decrescente. Pare de otimizar e comece a testar saída de verdade.

Correr atrás do 100 é armadilha. Depois de 85 você começa a acrescentar instruções que custam tokens e espremem o modelo numa prosa dura e superespecificada. Um 78 que você já rodou três vezes vale mais que um 96 que nunca foi enviado.

As sete verificações, e por que cada uma importa

Cada uma das sete dimensões corresponde a um jeito específico de o prompt falhar.

• Clareza. Uma ação só, sem ambiguidade? Prompts com dois verbos ligados por "e" recebem meia resposta para cada.
• Papel. Uma perspectiva que muda vocabulário e profundidade. Sem papel, a saída sai chapada, estilo enciclopédia.
• Contexto. Público, produto, tentativas anteriores. É aqui que a nota mais despenca, e onde o conserto mais rende.
• Restrições. Tamanho, exclusões, regras duras. Sem elas o modelo assume o próprio tamanho médio, que nunca é o seu.
• Formato de saída. Tabela, JSON, tópicos. Não especificou, vem texto corrido. Sempre.
• Especificidade. Substantivos e números concretos contra adjetivos de enchimento. "Melhorar o engajamento" pontua mal; "aumentar a taxa de resposta em e-mails frios" pontua bem.
• Exemplos. Uma amostra da saída vale mais que três parágrafos descrevendo-a. Few-shot versus zero-shot mostra quando compensa.

Duas dimensões baixas normalmente explicam sozinhas uma nota ruim. Comece por elas.

O preço real de escrever vago

Palavras como "envolvente", "profissional", "completo" e "moderno" parecem instruções, mas carregam quase nenhuma informação. O modelo resolve cada uma delas puxando para o meio estatístico dos dados de treino. É por isso que tanto texto de IA soa idêntico — todo mundo está pedindo a mesma média.

O custo aparece de três formas. Você reescreve a saída e queima uma rodada. Você recebe um tamanho que não pediu, porque "completo" é lido como "longo". E você não consegue iterar, porque quando a resposta sai errada não dá para apontar qual instrução falhou. Troque cada palavra vaga por algo verificável:

• "envolvente" → "abre com um número específico ou uma pergunta"
• "profissional" → "sem contrações, sem exclamações"
• "completo" → "cobre estes quatro pontos, 150 palavras cada"
• "moderno" → "frases curtas, sem jargão"

O teste: duas pessoas poderiam ler sua instrução e discordar sobre se a saída a cumpriu? Se sim, não é restrição.

Consertando uma nota baixa e fechando o ciclo

Nesta ordem — os dois primeiros recuperam a maior parte dos pontos.

1. Acrescente contexto. Duas ou três frases que o modelo não teria como adivinhar: quem lê isso, para que serve, o que já deu errado.
2. Nomeie o formato. "Saída: tabela em markdown, três colunas" vale mais que um parágrafo de descrição.
3. Adicione um papel que mude algo. Se trocar o papel não muda nada, pule.
4. Converta adjetivos moles em regras. Como acima.
5. Inclua um exemplo só quando o formato importar mais que o conteúdo.

Se o prompt está bagunçado em vez de apenas magro, não remende — jogue no otimizador de prompts para reconstruir a estrutura, ou no reescritor para apertar a redação sem mexer na intenção. Para saída estruturada, o construtor de prompts JSON lida com restrições de esquema melhor que qualquer prosa.

Depois, repita o ciclo. Analise, aplique só as duas correções principais, analise de novo. Duas por vez faz você aprender qual mudança moveu o número — mude cinco e você não aprende nada.

Olhe o detalhamento por dimensão, não o total. Sair de 51 para 74 diz menos do que ver o contexto ir de 2/10 para 8/10, porque o segundo revela um hábito. Quase todo mundo tem uma fraqueza crônica que aparece em cada prompt que escreve. Descubra a sua e você para de precisar da ferramenta para isso. Erros comuns ao escrever prompts lista os suspeitos de sempre.

Pare quando a nota estabilizar ou passar de 80. Aí teste a saída real e guarde a vencedora na biblioteca de prompts para não reescrever tudo mês que vem.

Um exemplo na prática

Um prompt que tira pouco mais de 30:

A clareza está ok — é um e-mail. Todo o resto falta: sem papel, sem contexto, sem tamanho, sem formato, e dois adjetivos que não dizem nada. Você recebe um comunicado educado que serviria para qualquer empresa do planeta. A versão reescrita fica na casa dos 85:

Cada linha acrescentada fechou uma lacuna que o modelo estava preenchendo sozinho. Para as manias de um modelo específico, o gerador de prompts para ChatGPT e o gerador de prompts para Claude já partem do formato certo, e como escrever prompts de IA explica cada bloco.