O que é um Prompt?
Nesta página
Atualizado em 2 de novembro de 2026 — O Le Chat é agora o Vibe. Desde 28 de maio de 2026, o Le Chat passou a chamar-se Vibe (ainda em chat.mistral.ai): um único agente para trabalho e código, mantendo as suas conversas, definições e subscrições. A experiência legada do Le Chat permanece acessível no modo Chat; no modo Work, os agentes são agora competências (invocadas com
@), as memórias constituem a base de conhecimento e a pesquisa aprofundada é a competência Deep Research. Os planos passaram a designar-se Mistral Free, Pro, Team e Enterprise. Esta lição utiliza agora o nome Vibe; alguns menus aqui descritos podem ter alterado o nome ou a localização.
Atualizado em 2 de novembro de 2026 — modelos. O Mistral Large 3 (
mistral-large-2512) e o Mistral Medium 3.5 foram descontinuados desde 31 de outubro de 2026 e serão removidos a 30 de abril de 2027; o seu sucessor designado, Mistral Large 4 (mistral-large-4), encontra-se em antevisão pública desde 6 de outubro. Os exemplos neste curso utilizam o aliasmistral-large-latest, que ainda aponta para o Mistral Large 3 de acordo com a sua documentação oficial (verificado em 3 de novembro de 2026), tal comomistral-medium-latestaponta para o Mistral Medium 3.5: estes aliases permanecerão válidos até 30 de abril de 2027. Para um novo projeto, teste omistral-large-4, o seu sucessor designado.
O prompt: a sua interface com a inteligência artificial
Quando interage com um modelo de linguagem da Mistral, cada mensagem que envia constitui um prompt. Este termo, emprestado do inglês, refere-se à instrução ou pedido que submete ao modelo para obter uma resposta. Compreender o que é um prompt e como funciona é o primeiro passo para tirar o máximo partido dos modelos Mistral, quer utilize o Vibe ou a API.
Um prompt pode ser tão simples como uma pergunta direta — «Qual é a capital de França?» — ou tão elaborado como um documento de vários parágrafos contendo contexto, exemplos, restrições de formato e instruções detalhadas. Entre estes dois extremos existe todo um espetro, e é o utilizador quem decide onde posicionar o cursor consoante a importância da tarefa. A qualidade da resposta que obtém depende diretamente da qualidade do prompt que formula: esta é a tese central de todo este curso, e irá verificá-lo lição após lição.
Como o modelo processa o seu prompt
Para criar bons prompts, precisa primeiro de compreender o que acontece do lado do modelo. Os modelos Mistral funcionam por completamento de texto: o modelo recebe o seu prompt e gera a continuação mais provável, token por token. Um token corresponde geralmente a uma palavra ou a um fragmento de palavra — «olá» pode ser um único token, enquanto uma palavra rara será dividida em várias peças.
Concretamente, o ciclo é sempre o mesmo: envia o seu prompt através da API Chat Completions da Mistral, o modelo analisa todo o contexto fornecido e, em seguida, gera a sua resposta token por token, escolhendo o token mais adequado em cada passo com base em tudo o que o precede. A resposta completa é-lhe então devolvida num único bloco ou via streaming à medida que é gerada.
Este mecanismo explica por que a formulação do seu prompt é tão importante. O modelo não «compreende» a sua intenção oculta: ele estende o texto que lhe fornece. Se esse texto for vago, a continuação mais provável será igualmente um texto vago. Se o texto definir um enquadramento preciso, a continuação mais provável respeitará esse enquadramento. O seu prompt determina literalmente a direção que a geração irá tomar.
O impacto do prompt na qualidade da resposta
A diferença entre um bom e um mau prompt pode ser espetacular, e nada supera uma comparação direta para se convencer disso. Imagine que pergunta ao modelo:
Fale-me sobre marketing.
Obterá um ensaio genérico sobre o que é o marketing — correto, mas inútil para o seu dia a dia profissional. Compare agora com esta formulação:
Você é um consultor de marketing digital especializado em PME francesas.
Liste 5 estratégias de marketing de conteúdo adaptadas a um orçamento inferior a
500 € por mês. Para cada estratégia, indique:
- O canal principal
- O tempo semanal necessário
- O ROI esperado a 6 meses
Aqui, o modelo sabe quem deve ser, a quem se dirige, qual a restrição orçamental sob a qual opera e que formato deve entregar. Irá gerar um plano concreto, estruturado e diretamente utilizável numa reunião. Tenha isto em mente: a diferença entre estes dois resultados não reside no modelo, que é o mesmo em ambos os casos, mas exclusivamente na precisão da instrução.
Os componentes de um prompt eficaz
Decompondo o segundo prompt acima, encontra os blocos de construção que irá manipular ao longo deste curso. O contexto fornece as informações de base necessárias para compreender a tarefa — no nosso exemplo, o facto de estarmos a falar de PME francesas com um pequeno orçamento. A instrução estabelece precisamente o que espera do modelo: listar cinco estratégias, e não conselhos vagos ou uma aula teórica. O formato descreve a estrutura desejada para a resposta — lista, tabela, JSON ou parágrafo — e é isto que torna o resultado utilizável sem edição. As restrições definem os limites a respeitar, como comprimento, tom ou vocabulário. Por fim, os exemplos mostram ao modelo uma demonstração do resultado esperado, uma técnica tão eficaz que uma lição inteira lhe será dedicada mais adiante.
Não precisa de incluir todos estes elementos de cada vez. Uma pergunta simples requer apenas uma instrução clara, e sobrecarregar um prompt trivial seria contraproducente. No entanto, assim que a tarefa se torna complexa — escrever para um público específico, analisar dados, produzir um entregável formatado —, combinar estes componentes melhora consideravelmente o resultado.
A API Chat Completions da Mistral
Com a Mistral, os prompts passam pela API Chat Completions. Esta API utiliza um formato de mensagem estruturado onde cada mensagem tem um papel (system, user, assistant) e conteúdo. Vamos explorar estes papéis com mais profundidade na próxima lição; por agora, veja apenas como é uma chamada mínima com o SDK Python da Mistral:
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "user", "content": "Quais são os 3 princípios de um prompting eficaz?"}
]
)
print(response.choices[0].message.content)
Este código envia um prompt simples e exibe a resposta do modelo. Nada mais — e, no entanto, tudo já lá está: uma mensagem, um papel, conteúdo. Nas lições seguintes, aprenderá a explorar plenamente a riqueza desta API para transformar estas três linhas em aplicações reais.
Pontos-chave
- Um prompt é a instrução que envia ao modelo Mistral para obter uma resposta
- A qualidade do prompt determina diretamente a qualidade da resposta
- Um prompt eficaz combina contexto, instrução, formato e restrições
- Os modelos Mistral processam prompts através da API Chat Completions
- Investir tempo na formulação dos seus prompts é a alavanca mais poderosa para melhorar os seus resultados