Do prompt mágico ao harness: o que mudou no uso de IA

Este artigo complementa a série sobre maturidade no uso de IA, inspirada no artigo Maturidade no uso de IA, de Rommel Carneiro. Na série, passamos por quatro níveis: Uso, Interação, Contexto e Harness.

Aqui a pergunta é outra. Muita gente aprendeu a usar IA entre 2022 e 2023, com dicas de "engenharia de prompt" que circularam em todo lugar. Parte dessas dicas continua útil. Outra parte foi feita para compensar limites dos modelos daquela época e hoje atrapalha.

O que mudou, o que ficou para trás e o que ficou mais importante?

Como era no começo

Quando o ChatGPT foi lançado, no fim de 2022, o modelo era só o modelo. Ele não buscava na internet, não lia arquivos, não executava código e não se conectava a nenhum sistema. A conversa inteira cabia em poucos milhares de tokens, o equivalente a algumas páginas de texto. Passou disso, ele começava a esquecer o início.

Tudo o que a IA sabia sobre o seu problema precisava estar dentro do prompt. Por isso o prompt virou o centro de tudo, e surgiram os truques:

• "Pense passo a passo."
• "Você é um especialista de classe mundial em..."
• Instruções em CAPS LOCK, "CRÍTICO", "NUNCA", "VOCÊ DEVE".
• Prompts gigantes, com dezenas de regras para cobrir todos os casos.
• Documentos colados em pedaços, porque não cabiam inteiros.
• Bibliotecas de "prompts prontos" vendidas como fórmulas.

Muitos desses truques funcionavam. O problema é que eles compensavam fraquezas específicas daqueles modelos.

O que mudou de lá para cá

Quatro mudanças explicam quase tudo.

1. Os modelos passaram a raciocinar antes de responder. Os modelos de raciocínio planejam, testam hipóteses e revisam internamente antes de entregar a resposta. O que antes você pedia com "pense passo a passo" agora acontece por padrão.

2. A janela de contexto cresceu muito. Hoje dá para trabalhar com contratos inteiros, relatórios longos e várias planilhas na mesma conversa. Mas, como veremos, mais espaço não significa que dá para colocar qualquer coisa ali.

3. O harness passou a vir de fábrica. Busca na web, execução de código, leitura de arquivos, memória, projetos, conectores e skills deixaram de ser coisa de desenvolvedor. No Claude, por exemplo, isso está disponível direto na interface. O modelo não depende mais só do que você escreve: ele vai buscar o que precisa.

4. A IA passou a agir, não só responder. Ferramentas como o Claude Code leem arquivos, executam comandos, fazem alterações e verificam o resultado. A documentação define bem a mudança: em vez de escrever o código e pedir uma revisão, você descreve o que quer e o Claude descobre como construir.

Quando o modelo pensa sozinho, lê sozinho e age sozinho, o papel do prompt muda. Ele deixa de ser um roteiro detalhado e passa a ser uma delegação bem feita.

Práticas que ficaram obsoletas ou subótimas

"Pense passo a passo"

Era um dos truques mais famosos, e funcionava. Hoje, com modelos de raciocínio, ele é dispensável. O guia da OpenAI para modelos de raciocínio diz que pedir para o modelo "pensar passo a passo" ou "explicar o raciocínio" é desnecessário e pode até piorar o resultado.

A Anthropic vai na mesma linha. O guia de boas práticas de prompt do Claude recomenda instruções gerais em vez de passos prescritivos: um pedido como "pense com cuidado" costuma gerar raciocínio melhor do que um plano passo a passo escrito à mão.

O que fazer agora: descreva o objetivo e o critério de qualidade. Deixe o caminho com o modelo, a não ser que o processo seja realmente obrigatório.

CAPS LOCK, "CRÍTICO" e "VOCÊ DEVE"

Modelos antigos às vezes ignoravam instruções, e a saída foi gritar. Os modelos atuais seguem instruções com muito mais atenção, e a ênfase exagerada passou a ter o efeito contrário.

O guia da Anthropic é direto: onde antes se escrevia "CRÍTICO: você DEVE usar esta ferramenta quando...", hoje basta "Use esta ferramenta quando...". A ênfase agressiva faz o modelo aplicar a regra em situações em que ela não cabia.

O que fazer agora: escreva em tom normal. Se uma instrução específica continua sendo ignorada, destaque só ela. Quando tudo é importante, nada é.

Proibições sem explicação

"NUNCA use reticências." "NÃO use listas." Regras soltas, sem motivo.

O mesmo guia mostra a alternativa: explicar o porquê. Em vez de "nunca use reticências", algo como "o texto será lido por um sintetizador de voz, que não sabe pronunciar reticências". Com o motivo, o modelo generaliza: ele entende que outros símbolos também vão dar problema.

Outra recomendação é dizer o que fazer em vez de o que não fazer. "Escreva em parágrafos corridos" funciona melhor do que "não use tópicos".

O mega-prompt com todas as regras

Prompts de duas páginas tentando prever todas as situações. Isso era comum, e ainda é.

O problema é que regras demais competem entre si pela atenção do modelo. No artigo sobre engenharia de contexto, a Anthropic recomenda começar com um prompt mínimo e acrescentar instruções só a partir de falhas observadas. E sugere trocar listas de casos extremos por alguns exemplos bem escolhidos.

A documentação do Claude Code diz o mesmo sobre o arquivo de instruções permanentes: se ele fica longo demais, o Claude ignora metade, porque as regras importantes se perdem no ruído. O teste sugerido para cada linha é ótimo: "se eu apagar isto, a IA vai errar?" Se não, apague.

"Você é o melhor especialista do mundo em..."

Definir um papel continua útil. O guia da Anthropic diz que até uma frase de papel ajuda a focar o comportamento e o tom.

O que ficou subótimo é o exagero: "o maior especialista do planeta, com 30 anos de experiência, premiado...". Isso não acrescenta nada. Contexto real acrescenta: para quem é o trabalho, qual o objetivo, quais as restrições.

O que fazer agora: uma frase de papel, e o resto do espaço para o contexto.

Colar documentos em pedaços

Com janelas pequenas, era preciso picar o documento e enviar em partes. Hoje você anexa arquivos inteiros, monta projetos com documentos de referência ou conecta a IA direto ao Drive, SharePoint ou e-mail.

E nas ferramentas com harness, muitas vezes nem é preciso anexar. Basta apontar onde está: "os contratos estão na pasta Jurídico/2026". A IA vai buscar o que precisa quando precisar. A Anthropic chama isso de recuperação sob demanda.

Pedir sugestões e copiar e colar

O fluxo clássico: "sugira melhorias para esta planilha", copiar a resposta, aplicar à mão.

Com harness, isso virou desperdício. O guia da Anthropic observa que os modelos atuais seguem instruções ao pé da letra: se você pede sugestões, recebe sugestões. Se você quer a mudança feita, peça a mudança.

Antes: "Você pode sugerir melhorias para esta fórmula?"

Agora: "Corrija a fórmula da coluna F para ignorar linhas vazias e confira se o total bate com a aba Resumo."

Prompts prontos e fórmulas mágicas

Prompts genéricos copiados da internet não conhecem o seu trabalho. Eles foram substituídos por algo bem melhor: skills, procedimentos escritos para o seu contexto, que a IA carrega quando a tarefa pede. Falo delas mais abaixo.

Muitos exemplos em todo pedido

Exemplos continuam sendo uma das formas mais confiáveis de mostrar o formato e o estilo que você quer. A Anthropic recomenda de três a cinco exemplos quando eles são necessários.

O que mudou é que não são mais obrigatórios em todo pedido. A OpenAI recomenda testar primeiro sem exemplos e só acrescentar quando o formato exigido for mais complexo.

O que continua valendo

Antes de falar do que ficou mais importante, vale registrar o que não mudou. Tudo o que vimos no nível 2 continua valendo:

• Dizer o objetivo e para quem é o resultado.
• Dar o contexto que só você tem.
• Definir formato e critérios de qualidade.
• Usar exemplos quando o formato importa.
• Iterar em vez de aceitar a primeira resposta.

A engenharia de prompt não morreu. Ela virou uma parte de algo maior.

O que ficou mais importante

1. Curar o contexto, não só escrever o pedido

Janelas grandes criaram uma ilusão: "cabe tudo, então coloco tudo". A Anthropic descreve o fenômeno de context rot: à medida que o contexto cresce, a capacidade do modelo de lembrar e usar cada informação diminui aos poucos. A recomendação é buscar o menor conjunto de informações relevantes que leve ao resultado.

A documentação do Claude Code trata a janela de contexto como o recurso mais importante a gerenciar. Na prática, para qualquer ferramenta:

• Uma conversa por assunto. Mudou de tarefa, comece outra conversa.
• Se você já corrigiu a IA duas vezes no mesmo ponto, recomece com um pedido melhor, incorporando o que aprendeu. A documentação diz que uma conversa limpa com um pedido melhor quase sempre supera uma conversa longa cheia de correções.
• Instruções permanentes curtas. Detalhes que só valem às vezes vão para outro lugar.

2. Dar à IA um jeito de verificar o próprio trabalho

Essa talvez seja a mudança mais importante. A documentação do Claude Code explica que o Claude para quando o trabalho parece pronto. Sem uma checagem que ele consiga executar, você vira o único verificador, e todo erro espera você perceber.

Para código, a checagem é um teste ou um build. Para o escritório, a lógica é a mesma:

"Monte o relatório de despesas do trimestre. Antes de terminar, confira se o total de cada mês bate com a aba Lançamentos e me mostre a conta."

"Revise o contrato contra o checklist de compras anexo. Para cada item, cite o trecho do contrato que comprova."

Também ficou mais importante pedir evidência em vez de afirmação: a conta feita, o trecho citado, o resultado da checagem. Conferir evidência é mais rápido do que refazer o trabalho.

3. Planejar antes de executar

Quando a IA consegue agir, um mal-entendido vira trabalho feito errado. Por isso o Claude Code tem um modo de planejamento: a IA lê, investiga e propõe um plano antes de mudar qualquer coisa. Você revisa e ajusta, e só então ela executa.

A documentação também sugere inverter a lógica em tarefas maiores: em vez de você escrever o pedido perfeito, peça para a IA entrevistar você. Ela pergunta sobre casos que você não considerou e, no final, escreve a especificação.

No escritório, isso vale para qualquer tarefa com várias etapas:

"Quero reorganizar a pasta de contratos e criar uma planilha de controle de vencimentos. Antes de fazer qualquer coisa, me faça as perguntas necessárias e proponha um plano."

4. Skills: procedimentos no lugar de prompts

Uma skill é um arquivo com instruções para uma tarefa recorrente: o passo a passo, as regras, os modelos, a checagem final. O detalhe importante é como ela carrega. A IA vê só uma descrição curta de cada skill e lê o conteúdo completo apenas quando a tarefa pede. Assim você pode ter muitos procedimentos disponíveis sem lotar o contexto.

A documentação do Claude Code resume a divisão de forma clara: o arquivo de instruções permanentes guarda fatos que valem sempre, e as skills guardam procedimentos que valem às vezes.

Para quem trabalha em escritório, pense no "relatório mensal de vendas", na "conferência de nota fiscal" ou no "onboarding de cliente". Antes, cada pessoa tinha seu prompt salvo num bloco de notas. Agora a equipe tem um procedimento que a IA segue sempre do mesmo jeito.

5. Delegar e revisar com olhos novos

As ferramentas atuais permitem dividir o trabalho entre subagentes: um investiga, outro executa, outro revisa. A documentação do Claude Code recomenda usar um revisor em contexto limpo, que vê só o resultado e os critérios, não o raciocínio que levou a ele. É o mesmo motivo pelo qual a gente pede para um colega revisar o próprio texto: quem escreveu tende a não ver os erros.

E ela faz um alerta honesto: um revisor instruído a encontrar problemas quase sempre encontra algum, mesmo quando o trabalho está bom. Por isso vale dizer o que conta como problema, como erros de conteúdo ou requisitos não atendidos, e tratar o resto como opcional.

6. Regras que precisam ser garantidas, não pedidas

Instruções em linguagem natural são orientações. O modelo segue quase sempre, mas não sempre. Quando algo não pode falhar, ele precisa virar uma regra do sistema, não uma frase no prompt. No Claude Code, isso se faz com hooks, scripts que rodam automaticamente em momentos definidos. A documentação descreve a diferença: as instruções no arquivo de contexto são recomendações, os hooks garantem que a ação aconteça.

No escritório, o equivalente são as permissões e as confirmações: a IA prepara o e-mail, mas só uma pessoa envia. A IA pode ler a pasta financeira, mas não apagar nada. Isso não se resolve com "por favor, nunca apague arquivos". Resolve-se configurando o que a IA pode fazer.

Um exemplo do WebTech

No WebTech Network, o projeto SmartGIL, um servidor MCP para conversar com bancos de dados em português, é desenvolvido com apoio do Claude Code. Dois arquivos do repositório mostram bem essa mudança de mentalidade.

O primeiro é o arquivo de instruções do projeto. Ele não tem frases como "você é um engenheiro sênior". Tem o que a IA não consegue descobrir sozinha: como subir os serviços, como a arquitetura se conecta e, principalmente, os erros que já aconteceram. Por exemplo: gerar o arquivo de dependências antes de mexer na configuração do Docker, porque sem ele o build quebra. Ou usar um endereço específico de verificação de saúde do banco vetorial, porque o outro não existe na versão em uso.

O segundo é uma skill para criar novos servidores MCP no padrão do projeto. Ela tem os requisitos, um checklist e, no final, uma seção de verificação: subir os serviços, chamar os endereços de saúde e só considerar o trabalho pronto quando todos responderem corretamente.

Repare no que não está lá: truques de prompt. O que está lá é contexto específico, procedimento e verificação.

Antes e depois, no escritório

Imagine o relatório mensal de vendas.

Como se fazia em 2023:

"Você é um analista financeiro de classe mundial com 20 anos de experiência. Pense passo a passo. Vou colar os dados de vendas em três partes porque não cabem de uma vez. É CRÍTICO que você NUNCA invente números. Analise os dados e sugira um relatório para a diretoria. [cola parte 1]"

E depois as partes 2 e 3, e a montagem final à mão, e a conferência das contas na calculadora.

Como dá para fazer agora:

• Um projeto com instruções curtas: quem é a diretoria, o que ela costuma perguntar, o tom esperado.
• Acesso à planilha de vendas pelo conector do Drive ou do SharePoint.
• Uma skill "relatório mensal de vendas" com a estrutura do documento, os indicadores e a checagem final.
• Um pedido simples:

"Prepare o relatório de vendas de outubro. Antes de terminar, confira se os totais por região batem com a aba Resumo e me mostre a conta."

O segundo pedido é menor, e o resultado é melhor. A diferença não está na frase. Está em tudo o que foi organizado em volta dela.

Resumo

| Prática | Como era | Como é agora | | --- | --- | --- | | Raciocínio | "Pense passo a passo" | Descrever objetivo e critério; o modelo raciocina sozinho | | Ênfase | CAPS, "CRÍTICO", "NUNCA" | Tom normal; destacar só o que é ignorado | | Regras | Proibições soltas | Explicar o motivo e dizer o que fazer | | Tamanho | Mega-prompt com todas as regras | Prompt mínimo, ajustado a partir de falhas | | Papel | "O maior especialista do mundo" | Uma frase de papel e contexto real | | Documentos | Colar em pedaços | Anexar, montar projetos ou apontar onde estão | | Resultado | Pedir sugestões e copiar | Pedir a ação e acompanhar | | Reuso | Prompts prontos | Skills com procedimento e verificação | | Qualidade | Conferir tudo à mão | Dar à IA uma checagem e pedir evidência | | Segurança | "Por favor, nunca faça X" | Permissões, confirmações e regras do sistema |

Para fechar

Muito do que se ensinou como "engenharia de prompt" eram truques de época. Eles resolviam problemas de modelos que não raciocinavam, não liam arquivos e não tinham ferramentas.

O que sobrou, e ficou mais importante, são habilidades que não dependem de modelo: explicar bem um objetivo, organizar o conhecimento, definir o que é um trabalho pronto e saber verificar. São as mesmas habilidades que fazem alguém delegar bem para uma pessoa.

Se você quer levar essa discussão para a sua equipe ou empresa, o WebTech Network organiza workshops e palestras sobre maturidade no uso de IA. Fale com a gente.