Boas Práticas e Erros Comuns
Nesta página
Atualizado a 3 de novembro de 2026. Com base na referência da API xAI:
max_completion_tokenslimita apenas a resposta visível; os tokens de raciocínio não contam para esse limite, ereasoning_effortcontrola a sua quantidade. Fonte: Chat Completions.
Resumo e Diretrizes
Esta última lição abrange as boas práticas essenciais e os erros mais frequentes ao criar prompts com o Grok. Encare-a como uma lista de verificação de referência para consultar sempre que criar ou refinar um prompt.
Boas Práticas
1. Estruture os Seus Prompts Sistematicamente
Separe sempre o contexto, a tarefa e as restrições. O modelo tem mais dificuldade em interpretar um bloco de texto do que um prompt organizado em secções.
2. Utilize a Mensagem do Sistema para Instruções Permanentes
Coloque na mensagem do sistema tudo o que se deve aplicar a todas as trocas (idioma, formato, tom, restrições). Deixe as instruções situacionais para as mensagens do utilizador.
3. Forneça Exemplos em Vez de Descrições
Quando o formato de saída é complexo, um exemplo vale mais do que mil palavras de descrição. O prompting few-shot é quase sempre mais eficaz do que uma explicação detalhada do formato esperado.
4. Adeque o Modelo à Tarefa
- Tarefa simples e rápida:
grok-4.3ougrok-build-0.1(para código) - Tarefa de raciocínio complexo:
grok-4.20-0309-reasoningcom esforço elevado - Análise de imagem:
grok-4.5com definição de detalhe (baixo/alto)
5. Ajuste a Temperatura ao Objetivo
- Extração, classificação, factos: temperatura 0 a 0,3
- Escrita profissional, resumo: temperatura 0,4 a 0,7
- Brainstorming, criatividade: temperatura 0,8 a 1,5
6. Teste Utilizando o Parâmetro seed
Para comparar objetivamente duas formulações de prompt, utilize a mesma seed. Isto elimina a variabilidade devida ao acaso e permite-lhe medir o impacto da sua alteração.
7. Construa uma Biblioteca de Prompts
Mantenha os seus melhores prompts numa biblioteca organizada por caso de uso. Um bom prompt é um investimento: ganha valor a cada reutilização.
Erros Comuns
Erro 1: Prompts Vagos
O modelo não é telepata. Quanto mais específico for, melhor será o resultado.
Erro 2: Ignorar os Limites dos Modelos de Raciocínio
Os modelos de raciocínio do Grok não suportam certos parâmetros: frequency_penalty, presence_penalty e stop geram um erro. Permita um tempo limite de 3.600 segundos para tarefas complexas.
Erro 3: Modificar o Histórico a Meio da Conversa
A API do Grok é stateless (sem estado). Modificar o histórico quebra a cache de inferência e degrada o desempenho.
Erro 4: Utilizar Temperature e top_p em Simultâneo
Alterar a temperatura e o top_p simultaneamente produz resultados imprevisíveis. Escolha um ou outro.
Erro 5: Negligenciar os Tokens de Raciocínio no Orçamento
Nos modelos de raciocínio, os tokens de raciocínio somam-se à resposta visível e são faturados à taxa de saída, mas max_completion_tokens não os limita: restringe apenas a resposta visível. Para controlar este custo, defina o esforço de raciocínio (reasoning_effort) e monitore os reasoning_tokens no uso.
Erro 6: Não Especificar o Formato de Saída
Sem instruções de formato, o modelo escolhe o formato que considera apropriado. Especifique sempre o formato esperado.
Erro 7: Excesso de Contexto Irrelevante
A documentação da xAI recomenda explicitamente excluir informações irrelevantes do contexto.
Erro 8: Armazenar Histórico com Imagens
Utilize store: false em pedidos que contenham imagens para evitar erros.
Resumo do Curso
Ao longo destas 14 lições, aprendeu a:
- Estruturar os seus prompts com clareza, contexto e formato (lições 1-4)
- Aproveitar técnicas avançadas: few-shot, cadeia de pensamento, instruções do sistema, iteração, multimodal (lições 5-9)
- Aplicar o prompting a exemplos do mundo real: escrita, análise, código (lições 10-12)
- Criar prompts especializados seguindo um processo metódico (lição 13)
O prompting é uma competência que melhora com a prática. Cada prompt que refina enriquece a sua experiência e a sua biblioteca de modelos reutilizáveis.
Pontos-chave
- Estruture sempre os seus prompts em secções distintas
- Adeque o modelo e os parâmetros a cada tarefa
- Forneça exemplos em vez de longas descrições
- Evite erros clássicos: parâmetros incompatíveis, histórico modificado, contexto excessivo
- Documente e reutilize os seus melhores prompts
- O prompting é iterativo: teste, diagnostique, ajuste
Teste os Seus Conhecimentos
Após o workshop para especialistas, uma verificação final das técnicas de prompting com o Grok.
1. Qual é a função da role system em comparação com as roles user e assistant?
Resposta: A role system define a estrutura duradoura da conversa — identidade, regras, formato — enquanto a user transporta os pedidos e a assistant as respostas: as instruções de aplicação não se misturam com o diálogo.
2. Quando baixar a temperatura?
Resposta: Para tarefas factuais, extração e código, onde a variação é um defeito; aumente-a para a criatividade — a definição segue o custo de uma resposta diferente de uma execução para outra.
3. O que ganha com a cadeia de pensamento?
Resposta: Em tarefas de raciocínio, pedir os passos antes da conclusão reduz significativamente os erros — o modelo desdobra-se em vez de saltar para o plausível.
4. Como fazer prompting multimodal (texto + imagem)?
Resposta: Enquadrando a análise como texto: pergunta precisa, critérios, formato de saída — a imagem são dados, o prompt permanece o método.
5. Nomeie dois erros comuns a evitar.
Resposta: Pedidos genéricos sem estrutura ou formato, e falta de iteração — aceitar a primeira saída em vez de refinar; as boas práticas do curso são exatamente o oposto.
Estrutura clara, definições adaptadas, iterações: as técnicas resumem-se a três movimentos — o workshop permitiu-lhe praticá-los, os seus projetos colherão os frutos.