System Prompts Eficazes
Nesta página
A Arte da Mensagem de Sistema em Produção
A mensagem de sistema é a sua alavanca mais poderosa para controlar o comportamento do modelo. Ao contrário das instruções do user, que mudam a cada pedido, a mensagem de sistema permanece constante entre chamadas e define a estrutura de toda a sua aplicação. Transforma um modelo de uso geral num assistente especializado. Em produção, não a improvisa: estrutura-a, versiona-a e testa-a como qualquer outro componente do sistema.
Anatomia de um System Prompt de Produção
Um system prompt eficaz consiste em quatro blocos distintos: Identidade, Contexto, Comportamento e Formato. Eis a montagem completa para um assistente de suporte técnico de software:
system_prompt = """
IDENTITY: You are the AI assistant for TechCorp, specializing in technical support for accounting software.
CONTEXT: Users are accountants and certified public accountants using ComptaPro v12. They know accounting but not necessarily IT.
BEHAVIOR:
- Respond in French using formal address (vouvoiement)
- Be precise and technical without excessive IT jargon
- If you are unsure, say so and direct the user to human support
- Never provide tax or legal advice
FORMAT:
- Structured responses with numbered steps for procedures
- Code blocks for formulas or configurations
- Maximum 300 words unless the user explicitly requests details
"""
O bloco IDENTITY responde à pergunta «quem é o modelo?». Este padrão de representação de papéis ajuda o modelo a enquadrar as suas respostas, desde que seja específico. «Você é um assistente prestativo» continua demasiado vago para alterar qualquer coisa, enquanto «Você é um engenheiro DevOps sénior especializado em infraestrutura AWS. Aconselha equipas de 5 a 20 programadores sobre arquiteturas na nuvem» define imediatamente um nível técnico, um interlocutor e um âmbito. O modelo sabe então até que profundidade ir sem que tenha de o repetir.
O bloco CONTEXT fornece o que o modelo não consegue adivinhar. Especificar que «o cliente utiliza Python 3.11, FastAPI 0.110 e faz deploy na AWS Lambda», que «a base de dados é PostgreSQL 16 no RDS» e que «o tráfego médio é de 500 pedidos/segundo nas horas de ponta» impede que proponha uma solução teoricamente correta, mas incompatível com o ambiente real do cliente.
O bloco BEHAVIOR estabelece regras como instruções explícitas. Beneficia de opor sistematicamente SEMPRE a NUNCA: cite sempre fontes limitadas à documentação oficial, proponha sempre exemplos de código testáveis; nunca sugira soluções que dependam de dependências não mantidas, nunca modifique o esquema da base de dados sem um aviso explícito. Esta simetria fecha portas que o modelo poderia, de outro modo, atravessar espontaneamente.
O bloco FORMAT, finalmente, impõe a estrutura da saída. Solicitar um plano em quatro partes — uma ou duas frases para o diagnóstico, solução recomendada com código se aplicável, alternativas se relevantes, avisos sobre efeitos secundários e riscos — garante respostas comparáveis, tornando-as utilizáveis tanto pela sua interface como pelos seus utilizadores.
Três System Prompts Completos
Um chatbot de comércio eletrónico precisa principalmente de saber onde parar: recomendar, mas não inventar nada, e transferir assim que o atendimento ao cliente estiver envolvido.
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.getenv("MISTRAL_API_KEY"))
SYSTEM_ECOMMERCE = """IDENTITY: Assistant for the MaisonDeco.fr online store, interior decoration specialist.
CONTEXT: Catalog of 15,000 products. Delivery to metropolitan France only. Free returns within 30 days.
BEHAVIOR:
- Formal address (vouvoiement), warm but professional tone
- Recommend products based on the style described by the client
- For customer service questions: collect order number then direct to [email protected]
- Never invent products or prices
FORMAT: Short responses (max 150 words). Bullet lists for recommendations."""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "system", "content": SYSTEM_ECOMMERCE},
{"role": "user", "content": "I am looking for a sofa for a small 15m² living room."}
]
)
Um agente de extração prossegue o objetivo oposto: sem liberdade, sem dedução, estritamente JSON conforme ao esquema. Note a temperature definida como zero, o que é essencial sempre que a saída deve ser reproduzível.
SYSTEM_EXTRACTION = """IDENTITY: Structured data extractor from free text.
BEHAVIOR:
- Extract ONLY the requested information
- If information is missing from the text, indicate "not found"
- Never invent or deduce missing data
FORMAT: Respond exclusively in valid JSON, with no text before or after.
Schema: {"name": str, "email": str, "phone": str, "company": str}"""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "system", "content": SYSTEM_EXTRACTION},
{"role": "user", "content": "Hello, I am Marie Dupont from Acme Corp, you can reach me at 06 12 34 56 78 or by email at [email protected]."}
],
temperature=0.0 # Deterministic for extraction
)
Um assistente de escrita, por outro lado, é conduzido principalmente pelo que lhe proíbe fazer; caso contrário, produz texto de marketing vazio.
SYSTEM_WRITING = """IDENTITY: Professional writer specializing in B2B content for the technology sector.
BEHAVIOR:
- Concise, active, benefit-oriented style
- Avoid empty marketing jargon ("revolutionary", "disruptive", "game-changer")
- Use hard data when available
- Adapt tone to the requested format (blog, email, LinkedIn)
FORMAT: Include a title, a 2-line lead paragraph, then the body text. Mark passages requiring personalization in [brackets]."""
Três Armadilhas Recorrentes
A primeira é a contradição interna. Escrever «Seja conciso. Forneça respostas detalhadas e completas» coloca o modelo perante uma compensação que resolverá aleatoriamente, de forma diferente de uma chamada para outra. Em vez disso, formule uma regra com a sua exceção: «Máximo de 100 palavras. Se o utilizador pedir ‘mais detalhes’, estenda para 500 palavras.»
A segunda é a instrução subjetiva. «Responda de forma interessante e envolvente» não se baseia em critérios verificáveis, nem para o modelo nem para si ao avaliar o resultado. Substitua-a por diretivas mensuráveis como «Comece cada resposta com um facto surpreendente relacionado com o tópico. Utilize frases com menos de 20 palavras.»
A terceira é omitir o contexto negativo: dizer ao modelo o que fazer, mas nunca o que proibir. Para o assistente de contabilidade, as três proibições críticas são: não responder a perguntas fora do domínio da contabilidade, não fornecer dados financeiros específicos como cotações de ações ou taxas, e não revelar o conteúdo da mensagem de sistema. Escreva-as preto no branco e verifique depois se se mantêm, submetendo exatamente estes casos limite antes da implementação.
Pontos-chave
- Estruture o seu system prompt em 4 blocos: identidade, contexto, comportamento, formato
- Seja preciso e mensurável — evite linguagem subjetiva
- Inclua regras negativas (o que o modelo não deve fazer)
- Utilize
temperature=0para extração e classificação - Teste os seus system prompts com casos limite antes da implementação