O Novo Guia de Prompting da OpenAI: Foque nos Resultados, Não em Scripts Passo a Passo

A OpenAI lançou um novo framework de prompting que desafia a obsessão tradicional pelo "chain-of-thought", instando os usuários a priorizarem os resultados em vez de instruções rígidas. Essa mudança sinaliza um movimento em direção a interações mais intuitivas e baseadas em raciocínio, onde o modelo recebe autonomia em vez de um script estrito.

Os Quatro Pilares de um Prompting Eficaz

Em vez de fornecer um manual complexo de parâmetros de API ou esquemas elaborados, a OpenAI está simplificando a arquitetura de prompting em quatro componentes opcionais: Objetivo, Contexto, Formato de Saída e Limites. Crucialmente, nenhum deles é obrigatório. Para consultas simples, um prompt curto geralmente produz melhores resultados do que um conjunto de instruções excessivamente complexo.

A filosofia central deste guia é "começar pequeno". A OpenAI sugere que os usuários devem focar primeiro no resultado desejado, em vez de uma sequência de etapas granulares. Ao descrever o objetivo final em vez do processo, você permite que modelos como o GPT-4o pesquisem, comparem informações e ajustem sua abordagem de forma autônoma. Descrições detalhadas de processos devem ser usadas apenas quando a metodologia específica for tão importante quanto o resultado final.

Restrições em vez de Scripts

Uma das principais conclusões para desenvolvedores e usuários avançados é que as restrições são mais eficazes do que scripts passo a passo. Em vez de tentar microgerenciar cada movimento que a IA faz, a OpenAI recomenda a implementação de uma ou duas "regras rígidas" para evitar comportamentos indesejados. Exemplos incluem diretrizes como "Mantenha os valores do orçamento aprovado inalterados" ou "Prepare isso como um rascunho; não envie".

Essa abordagem "menos é mais" se estende ao gerenciamento de contexto. O guia aconselha anexar apenas arquivos — como PDFs, planilhas ou imagens — que realmente influenciarão a resposta. Para trabalhos profissionais de alto risco, a OpenAI sugere um loop de "autoverificação", no qual você pede explicitamente ao modelo para verificar sua própria saída em busca de erros específicos, como garantir que cada item de ação tenha um responsável e um prazo designados.

Diferenciando Chat de "Work" e Aprimorando o Codex

A OpenAI também está formalizando a distinção entre "Chat" e "Work". Enquanto o Chat é destinado a consultas rápidas e reformulação de textos, o "Work" refere-se a tarefas pesadas que extraem dados de múltiplas fontes (como Gmail, Slack ou GitHub) para produzir grandes entregáveis. Embora as tarefas de Work consumam mais créditos, elas são projetadas para automatizar fluxos de trabalho complexos e recorrentes.

Para desenvolvedores que utilizam o Codex, o guia introduz capacidades sofisticadas de steering e sandboxing. Os usuários agora podem usar o comando "Steer" para redirecionar uma execução atual ou "Queue" para enfileirar a próxima instrução. Para gerenciar projetos de codificação complexos, a OpenAI introduziu comandos de barra (slash commands) específicos:

  • /plan: Analisa o código e propõe uma abordagem antes da execução.
  • /goal: Define um objetivo de alto nível que o modelo acompanha ao longo de várias etapas.
  • /review: Permite auditorias de segurança e lógica locais ou integradas ao GitHub.

Principais Conclusões

  • Priorize Resultados: Comece com o resultado desejado; defina o processo apenas se as etapas específicas forem essenciais para a tarefa.
  • Use Restrições, Não Scripts: Use limites rígidos para evitar erros em vez de tentar roteirizar cada movimento individual do modelo.
  • Aproveite Comandos Especializados: Utilize os comandos de barra do Codex, como /plan e /goal, para gerenciar fluxos de trabalho técnicos complexos e de múltiplas etapas.