Prompts condicionais e ramificados
Nesta página
Até agora, os seus prompts seguiram um caminho linear: uma instrução, um resultado. As situações profissionais do mundo real raramente são tão dóceis. O que fazer quando a resposta certa depende de uma característica que só conhecerá após processar o caso, ou quando precisa de cobrir múltiplos cenários numa única passagem? Os prompts condicionais e ramificados absorvem esta variabilidade: em vez de escrever um prompt separado para cada cenário, escreve a regra que os discrimina uma única vez.
Escreva uma regra “se/então”
O condicional mais simples descreve os casos possíveis e a ação associada a cada um. Imagine que modera avaliações no perfil da sua empresa: os comentários chegam diariamente, misturados, e nem todos exigem a mesma resposta.
Analyze this customer review and respond appropriately.
Rules:
- If the review is positive: thank them warmly and invite
them to leave a Google review
- If the review is negative: apologize, ask for
details about the issue, and offer direct contact
- If the review is a question: answer factually and offer
to take it further by email
- If the review is spam: simply state "SPAM - delete"
Review: "[PASTE REVIEW HERE]"
Este único prompt cobre quatro casos e permite-lhe processar dezenas de avaliações sem reescrever nada entre elas. A mudança é mais profunda do que parece: já não precisa de classificar previamente para escolher o prompt certo; a classificação faz agora parte da instrução.
Combine múltiplos critérios
Quando a resposta depende de duas ou três variáveis em simultâneo, escreva as suas condições como uma árvore de decisão. Um consultor de carreira não dá o mesmo conselho a um profissional júnior que muda de carreira do que a um executivo sénior que quer criar uma empresa; o prompt seguinte codifica esse discernimento de uma vez por todas.
You are a professional career counselor.
A candidate provides the following information.
Tailor your recommendations to their profile.
Candidate profile:
- Experience: [JUNIOR (0-2 years) / MID-LEVEL (3-7 years) / SENIOR (8+ years)]
- Current sector: [SECTOR]
- Goal: [ADVANCEMENT / CAREER CHANGE / START A BUSINESS]
- Constraint: [GEOGRAPHIC / SALARY / TIME / NONE]
Adaptation rules:
- If JUNIOR + ADVANCEMENT: focus on skills to acquire
and relevant training
- If JUNIOR + CAREER CHANGE: emphasize transferable skills
and suggest concrete bridges
- If MID-LEVEL + ADVANCEMENT: propose positioning strategies
and targeted networking
- If MID-LEVEL + START A BUSINESS: assess feasibility and propose
a gradual transition plan
- If SENIOR + ADVANCEMENT: steer toward leadership or
advisory roles, with personal branding
- If SENIOR + START A BUSINESS: leverage existing expertise
and network
If GEOGRAPHIC constraint: include remote-first options.
If SALARY constraint: prioritize fast-income options.
If TIME constraint: propose an accelerated plan.
Observe a estrutura e não o conteúdo: a interseção entre experiência e objetivo determina o substância do conselho, enquanto a restrição atua como um filtro aplicado sobre o resultado. Separar estes dois níveis em vez de combinar tudo evita escrever dezoito regras quando nove bastam — e permite-lhe adicionar uma quarta restrição amanhã sem reescrever toda a árvore.
Classifique uma lista inteira numa única passagem
O mesmo mecanismo transforma uma tarefa manual de qualificação numa única operação. Numa exportação de leads, as condições atuam como uma grelha de pontuação, e a tabela impõe um entregável que a equipa de vendas pode utilizar imediatamente, sem reformatação.
Here is a list of 10 sales leads. For each, assess
priority and propose the appropriate follow-up action.
Scoring rules:
- If the lead visited the pricing page: HOT -> propose a call
- If the lead downloaded a white paper: WARM -> send a
personalized nurturing email
- If the lead only subscribed to the newsletter: COLD -> add
to the automated sequence
- If the lead requested a demo: VERY HOT -> call within 24h
For each lead, produce:
| Name | Behavior | Score | Recommended action | Personalized message (2 lines) |
Leads:
1. Marie L. - visited pricing + downloaded the "ROI Guide" white paper
2. Thomas D. - subscribed to newsletter 3 months ago, no activity since
3. Sophie R. - demo request received yesterday, company of 200 employees
[...]
Uma precaução antes de colar uma lista como esta: envolve dados pessoais. Verifique o que o seu plano e as regras da sua empresa permitem. Nos planos Business, Enterprise e Edu, a OpenAI não utiliza o seu conteúdo para treinar os seus modelos por predefinição; nos planos pessoais, pode ser utilizado para treino, a menos que o tenha desativado nas suas definições de controlo de dados. Em qualquer caso, mantenha apenas a informação necessária para a classificação, por exemplo, um primeiro nome e uma inicial em vez de um nome completo e morada.
Produza múltiplas versões da mesma mensagem
Uma variante útil consiste em não pedir uma escolha, mas sim todas as ramificações de uma vez. Esta é a situação típica de um anúncio sensível que deve circular para diferentes públicos sem nunca se contradizer de um canal para outro.
We are preparing an announcement about a restructuring of the sales team.
Write 3 versions of the message based on context.
Scenario A - Team meeting (direct, transparent tone):
The announcement is made in person to the affected team.
Priority: honesty and addressing concerns.
Scenario B - Internal email to the entire company (factual, reassuring tone):
General information sent to all employees.
Priority: clarity and message stability.
Scenario C - Communication to clients (professional, confident tone):
Message intended for key clients who have a dedicated contact.
Priority: service continuity and trust.
For each scenario, produce:
1. The full message (200 words max)
2. The 3 likely questions and prepared answers
3. The main point of vigilance
Obter as três versões numa única resposta não é apenas uma poupança de tempo; é uma vitória de consistência: o modelo tem as outras duas à vista enquanto redige cada uma, o que não aconteceria se abrisse três conversas separadas.
Aninhe condições
Para compromisos verdadeiramente complexos, aninhe condições como faria numa nota de âmbito. O exemplo abaixo faz a recomendação depender de um primeiro nível de orçamento e, depois, dentro de cada nível, de um segundo critério que não é o mesmo em toda a parte — ciclo de vendas para orçamentos extremos, maturidade do mercado para o nível intermédio.
Help me choose the best customer acquisition strategy.
Decision parameters:
- Monthly budget: [AMOUNT]
- Sales cycle: [SHORT (< 1 month) / LONG (> 3 months)]
- Market maturity: [MATURE / EMERGING]
Recommendation logic:
IF budget < 5,000 EUR:
IF cycle SHORT -> SEO + content marketing
IF cycle LONG -> Organic LinkedIn + email nurturing
IF budget 5,000-20,000 EUR:
IF market MATURE -> Google Ads + retargeting
IF market EMERGING -> Content + industry events
IF budget > 20,000 EUR:
IF cycle SHORT -> Google Ads + LinkedIn Ads + SDR
IF cycle LONG -> ABM (Account Based Marketing) + events
For each recommendation, detail:
1. Budget allocation by channel
2. KPIs to track
3. Expected results at 3 and 6 months
Utilize condições como guardas
As regras condicionais não servem apenas para orientar o conteúdo: podem monitorizar a qualidade do output enquanto este está a ser escrito. Cada “se” torna-se uma instrução de autocorreção que o modelo aplica ao seu próprio texto, em vez de o deixar descobrir o problema durante a revisão.
Write an 800-word blog post on e-commerce trends in 2026.
Guardrails:
- If you mention a statistic, cite the source or indicate
"estimate" in parentheses
- If you claim a trend is "the most important," justify
with at least 2 arguments
- If a paragraph exceeds 100 words, split it in two
- If you use a technical term, add an explanation in
parentheses the first time
- If you can't find a concrete example for a point, flag it
with [ADD EXAMPLE]
A sua vez
Construa e teste a sua própria árvore de decisão. Escolha uma tarefa que repete onde os cenários variam e encaixe-a nesta matriz.
[YOUR RECURRING TASK]
Conditions:
- If [CONDITION A] then [ACTION A]
- If [CONDITION B] then [ACTION B]
- If [CONDITION C] then [ACTION C]
- If no condition applies: [DEFAULT ACTION]
Apply these conditions to:
[YOUR DATA]
Depois, teste com pelo menos três entradas diferentes, escolhidas para acionar ramificações distintas. Este teste revela quase sempre um de três defeitos clássicos. Uma condição formulada em termos vagos — “se o tom for médio” — não significa nada para o modelo: substitua-a por um critério objetivo ou forneça um exemplo de cada categoria. A ausência de um caso padrão deixa o modelo a improvisar assim que uma entrada sai do quadro esperado, e é aí que surgem respostas incongruentes; a linha “senão / em todos os outros casos” nunca é supérflua. Por fim, além de seis ou sete ramificações, o prompt torna-se impossível de manter: não saberá qual produziu um determinado resultado. Simplifique ou divida-o em vários prompts encadeados.
Fontes oficiais: Best practices for prompt engineering with the OpenAI API · How your data is used to improve model performance (Centro de Ajuda da OpenAI)
Pontos-chave
- Os prompts condicionais adaptam a resposta a diferentes casos utilizando regras “se/então”.
- A ramificação multicritério permite lidar com situações complexas num único prompt.
- O processamento em lote com condições automatiza a análise de listas inteiras.
- Os prompts multicenário produzem várias versões adaptadas a diferentes contextos.
- Inclua sempre um caso padrão e limite o número de ramificações para manter a clareza.
- Antes de processar dados pessoais, verifique o que o seu plano e a sua empresa permitem e minimize os dados ao estritamente necessário.