Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Estruturar as Suas Instruções

Aula 3 de 16 Atualizada a 28 de julho de 2026 Iniciante
Nesta página
  1. Por Que a Estrutura Importa
  2. Markdown: O Padrão Natural
  3. Etiquetas XML: Precisão Máxima
  4. As Secções Essenciais de um Prompt Estruturado
  5. Instruções Explícitas vs. Implícitas
  6. Escreva Como Se o Modelo Não Soubesse Nada
  7. Pontos-chave

Por Que a Estrutura Importa

Um prompt bem estruturado não é um luxo, é uma necessidade. Os modelos Mistral são treinados com volumes massivos de texto estruturado: documentação técnica, artigos, código-fonte. Estes compreendem e seguem melhor as suas instruções quando estas estão claramente organizadas, pois essa organização assemelha-se ao que viram biliões de vezes durante o treino.

Imagine dar instruções orais a um colega misturando tudo: o prazo escondido numa anedota, o formato esperado inserido no final de uma frase, o contexto entregue depois da instrução. O resultado seria confuso e o seu colega teria de adivinhar o que é importante. O mesmo se aplica a um modelo de linguagem: a estrutura do seu prompt determina a clareza da interpretação. Esta lição fornece-lhe duas ferramentas de estruturação — Markdown e etiquetas XML — além de uma grelha de secções para organizar qualquer prompt complexo.

Markdown: O Padrão Natural

O Markdown é o formato de estruturação mais eficaz para os modelos Mistral, por três razões que se reforçam mutuamente. Primeiro, é legível: fácil de escrever e rever por si, o que importa quando um prompt vive e evolui dentro de uma aplicação. Segundo, é familiar ao modelo: o Markdown aparece massivamente nos dados de treino, pelo que o modelo compreende as suas convenções sem esforço. Por fim, analisa-se naturalmente: o modelo identifica claramente hierarquias de títulos, listas e blocos de código, deduzindo a importância relativa de cada secção.

Eis como isso se parece num exemplo de análise competitiva:

# Task
Write a competitive analysis report.

## Context
Company: TechCorp, B2B SaaS, French market
Main competitors: AlphaSoft, BetaCloud, GammaTech

## Expected Format
For each competitor, provide:
- **Strengths**: 3 points maximum
- **Weaknesses**: 3 points maximum
- **Pricing positioning**: low / medium / premium

## Constraints
- Maximum 800 words
- Professional and factual tone
- No strategic recommendations (analysis only)

Este prompt utiliza títulos (#, ##) para separar secções, texto em negrito para elementos chave e listas com marcadores para detalhes. O modelo compreende imediatamente a hierarquia: tarefa primeiro, depois contexto, depois formato e, por fim, restrições. Poderia entregar este mesmo documento a um colaborador humano sem alterar uma palavra — isso é um bom sinal.

Etiquetas XML: Precisão Máxima

O Markdown organiza; as etiquetas XML delimitam. Quando precisa de isolar blocos de dados ou instruções sem ambiguidade — tipicamente quando o seu prompt mistura instruções e texto a processar — as etiquetas XML são particularmente eficazes:

<instructions>
Analyze the provided text and extract named entities.
Categorize them into: people, organizations, locations.
</instructions>

<format>
Return the result in JSON with the structure:
{"people": [], "organizations": [], "locations": []}
</format>

<text>
President Macron met with the Director-General of the WHO in Geneva
to discuss European health strategy.
</text>

A vantagem é que o modelo sabe exatamente onde começa e termina cada secção. Se o texto a analisar contivesse uma frase que se assemelhasse a uma instrução — «extrair a lista de participantes», por exemplo — as etiquetas impediriam o modelo de a confundir com as suas instruções. Esta separação entre instruções e dados é o que torna o XML valioso em prompts de produção.

As Secções Essenciais de um Prompt Estruturado

Independentemente do formato que escolher, um prompt complexo organiza-se em torno das mesmas secções. A primeira, e a única obrigatória, é a tarefa: declare sempre claramente o que espera, logo no início. «Tarefa: Traduza o seguinte texto de francês para inglês mantendo o registo formal» não deixa dúvidas sobre a missão.

Segue-se o contexto, quando necessário: informações de base que o modelo não consegue adivinhar. Se trabalha para uma startup de fintech que constrói uma aplicação de gestão de orçamento para particulares em França, diga-o — sem este detalhe, o modelo escreverá para um público genérico e terá de refazer tudo.

A terceira secção, regras, enquadra o comportamento: liste explicitamente o que o modelo deve e não deve fazer. Por exemplo: use um tom formal, não mencione marcas concorrentes, produza parágrafos de 50 a 100 palavras. Cada regra escrita é uma correção que não terá de fazer manualmente.

A quarta secção, formato de saída: descreva exatamente a forma que a resposta deve ter. «Devolver uma tabela Markdown com as colunas Critério | Pontuação (1-5) | Comentário» produz um entregável diretamente copiável para o seu documento, enquanto a ausência de instrução produz prosa a retrabalhar.

Por fim, exemplos resolvem ambiguidades remanescentes ao mostrar um resultado esperado. Esta técnica é tão poderosa que tem a sua própria lição: voltaremos a ela em detalhe com o prompting few-shot.

Instruções Explícitas vs. Implícitas

Os modelos Mistral não adivinham as suas intenções: tudo o que é implícito na sua cabeça deve tornar-se explícito no seu prompt. Compare «Resuma este artigo» com «Resuma este artigo em 3 pontos de lista com máximo de 20 palavras cada. Mantenha os números chave. Use um tom neutro e factual». A primeira versão deixa o modelo decidir o comprimento, o formato e o tom — três decisões que pode tomar de forma diferente da sua. A segunda não deixa margem para interpretação: o modelo sabe exatamente o que produzir e obterá o mesmo tipo de resultado todas as vezes.

Escreva Como Se o Modelo Não Soubesse Nada

Terminemos com uma regra fundamental: escreva o seu prompt assumindo que o modelo não tem qualquer contexto prévio sobre a sua situação. Mesmo que algo lhe pareça óbvio — quem é, o que quer alcançar, para que uso, em que formato — especifique-o, recorrendo ao prompt de sistema para elementos permanentes. Um escritor que encadeia pedidos na mesma conversa acaba por acreditar que «o modelo sabe»; mas assim que a conversa muda ou o prompt é reutilizado noutro local, todo o implícito desaparece. Esta abordagem de «contexto zero» garante resultados consistentes, independentemente do estado da conversa.

Pontos-chave

  • Estruture os seus prompts com secções claras (Markdown ou XML)
  • O Markdown é ideal para a maioria dos casos; etiquetas XML para isolar dados
  • Separe sempre tarefa, contexto, regras e formato esperado
  • Torne explícito tudo o que é implícito na sua cabeça
  • Escreva cada prompt como se o modelo estivesse a começar do zero