Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Noções Básicas de Criação de Prompts para o Grok

Aula 1 de 14 Atualizada a 28 de julho de 2026 Iniciante
Nesta página
  1. Os Seus Primeiros Passos com o Grok
  2. Como o Grok Processa os Seus Prompts
  3. Os Três Pilares de um Bom Prompt
  4. Modelos Grok Disponíveis
  5. Prática Prática
  6. Pontos-chave

Atualizado em 3 de novembro de 2026 com base na página Models da xAI: o grok-4.7 (setembro de 2026) substitui o grok-4.5 como modelo recomendado. Fontes: Models · Release notes.

Os Seus Primeiros Passos com o Grok

O Grok é o modelo de inteligência artificial da xAI. Para interagir com ele, utiliza prompts: instruções de texto que envia ao modelo para obter uma resposta. A qualidade dos seus prompts determina diretamente a relevância e a precisão das respostas que recebe.

Um prompt pode assumir várias formas: uma pergunta simples, uma instrução detalhada, um contexto seguido de um pedido, ou até um conjunto estruturado que combine texto e imagens. Aprender a formular bem os seus prompts é a competência fundamental para desbloquear todo o potencial do Grok.

Como o Grok Processa os Seus Prompts

Os modelos Grok funcionam através da geração sequencial de tokens. Um token corresponde a uma palavra ou a um fragmento de palavra. Quando envia um prompt, eis o que acontece:

  1. O seu texto é dividido em tokens de entrada
  2. O modelo analisa todo o contexto
  3. Gera a resposta token por token, selecionando a continuação mais coerente em cada passo
  4. A resposta é devolvida, seja num bloco único ou via streaming (token por token em tempo real)

Este mecanismo explica por que razão uma instrução clara e bem estruturada produz resultados melhores do que um pedido vago.

Os Três Pilares de um Bom Prompt

Para obter respostas relevantes do Grok, foque-se em três princípios essenciais:

Clareza

Um prompt claro não deixa margem para ambiguidade. Compare estas duas formulações:

  • Vago: “Fale-me sobre Python”
  • Claro: “Explique as três principais diferenças entre listas e tuplos em Python, com um exemplo de código para cada um”

A segunda formulação orienta o modelo para uma resposta precisa e estruturada.

Contexto

Fornecer contexto ajuda o modelo a calibrar a sua resposta. Especifique o seu nível, objetivo ou domínio relevante:

  • “Sou um programador júnior. Explique-me os decoradores em Python com exemplos simples e comentários detalhados no código.”

Estrutura

Organize as suas instruções com secções distintas. Utilize listas, travessões ou numeração para separar as diferentes partes do seu pedido:

  • Contexto (quem é, qual é o projeto)
  • Tarefa (o que espera)
  • Restrições (formato, extensão, tom, idioma)
500K
Context tokens (Grok 4.5)
5
SDKs available
20 MB
Max size per image
128
Max tools per request

Modelos Grok Disponíveis

A xAI oferece vários modelos, cada um adequado a diferentes utilizações:

  • grok-4.7: o modelo recomendado pela xAI, versátil, ideal para tarefas complexas (o grok-4.6 e o grok-4.5, seus antecessores, permanecem disponíveis)
  • grok-4.20-0309-reasoning: modelo avançado com raciocínio profundo
  • grok-4.3: modelo rápido e económico para tarefas de rotina
  • grok-build-0.1: modelo ligeiro especializado em código

A escolha do modelo influencia a qualidade e a velocidade da resposta. Para começar, o grok-4.7 é a escolha recomendada pela xAI; o grok-4.3 custa menos para tarefas de rotina. Os exemplos neste curso, escritos com o grok-4.5, também funcionam com o grok-4.7.

Prática Prática

Experimente estes três prompts e observe as diferenças nos resultados:

Prompt 1 (mínimo):

Write an email

Prompt 2 (com contexto):

Write a professional email to reschedule a team meeting from Tuesday to Thursday, same time. Polite but direct tone.

Prompt 3 (estruturado):

Context: I'm a project manager at a 15-person tech startup.
Task: Write an email to reschedule our weekly team meeting.
Details: From Tuesday 2 PM to Thursday 2 PM, same room.
Tone: Professional but relaxed, typical of a startup.
Format: Subject + email body, maximum 5 lines.

Verá que o terceiro prompt produz um resultado muito mais direcionado e pronto a utilizar.

Pontos-chave

  • Um prompt é a instrução que envia ao Grok para obter uma resposta
  • Os três pilares de um bom prompt são clareza, contexto e estrutura
  • O Grok gera respostas token por token com base em todo o contexto fornecido
  • Quanto mais preciso for o seu prompt, mais relevante e utilizável será a resposta
  • Escolha o modelo Grok adequado à sua tarefa: raciocínio para tarefas complexas, rápido para tarefas de rotina