Prompts para diferentes finalidades

Lembre-se que um modelo de linguagem grande, ou LLM, é um modelo de IA treinado em grandes quantidades de texto para identificar padrões entre palavras, conceitos e frases, para que possa gerar respostas aos prompts.
Explore como escrever prompts claros e específicos para uma variedade de casos de utilização no local de trabalho.

Casos de uso
Como explorou anteriormente, pode utilizar um LLM no trabalho para ajudar a aumentar a sua produtividade e criatividade e completar qualquer uma destas tarefas úteis:

• Criação de conteúdos
• Resumo
• Classificação
• Extração
• Tradução
• Edição
• Solução de problemas

Nota: Os exemplos seguintes ilustram as melhores práticas; não são modelos exatos para copiar para todas as situações. Os seus resultados irão variar com base em vários fatores, incluindo o LLM específico que está a utilizar. Lembre-se de avaliar criticamente todos os resultados do LLM e de iterar no seu aviso inicial para obter o resultado mais útil.

Em geral, veja como tornar os seus pedidos mais eficazes:

Considere o que pretende que o LLM produza. O LLM irá gerar resultados mais úteis quando incluir uma instrução específica no seu prompt, como criar, resumir, classificar, extrair, traduzir, editar ou resolver.

Forneça o contexto necessário. O LLM irá gerar resultados mais úteis quando incluir instruções detalhadas, com orientações específicas sobre o estilo ou formato do resultado pretendido.

A seguir, irá examinar cada um dos casos de utilização anteriormente descritos, considerando um exemplo adicional para cada um.

Criação de conteúdos
Não importa o seu setor, um LLM pode ajudá-lo a criar conteúdo para diversos fins, como publicações em blogues, relatórios, descrições de produtos e slogans. Por exemplo, suponha que está a trabalhar numa campanha publicitária para uma nova linha de eletrodomésticos. Pode pedir a um LLM para o ajudar a criar um slogan envolvente para um dos produtos:

Aja como se fosse um profissional de publicidade criativo que pode aplicar pensamentos inovadores para desenvolver slogans originais que projetem as qualidades positivas de um produto. Crie um slogan conciso para uma máquina de lavar roupa que deixa a roupa ainda mais limpa, tem 25 definições e cabe num espaço pequeno.

A sugestão começa por descrever o papel do LLM como executivo de publicidade criativa. De seguida, o aviso afirma claramente que a tarefa é criar um slogan conciso para uma máquina de lavar roupa. Finalmente, o prompt especifica as características do produto a incluir no slogan.

Dica profissional: atribua ao LLM uma função, trabalho ou papel para reforçar o propósito do prompt e ajudar a orientar o LLM para produzir resultados úteis.

Resumo
Um LLM pode ajudá-lo a resumir muitos tipos de textos: relatórios, inquéritos a clientes, notas de reuniões, e-mails e muito mais. Por exemplo, o seguinte prompt solicita que um LLM forneça um resumo de um e-mail extenso:

O texto que se segue é um e-mail de um fornecedor de software. Resuma os seus pontos principais numa lista com marcadores:

“Espero que esteja bem.

Acompanhando com mais detalhe sobre os nossos planos de preços. A nossa subscrição de nível bronze dá-lhe acesso a três dos nossos produtos de software mais populares, bem como a vídeos de formação para estes produtos. Se precisar de software adicional, pode assinar no nível prata. Este nível permite-lhe escolher dois produtos de software adicionais, com vídeos de formação sobre esses produtos, além de oferecer suporte 24 horas por dia para qualquer dificuldade que encontre ao utilizar os produtos. Finalmente, a nossa adesão de nível ouro dá-lhe acesso a todos os nossos dez produtos de software. Recebe formação para todos os dez produtos, bem como suporte 24 horas por dia, e é também o primeiro a tirar partido de quaisquer adições beta aos nossos produtos.

Contacte-me para saber o preço do nível que lhe interessa. Oferecemos subscrições mensais e uma taxa reduzida para uma subscrição anual.”

O aviso começa com um contexto útil sobre o e-mail relevante. A seguir, afirma claramente que a tarefa é resumir os pontos principais do email. Por fim, especifica que a saída deve ser formatada como uma lista com marcadores.

Nota: Esteja ciente de que os LLM podem por vezes ter alucinações ou produzir resultados de IA que não são verdadeiros. Nesse caso, o LLM pode adicionar detalhes ao resumo que não estão incluídos no e-mail de origem. Avalie sempre a precisão da saída do LLM antes de a utilizar.

Classificação
A classificação de texto é outra aplicação comum no local de trabalho para os LLM. Um LLM pode ajudá-lo a classificar os e-mails de atendimento ao cliente em categorias com base no conteúdo do e-mail, categorizar o conteúdo em publicações nas redes sociais e analisar o sentimento do feedback do cliente. O seguinte prompt pede a um LLM que analise o sentimento numa avaliação de cliente:

Leia estas avaliações de clientes e diga-me se o seu sentimento é positivo, negativo ou neutro.

Avaliação do cliente: não sei por onde começar. Tínhamos reservas para as 19h, mas acomodaram-nos às 19h45. Assim, ninguém veio à nossa mesa durante pelo menos 30 minutos. O nosso aperitivo e prato principal eram medíocres. Adorei a sobremesa, mas isso não foi suficiente para alterar a nossa experiência.

Comentário do cliente: Adoro este restaurante. A comida é deliciosa e o serviço é excelente.

O prompt começa por afirmar claramente que a tarefa é analisar o sentimento de uma avaliação do cliente e depois especifica as opções: positiva, negativa ou neutra. Em seguida, o aviso inclui as avaliações relevantes sob o rótulo “Avaliação do cliente”.

Extração
Também pode utilizar um LLM para extrair dados do texto e transformá-los num formato estruturado mais fácil de compreender, conhecido como extração. Por exemplo, este aviso solicita que um LLM reveja uma publicação de blogue e extraia informações sobre os produtos mencionados na publicação.

Leia o post do blog abaixo e extraia todas as referências de peças de roupa que posso comprar e quanto custa cada peça. Crie uma lista com marcadores apenas destes itens.

Postagem no blogue: Olá a todos, quero partilhar o que estou a usar no campus este outono. Se vou sair à noite, prefiro os jeans com ourela crua (150 dólares) combinados com a camisola de caxemira com gola redonda (250 dólares). Para um look mais casual, gosto da sweatshirt de lã (99 dólares) e das calças de fato de treino de lã (129 dólares). Também adoro todas as cores das meias às riscas (15 dólares). Combinam bem tanto com jeans como com hoodies.

O prompt começa por afirmar claramente que a tarefa é extrair todas as peças de roupa mencionadas no blogue com os seus respetivos preços. De seguida, o prompt especifica que o formato da saída deve ser uma lista com marcadores dos itens. Por fim, o prompt inclui o blog relevante.

Tradução
Pode tirar partido de um LLM para traduzir textos entre diferentes idiomas muito rapidamente. Por exemplo, o seguinte prompt pede a um LLM que ajude a traduzir as descrições dos produtos do inglês para o espanhol:

Traduza as descrições dos nossos produtos do inglês para o espanhol. Mantenha a mesma estrutura e tom casual que é utilizado na versão inglesa na tradução para espanhol.

Bicicleta: Quer esteja a explorar as ruas da cidade ou os caminhos da floresta, a nossa bicicleta elegante e durável tem tudo.

Patins: Entre no verão em grande estilo com os nossos patins suaves e elegantes.

O prompt começa por afirmar claramente que a tarefa é traduzir as descrições dos produtos do inglês para o espanhol. Especifica ainda que as traduções em espanhol devem manter uma estrutura e um tom semelhantes aos originais em inglês. Por fim, cada exemplo contém um rótulo que apresenta a descrição do produto: “Bicicleta” e “Patinas”. Este formato indica que o LLM deve apresentar o resultado de forma semelhante.

Nota: Como prática recomendada, confirme se as traduções de um LLM são precisas através da verificação cruzada com outra ferramenta de tradução.

Edição
Também pode utilizar um LLM para editar e reescrever texto. O LLM pode ajudar a mudar o tom do texto de formal para casual ou a completar uma verificação gramatical. Por exemplo, o seguinte prompt pede a um LLM que ajude a editar um relatório técnico para que seja menos jargão e mais fácil de ser compreendido pelas partes interessadas:

Edite a linguagem do parágrafo seguinte para que seja fácil para o público em geral compreendê-lo. Utilize vocabulário e estruturas gramaticais mais simples, mas mantenha as mesmas ideias.

A seleção do local para expansão é um processo complexo e multifacetado. O local do lado oeste oferece diversas vantagens, incluindo o zoneamento para uso industrial e o acesso direto a uma importante autoestrada e ferrovia. No entanto, o local também está localizado numa jurisdição com um processo de licenciamento complexo e demorado, e a sua distância de zonas residenciais pode exigir salários mais elevados para atrair trabalhadores.

O prompt começa por afirmar claramente que a tarefa é editar o texto para o tornar mais fácil de ser compreendido pelo público em geral. De seguida, o prompt especifica que o vocabulário e a gramática do texto devem ser simplificados, enquanto o seu conteúdo principal deve permanecer o mesmo. Finalmente, inclui o parágrafo relevante.

Solução de problemas
Mais um caso de utilização é a resolução de problemas. Pode utilizar um LLM para gerar soluções para uma variedade de desafios no local de trabalho, desde a análise de dados de vendas até ao planeamento de um evento. Por exemplo, o seguinte prompt pede a um LLM que ajude a organizar um programa para uma organização sem fins lucrativos:

Estamos a realizar um programa comunitário para ensinar competências de jardinagem às crianças. O programa decorre de 1 de junho a 15 de agosto. Queremos que as crianças possam cultivar plantas que estejam prontas para a colheita quando o programa terminar. Em primeiro lugar, identifique uma lista de 10 plantas que podem ser plantadas e cultivadas durante este período. Inclua fontes que apoiem o momento da colheita de cada planta.

Queremos que as crianças cultivem três plantas. Estas plantas devem ser o mais diferentes possível umas das outras. A seguir, escolha três plantas da lista que proporcionarão esta variedade às crianças.

O prompt começa com um contexto útil sobre o programa, como o seu objetivo principal e o seu cronograma. De seguida, o prompt divide o problema em dois passos principais: primeiro, identificar uma lista de 10 plantas que se enquadrem na linha do tempo e, em segundo lugar, escolher três plantas da lista que sejam diferentes entre si. O pedido pede também ao LLM que inclua fontes para a lista de 10 plantas. Pedir ao LLM para citar as suas fontes no resultado ajuda a verificar a precisão da informação utilizada para resolver o problema.

Dica profissional: divida um problema em etapas para ajudar o LLM a processar o pedido e melhorar a precisão geral do resultado.

This blog post is based on information and concepts derived from the Coursera module titled “Google AI Essentials.” The original content can be found here:
https://www.coursera.org/learn/google-ai-essentials