Como Escrever Melhor com IA: Guia de Prompts Avançados para ChatGPT, Gemini e Claude

Atualizado em maio/2026.

Saber como escrever com IA é diferente de saber usar IA. Você abriu o ChatGPT, o Gemini ou o Claude, digitou “escreva um artigo sobre X” e recebeu um texto que funciona, mas não tem a sua cara. Estruturado, coerente, publicável com pequenos ajustes. E ao mesmo tempo genérico o suficiente para ser de qualquer pessoa.

O problema não está na ferramenta. Está na instrução. Um prompt vago produz um texto vago. A diferença entre um resultado genérico e um texto pronto para publicação, com o seu tom e o seu estilo, está na qualidade do que você instrui antes de clicar em enviar.

Este artigo ensina as técnicas que fazem essa diferença. Inclui um comparativo entre as três ferramentas para cada tipo de tarefa de escrita, seis técnicas de engenharia de prompts voltadas especificamente à criação de texto, uma seção completa sobre cacoetes de IA com exemplos de antes/depois e um workflow completo para produzir conteúdo de qualidade. O conteúdo funciona no ChatGPT, no Gemini e no Claude porque os princípios de engenharia de prompts são universais.

Pré-requisito: este guia assume que você já conhece os fundamentos de prompt engineering: o que é persona, como dar contexto, modificadores de tom e formato, como detalhar uma tarefa em passos. Se esses conceitos são novos, comece pelo artigo Como criar prompts de sucesso no ChatGPT, Gemini e Claude, que cobre a anatomia completa de um bom prompt. O texto que você está lendo parte desses fundamentos e avança para as técnicas específicas de produção de texto.

Baixe gratuitamente o livro Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude. Ele aprofunda todas as técnicas deste artigo com exemplos por área e exercícios práticos. Best Seller na Amazon com mais de 800 avaliações 4,5★.

TL;DR

• Um prompt vago produz texto genérico. A qualidade da instrução impacta o resultado mais do que a escolha do modelo.
• Comparativo prático: ChatGPT (versatilidade), Gemini (Google Workspace + contexto amplo), Claude (textos longos e análise crítica).
• 6 técnicas: Few-Shot, Passive Prompting, PACREF, workflow em 7 etapas, personalização de voz, Sculpting e EmotionPrompt.
• Cacoetes de IA: pesquisa com 3.836 posts brasileiros identificou 12 padrões que reduzem engajamento em até 52%. A seção “O que cortar antes de publicar” traz lista completa com exemplos e prompt copiável.
• Checklist antes de enviar qualquer prompt de texto.

Por que a IA produz textos genéricos quando você pede algo genérico

O ChatGPT, o Gemini e o Claude não leem nas entrelinhas. Nenhum deles conhece o seu público, o seu estilo, a sua empresa ou o contexto específico do que você está criando. Quando você escreve “crie um artigo sobre liderança”, qualquer um deles entrega exatamente isso: o artigo mais provável sobre liderança, construído a partir dos padrões mais frequentes no conjunto de treinamento.

O resultado fica na média. Tecnicamente correto e sem personalidade.

Equipes do Google, da Microsoft e de universidades como Stanford e UCLA documentaram esse padrão em dezenas de tarefas diferentes: prompts com especificação clara e contexto adequado superam prompts vagos de forma consistente em qualidade, precisão e relevância, independentemente da ferramenta usada. A variável que mais impacta o resultado é a qualidade da instrução, não a versão do modelo.

A boa notícia: a instrução está inteiramente sob o seu controle. As técnicas a seguir cobrem o que você precisa incluir para que o resultado reflita o que você tem em mente.

ChatGPT, Gemini ou Claude: qual usar para escrever?

A pergunta faz sentido. As três ferramentas funcionam bem para a maioria das tarefas de escrita cotidianas. As diferenças aparecem quando o trabalho fica mais específico.

O livro Engenharia de Prompts na Prática resume o princípio de escolha: “A diferença de qualidade entre um modelo sem configuração e um com contexto bem definido é maior, na prática, do que a diferença entre plataformas de empresas diferentes.” Investir na instrução rende mais do que trocar de ferramenta.

Vale notar que o Claude é o único dos três que permite combinar Skills e Projects ao mesmo tempo, aplicando um assistente personalizado dentro de um espaço de trabalho com arquivos. No ChatGPT e no Gemini, você usa um ou outro.

As técnicas a seguir foram testadas nos três modelos.

Técnica 1: Few-Shot para reproduzir estilo e Passive Prompting para briefings incompletos

Em criação de texto, duas técnicas de prompting resolvem problemas que os modificadores básicos de tom e formato não resolvem: reproduzir um estilo que você sabe reconhecer mas não consegue descrever, e escrever quando o briefing ainda não está fechado.

Few-Shot para replicar estilo. Antes de enviar a instrução principal, você fornece um ou mais pares de “como seria um resultado correto”. O modelo identifica o padrão entre os exemplos e replica a mesma lógica na entrega real. A técnica foi formalizada na pesquisa que introduziu o aprendizado com poucos exemplos em modelos de linguagem de grande escala (Brown et al., 2020) e tornou-se uma das abordagens mais replicadas em engenharia de prompts.

Exemplo direto: você precisa que a IA escreva legendas para o Instagram no mesmo estilo dos posts que já publica. Em vez de tentar descrever esse estilo em palavras, você cola três exemplos de legendas que já funcionaram e escreve:

“Analise as legendas abaixo. Todas são do mesmo perfil e seguem o mesmo padrão de tom e estrutura. Escreva uma nova legenda para a imagem descrita a seguir no mesmo estilo.”

A regra prática: use um exemplo para tarefas de formato simples; use três ou mais para tarefas de estilo, tom ou critério subjetivo, onde um único exemplo não define o padrão com precisão suficiente.

Passive Prompting resolve um problema diferente: você não tem clareza suficiente para montar um prompt completo. Tentar especificar tudo sem essa clareza produz uma instrução com lacunas que o modelo preenche com padrões genéricos.

Passive Prompting inverte esse fluxo. Em vez de fornecer todas as informações de uma vez, você instrui o modelo a identificar o que falta antes de escrever:

“Antes de escrever, faça até 5 perguntas de esclarecimento para entender melhor o que preciso. Só comece a escrever depois de receber as respostas.”

O modelo conduz parte da especificação, levantando o que a instrução inicial deixou em aberto. O texto final, construído colaborativamente, tende a ser mais preciso do que qualquer versão que você montaria sozinho no primeiro momento.

Quando usar Passive Prompting: textos estratégicos ou complexos onde um briefing mal especificado gera retrabalho alto. Quando você já sabe exatamente o que quer e tem o contexto pronto, vá direto para o PACREF.

Técnica 2: Framework PACREF, a estrutura completa de um prompt de texto

Para textos mais complexos, artigos longos, relatórios, e-mails estratégicos, o prompt precisa de uma estrutura que organize o que o modelo deve saber antes de começar a escrever. O framework PACREF, desenvolvido por Edney “InterNey” Souza no livro Engenharia de Prompts na Prática, organiza essa estrutura em seis elementos: Pessoa, Ação, Contexto, Referências, Estrutura e Formato.

Os três primeiros elementos (Persona, Ação, Contexto) já foram cobertos em profundidade nos fundamentos de prompt engineering. O diferencial do PACREF para produção de texto está nos três últimos, que fecham o loop de qualidade que um artigo, um relatório ou um e-mail estratégico exigem.

Referências são os exemplos, os materiais de apoio, os critérios de qualidade. Um texto anterior que tem o tom que você quer replicar, os pontos-chave que precisam aparecer, os critérios que o texto deve atender. Referências funcionam como âncora de qualidade: o modelo tem um alvo concreto, não apenas uma descrição do alvo.

Estrutura organiza o próprio prompt, com delimitadores claros entre as seções. Tags XML como <persona></persona>, cabeçalhos em Markdown como ## Persona:, ou rótulos simples antes de cada bloco. A separação reduz ambiguidade e ajuda o modelo a identificar onde termina um elemento e começa outro.

Formato define como o texto deve ser entregue: tamanho aproximado, organização do texto, como deve começar e terminar, se usa ou não subtítulos, se é texto corrido ou tem listas. Quanto mais específico o formato, menos o modelo precisa decidir por conta própria.

Um prompt com PACREF para um artigo:

“[Persona] Atue como especialista em marketing de conteúdo com foco em audiências B2B. [Ação] Escreva um artigo que explique por que empresas de serviços perdem clientes para concorrentes menores e como a comunicação pode resolver isso. Desenvolva três argumentos principais, cada um com um exemplo do cotidiano de vendas. Conclua com duas ações que o leitor pode implementar esta semana. [Contexto] O público são gestores de agências de marketing digital, com 5 a 20 funcionários, que competem com freelancers e têm dificuldade de comunicar o valor do serviço versus o preço. [Referências] Tom: direto, sem clichês de consultoria, sem a palavra ‘sinergia’. [Formato] Texto corrido, sem listas de tópicos, entre 600 e 800 palavras, com subtítulos a cada argumento.”

O resultado desse prompt é radicalmente diferente de “escreva um artigo sobre retenção de clientes em agências de marketing”.

Técnica 3: O workflow em 7 etapas para produzir conteúdo de qualidade

A maioria das pessoas usa IA como substituto de processador de texto: pede o texto pronto e ajusta o que chega. Esse fluxo raramente produz resultados de alta qualidade porque o modelo não tem como saber o que você descartaria antes de mostrar para alguém.

O fluxo que funciona tem sete etapas:

Etapa 1: Instrua a IA com o máximo de contexto e peça uma lista ampla de ideias ou ângulos para o texto. Não peça o texto ainda. Já nesta etapa, aplique os modificadores de persona, tom, linguagem e propósito para calibrar o modelo para o que virá.

Etapa 2: Indique quais ideias agradaram e quais não, com o motivo. Peça novas opções a partir desse feedback. Essa etapa calibra o modelo para o seu gosto antes de gerar o rascunho.

Etapa 3: Escolha uma ideia.

Etapa 4: Instrua a IA para gerar o rascunho com instrução detalhada de tom, estrutura e propósito. Use o PACREF se a tarefa for complexa.

Etapa 5: Trate o rascunho como ponto de partida, não como produto final. Edite manualmente: remova o desnecessário, acrescente o que ficou de fora, ajuste o tom para a sua voz. A edição do meio é humana e insubstituível. O resultado tem mais qualidade em menos tempo e mantém a voz e a responsabilidade de quem assina.

Etapa 6: Devolva o texto editado para revisão com um prompt de aprimoramento:

“Revise o texto a seguir para clareza, coesão e consistência de tom. Aponte o que pode ser melhorado sem gerar uma nova versão automaticamente.”

Etapa 7: Repita o ciclo até a revisão não apontar melhorias relevantes.

O ponto central: a IA entra em dois momentos, geração e revisão, mas a edição do meio é do autor. Essa estrutura preserva a sua voz e a sua responsabilidade sobre o que você publica.

O workflow funciona melhor quando a IA entra com contexto real. Antes de gerar o rascunho, carregue os dados que devem embasar o conteúdo: pesquisa coletada, transcrições de entrevistas, relatórios, briefings de clientes. A qualidade da saída sobe na proporção da qualidade do que você colocou para dentro. Esse princípio tem nome técnico, engenharia de contexto para agentes de IA, e está descrito em detalhe em um artigo separado.

Quando o workflow estiver validado para o seu contexto, o próximo passo é configurá-lo como um assistente personalizado: um GPT Customizado no ChatGPT, um Gem no Gemini, uma Skill no Claude. Se quiser ir além nas técnicas de raciocínio, o artigo sobre engenharia de prompts avançados cobre as abordagens de encadeamento de raciocínio que complementam o workflow. Em vez de reconstruir as instruções a cada novo conteúdo, você configura tudo uma vez e o fluxo roda por padrão. Se o trabalho envolve uma base de documentos recorrente (briefings de clientes, guia de estilo da marca, arquivos de referência), combine o assistente com um Project (ChatGPT ou Claude) ou o NotebookLM (Gemini). No Claude, é possível usar Skill e Project ao mesmo tempo.

Técnica 4: Como ensinar a IA a escrever com a sua voz

O ChatGPT, o Gemini e o Claude entregam textos bem estruturados que soam como qualquer pessoa poderia ter escrito. A identidade não está lá. O retrabalho de inserir a própria voz consome o tempo que deveria ter sido economizado.

A solução não passa por descrever como você escreve. Você mostra.

O procedimento funciona em duas etapas. Na primeira, você reúne três a cinco textos que escreveu, artigos, posts, e-mails longos, qualquer conteúdo com a sua assinatura, e envia com esta instrução:

“Analise os textos abaixo. Todos foram escritos pela mesma pessoa. Identifique os padrões recorrentes de escrita: tamanho médio dos parágrafos, estrutura das frases, palavras ou expressões de transição preferidas, tom predominante, recursos retóricos recorrentes, o que aparece com frequência e o que está notavelmente ausente. Entregue uma lista de orientações práticas e específicas que eu possa usar como instrução para que a IA produza textos no mesmo estilo.”

O modelo devolve uma lista de características concretas: frases curtas com sujeito-verbo-objeto, abertura com situação real antes do conceito técnico, dado de pesquisa usado como reforço de argumento depois do raciocínio, sem adjetivação decorativa, fechamento com perspectiva e não com resumo.

Na segunda etapa, você salva essa lista e a usa como bloco de referências em qualquer prompt:

“[Referências] Use as seguintes orientações de estilo: [cole aqui a lista gerada na etapa anterior]”

Do ponto de vista técnico, é um Few-Shot invertido: você não mostra exemplos do resultado que quer; você mostra exemplos de quem você é e deixa o modelo extrair o padrão.

O perfil gerado pode ser reutilizado indefinidamente no ChatGPT, no Gemini e no Claude. Se o seu estilo evolui, refaça a análise com textos mais recentes.

Técnica 5: Sculpting, defina o resultado pelo que você quer eliminar

Há situações em que o resultado ideal é difícil de descrever positivamente, mas você sabe imediatamente o que rejeitar. “Escreva em tom executivo” abre margem para interpretação. Uma lista de rejeições fecha o espaço de forma mais precisa.

Sculpting é a técnica de moldar o resultado pelo que você não quer. As restrições entram antes da instrução principal:

“Para este texto, as seguintes restrições são obrigatórias: sem listas ou tópicos, sem abertura com dado estatístico, sem o verbo ‘alavancar’, sem frases com mais de três linhas, sem adjetivação decorativa, sem encerramento com pergunta retórica. [Instrução da tarefa a seguir.]”

O que sobra depois das exclusões é o que você quer, mesmo que você não tivesse conseguido descrever em palavras positivas.

Os cacoetes documentados pela pesquisa e como eliminá-los

Sculpting ganha ainda mais precisão quando as restrições são baseadas em evidência, não em intuição. Um estudo publicado pela Octans analisou 3.836 posts de 220 criadores brasileiros no LinkedIn e identificou 12 padrões textuais que sinalizam origem artificial ao leitor, mesmo quando o texto é tecnicamente correto.

Os números são diretos: posts com cinco ou mais desses padrões têm engajamento 52% menor do que posts sem nenhum. Os treze criadores que publicaram sem nenhum cacoete ao longo de toda a amostra alcançaram 3,3 vezes o engajamento médio.

Os seis padrões com maior impacto negativo no engajamento:

1. Fragmentação dramática: parágrafos de uma frase isolada para criar tensão artificial.
2. Falso insight: a construção “não é X, é Y”, que nega e corrige em sequência imediata.
3. Formatação artificial: bullets com emoji substituindo argumentação corrida.
4. Travessão dramático: uso do travessão como recurso de ênfase ou pausa expressiva.
5. Perguntas retóricas: gancho de abertura ou encerramento com pergunta que o leitor não pediu para responder.
6. Retórica de ruptura: “isso muda tudo”, “nunca mais será o mesmo”, “o futuro chegou”.

Os outros seis padrões identificados no estudo, com impacto menor: léxico inflado sem dado de sustentação, fechamento formulaico com chamada genérica à interação, superlativo vazio, abertura clichê, construção aditiva acumulada e ênfase desnecessária.

Um bloco de sculpting baseado nesses achados, pronto para colar antes de qualquer instrução de texto:

“Para este texto, as seguintes restrições são obrigatórias: sem parágrafos de uma frase isolada para criar suspense, sem construção ‘não é X, é Y’, sem travessão como recurso de ênfase, sem bullets com emoji, sem perguntas retóricas de abertura ou encerramento, sem frases do tipo ‘isso muda tudo’ ou variações, sem adjetivos como ‘incrível’, ‘revolucionário’ ou ‘transformador’ sem dado que os sustente, sem abertura com ‘em um mundo onde’ ou equivalentes. [Instrução da tarefa a seguir.]”

Um limite prático: mantenha as restrições entre três e seis por prompt. Com muitas exclusões simultâneas, o modelo tende ao hiper-literalismo e perde naturalidade. Se o texto precisar de mais restrições, divida a tarefa em etapas.

Técnica 6: EmotionPrompt, o contexto do que está em jogo melhora a entrega

Pesquisadores da Microsoft e da Academia Chinesa de Ciências documentaram um efeito contra-intuitivo: adicionar uma frase ao final do prompt que comunica o peso da situação melhora a qualidade da resposta, sem alterar uma palavra da instrução técnica. O estudo foi publicado com o nome EmotionPrompt (Li et al., 2023).

Testaram 11 frases diferentes em seis modelos e em 45 tipos de tarefa. O efeito apareceu em todos. Nas tarefas mais complexas, a melhora chegou a 115%. Para textos criativos e analíticos, avaliadores humanos mediram melhora de quase 11% em qualidade, veracidade e cuidado com a informação.

A explicação está no material de treinamento. Os modelos foram treinados em texto produzido por humanos. Humanos escrevem de forma diferente quando o contexto tem peso. Documentos críticos e relatórios para a liderança têm um padrão de elaboração que mensagens casuais não têm. Ao adicionar uma frase que sinaliza importância, você aciona esse padrão.

Exemplos diretos para uso em qualquer uma das três ferramentas:

• “Este artigo vai representar publicamente a empresa. A precisão e o tom são essenciais.”
• “Este texto será lido por decisores. Não pode ter imprecisões ou ambiguidades.”
• “Este e-mail vai para um cliente estratégico. Cada palavra importa.”
• “Este relatório vai para uma apresentação executiva. A clareza é crítica.”

A frase precisa ser verdadeira sobre a situação real. Adicionada por rotina, sem relação com o contexto, perde o efeito.

O que cortar antes de publicar: lista de cacoetes de IA para quem escreve com IA

A maioria dos textos gerados por IA chega com vícios de padrão que o modelo reproduz por frequência estatística, não por intenção. Não são erros gramaticais. São formulações que o leitor reconhece intuitivamente como artificiais, porque aparecem em praticamente todo texto gerado por IA sobre qualquer tema.

Esta seção traz a lista completa desses padrões, com exemplos de como aparecem e como reescrever cada um. Ao final, um prompt de Sculpting pronto para copiar e usar antes de qualquer instrução de texto.

O custo de ignorar esses padrões deixou de ser só estético. Em maio de 2026, o LinkedIn anunciou oficialmente que passou a suprimir conteúdo que “parece polido na superfície mas carece de perspectiva ou substância”, limitando a distribuição ao círculo de 1º grau, sem amplificação para além da rede imediata. Em testes internos, o sistema identifica esse tipo de conteúdo com 94% de precisão. Os padrões abaixo são exatamente os sinais que o algoritmo aprendeu a reconhecer.

1. Abertura de moldura genérica de época

Qualquer texto sobre qualquer tema pode começar com uma dessas. É a assinatura mais reconhecível da escrita de IA: o modelo enquadra o tema em uma crise ou mudança global antes de entrar no assunto real.

Como cortar: reescrever a abertura com uma situação reconhecível pelo leitor, um dado verificável ou a tese diretamente.

2. Construção “Não é X, é Y” e variantes verbais

O padrão nega uma interpretação e apresenta a “correta” em sequência imediata. Parece filosófico. Na prática, é a forma mais comum de o modelo fingir ter uma perspectiva sem realmente desenvolver nenhuma.

Como cortar: substituir a negação pela descrição direta do mecanismo ou do comportamento concreto.

3. Hedging de funcionário

Qualificadores que anunciam a informação antes de dizê-la. Simulam cautela intelectual, mas na prática diluem a afirmação e sinalizam insegurança do texto.

Como cortar: remover o qualificador inteiro. Se a afirmação for forte, deixá-la forte. Se for especulação, nomear a incerteza com precisão (“em empresas menores que 50 pessoas”, “nos casos observados até agora”).

4. Verbos de imersão como promessa introdutória

O modelo usa esses verbos para anunciar que vai começar a fazer algo, sem fazer nada ainda. Parece uma introdução engajante. Na prática, adia o conteúdo real por uma frase.

Como cortar: substituir por verbo que descreve o movimento real do argumento, ou começar diretamente pelo conteúdo.

5. Empatia fabricada

Construções de conforto que tratam o leitor como paciente, não como profissional adulto capaz de lidar com informação direta.

Como cortar: remover integralmente. Tratar o leitor como interlocutor que chegou pelo assunto, não pelo acolhimento.

6. Gerúndio de fechamento sem ação concreta

Gerúndios no fim de frase ou de parágrafo que simulam movimento sem descrever nenhuma ação real. O texto parece estar indo para algum lugar. Não está.

Como cortar: substituir o gerúndio pelo resultado concreto com escala estimável: quem, quanto, em qual direção.

7. “Transformar” como promessa vaga

O verbo transformar e seus derivados (transformação, transformador, transformativo) aparecem em praticamente todo texto de IA sobre negócios e tecnologia. Sozinhos, não descrevem nada.

Como cortar: nomear o objeto real da mudança, a direção e a escala estimável. Se não for possível nomear, o verbo transformar não pertence ao texto.

8. CTA genérico de rede social

Chamadas para ação que funcionam como encerramento padronizado, sem relação com o conteúdo que veio antes.

Como cortar: encerrar com síntese prática ou pergunta específica que decorre do conteúdo. Ou simplesmente encerrar.

O prompt de Sculpting copiável

Reúne as restrições acima em um bloco pronto para colar antes de qualquer instrução de texto. Adapte conforme o tipo de conteúdo.

Para este texto, as seguintes restrições são obrigatórias:
— Sem abertura com "em um mundo onde", "na era de", "no cenário atual" ou molduras genéricas de época.
— Sem construção "não é X, é Y" ou variantes verbais ("não faz X, faz Y").
— Sem qualificadores de hedging: "é importante notar que", "cabe destacar que", "vale ressaltar que", "de certa forma".
— Sem verbos de imersão como promessa introdutória: "vamos explorar", "embarque nesta jornada", "vamos nos aprofundar".
— Sem empatia fabricada: "você não está sozinho", "parabéns por dar este passo", "este é o seu momento".
— Sem gerúndio de fechamento sem ação concreta: "transformando", "levando as organizações a", "abrindo possibilidades".
— Sem "transformar" e derivados sem objeto real, direção e escala estimável.
— Sem CTA genérico de rede social no encerramento.
— Sem travessão como recurso de ênfase ou pausa dramática.
— Sem perguntas retóricas de abertura ou encerramento.
— Sem fragmentação dramática (parágrafos de uma frase para criar suspense).
[Instrução da tarefa a seguir.]

Mantenha entre três e seis restrições ativas quando o texto for curto. Para textos mais longos ou com estrutura mais livre, o bloco completo funciona bem.

Antes de enviar: o checklist do bom prompt de escrita

Os fundamentos de higiene de prompt, verbo preciso, contexto básico, sequência lógica, formato definido, estão cobertos no guia de prompts para ChatGPT, Gemini e Claude. O checklist a seguir cobre os pontos específicos de produção de texto:

1. Você incluiu ao menos um exemplo de referência (Few-Shot)? Descrever tom em palavras sempre perde para mostrar um texto que já tem o tom. Se você tem três parágrafos antigos com o estilo desejado, cole. O ganho é maior que qualquer refinamento verbal.

2. Há um bloco de Sculpting com os cacoetes a evitar? Restrições explícitas cortam o resultado artificial antes que ele seja gerado. Use a lista da seção anterior como ponto de partida, mantendo entre três e seis restrições por prompt.

3. Você substituiu proibições vagas por direcionamentos positivos? Pesquisas sobre o comportamento de modelos frente a negações mostram que nomear um comportamento proibido tende a ativá-lo antes de suprimi-lo. Transformações diretas:

• “não seja informal” → “mantenha tom profissional e direto”
• “não repita informações” → “cada parágrafo deve introduzir uma informação nova”
• “não seja longo” → “limite a resposta a três parágrafos”

Sculpting, que usa negações, funciona porque as restrições são concretas e específicas. Evite negações vagas, não as específicas.

4. Para prompts longos, a instrução central aparece também no final? Em prompts com muito contexto, instruções definidas apenas na abertura perdem peso à medida que o volume cresce. Repetir o objetivo e o formato no final, em uma linha, reativa o que o modelo precisa executar.

5. Você adicionou o contexto de peso ao final? Se a situação tem peso real, cliente estratégico, apresentação para diretoria, texto que vai representar a empresa, comunique isso. EmotionPrompt em ação.

6. O bloco de referências traz o seu perfil de estilo? Se você já rodou a Técnica 4 (personalização de voz), cole o perfil em todo prompt de texto. É a instrução com maior retorno por palavra investida.

Perguntas frequentes sobre prompts para escrever com IA

Qual a diferença entre ChatGPT, Gemini e Claude para criação de textos?

As três ferramentas funcionam bem para a maioria das tarefas de escrita cotidianas. As diferenças aparecem em usos específicos. O ChatGPT se destaca em versatilidade e na integração entre texto, imagem e código em uma mesma sessão. O Gemini tem vantagem para quem trabalha no Google Workspace, com integração nativa ao Docs e Drive e janela de contexto muito ampla para textos longos. O Claude é a referência para textos que exigem análise crítica, síntese de documentos complexos e seguimento preciso de instruções ao longo de sessões longas. Rankings públicos como o LMArena medem desempenho comparado entre os modelos, mas as três empresas lançam versões novas a cada poucas semanas, o que faz a ordem mudar com frequência. O que se mantém estável é a recomendação por contexto de uso, não por posição em ranking da semana.

O que é o framework PACREF?

PACREF é um acrônimo para os seis elementos que compõem um prompt completo para produção de texto: Persona (papel que o modelo assume), Ação (o que deve ser feito e como), Contexto (o que o modelo precisa saber), Referências (exemplos e critérios de qualidade), Estrutura (organização do próprio prompt) e Formato (como a resposta deve ser entregue). O framework foi desenvolvido por Edney “InterNey” Souza no livro Engenharia de Prompts na Prática como checklist cognitivo para garantir que nenhum elemento essencial foi esquecido.

O que é Sculpting em engenharia de prompts?

Sculpting é a técnica de moldar o resultado pelo que você quer eliminar. Restrições explícitas entram antes da instrução principal: sem listas com emoji, sem perguntas retóricas, sem “não é X, é Y”. O que sobra depois das exclusões é o que você quer, mesmo que você não tivesse conseguido descrever em palavras positivas o resultado esperado.

O que são cacoetes de IA na escrita?

Cacoetes de IA são padrões textuais que sinalizam ao leitor que o texto foi gerado por modelo de linguagem, mesmo quando o conteúdo é tecnicamente correto. Os principais: abertura com “em um mundo onde…”, fragmentação dramática, construção “não é X, é Y”, verbos de imersão como “explorar” e “embarcar nesta jornada”, hedging como “é importante notar que”, empatia fabricada e gerúndio de fechamento sem ação concreta.

Como evitar que textos gerados por IA pareçam artificiais?

A forma mais eficaz é Sculpting com lista de restrições específicas baseadas em evidência. Pesquisa com 3.836 posts brasileiros identificou que posts com 5 ou mais cacoetes têm engajamento 52% menor. Inclua um bloco de restrições antes de qualquer instrução de texto usando o prompt copiável da seção anterior.

O que é EmotionPrompt?

EmotionPrompt é a técnica de adicionar ao final do prompt uma frase que comunica o peso da situação. Pesquisadores da Microsoft documentaram que esse elemento melhora a qualidade em até 115% em tarefas complexas, sem alterar a instrução técnica. A frase precisa ser verdadeira sobre a situação real para ter efeito.

As técnicas de prompting funcionam igualmente no ChatGPT, Gemini e Claude?

Sim. Few-Shot, PACREF, Passive Prompting, Sculpting e EmotionPrompt funcionam da mesma forma nos três modelos porque partem de princípios de como modelos de linguagem interpretam instruções. O que muda entre plataformas são os recursos específicos (integração com outras ferramentas, janela de contexto, geração de imagem), não a lógica de construção do prompt.

Qual é o melhor prompt para escrever um artigo de blog?

Prompts eficazes para artigos de blog combinam três elementos: o framework PACREF para estruturar a instrução completa, um bloco Few-Shot com exemplos do tom desejado, e restrições de Sculpting para cortar cacoetes antes da geração. Para textos mais longos, use o workflow em duas etapas: peça primeiro o outline aprovado, depois gere o conteúdo seção por seção. Para preservar a sua voz, inclua um bloco de referências gerado pela análise dos seus próprios textos publicados.

Onde começar amanhã

Escolha uma técnica por vez. Se você nunca usou Few-Shot, comece por ali: reúna três textos seus com o tom que quer replicar e envie junto com a próxima instrução de texto. A diferença é imediata.

Se o seu problema é que os textos chegam com cara de IA, use o prompt de Sculpting desta página antes da próxima instrução. Resultado: o modelo descarta os padrões mais reconhecíveis antes de começar a escrever.

Quando as duas técnicas estiverem no seu fluxo habitual, adicione o PACREF para tarefas mais complexas. A combinação das três cobre a maior parte dos casos de uso.

Quanto melhor a instrução, mais o resultado reflete o que você teria escrito, em menos tempo.

Para descobrir qual curso da ESPM faz mais sentido para aprofundar prompts e escrita com IA na sua trajetória, vale conversar com o Consultor de Carreira, um agente de IA que indica os cursos da minha curadoria conforme o seu perfil.

Se quiser ver como os modelos evoluíram recentemente, os artigos sobre o Google I/O 2026 cobrem os anúncios com análise de impacto prático para quem usa ChatGPT, Gemini e Claude no dia a dia.

Resumo das técnicas

Para consulta rápida:

• Few-Shot para estilo: cole três a cinco exemplos de textos com o tom desejado e peça que o modelo siga o mesmo padrão. Funciona melhor que qualquer descrição verbal.
• Passive Prompting: peça à IA que faça perguntas antes de escrever, quando o briefing estiver incompleto.
• PACREF (Persona, Ação, Contexto, Referências, Estrutura, Formato): para textos longos e complexos que exigem especificação completa. Os três últimos elementos (Referências, Estrutura, Formato) são o diferencial para produção editorial.
• Workflow em 7 etapas: ideias, feedback, escolha, rascunho, edição humana, revisão por IA, iteração. A edição do meio é insubstituível.
• Personalização de estilo: para produtores de conteúdo que precisam que os textos preservem a própria voz. Analise seus textos, extraia o padrão, use como bloco de referências.
• Sculpting: quando você tem rejeições claras mas dificuldade de articular o positivo. Define o resultado pelo que elimina. Use a lista de cacoetes desta página como base das restrições.
• EmotionPrompt: acrescente ao final do prompt uma frase verdadeira sobre o peso da situação.

Edney “InterNey” Souza é professor, palestrante e conselheiro consultivo de empresas, especializado em tecnologia e inovação. Leciona na ESPM, Insper, USP, PUCRS e IBGC. É autor do livro gratuito Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude. Trabalha com tecnologia desde 1990 e fundou sete startups ao longo da carreira.