---
title: "O que é engenharia de prompt? Instruções para LLMs | BroadRouter"
description: "Engenharia de prompt é escrever e testar instruções para que um LLM entregue sempre a saída que você precisa. Técnicas, como testá-las e dicas para prompts em árabe."
url: https://broadrouter.com/pt/glossary/prompt-engineering/
lang: pt-BR
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/glossary/prompt-engineering/) (atualizado em 2026-11-15).

# Engenharia de prompt (prompt engineering)

Atualizado em 2026-11-15

Engenharia de prompt é o processo de escrever, estruturar e testar as instruções dadas a um modelo de linguagem para que ele produza, de forma consistente, uma saída que atenda aos seus requisitos. Inclui mensagens de papel, instruções claras, exemplos, formatação e a medição dos resultados com casos de teste.

Também chamado de: engenharia de prompt, engenharia de prompts, design de prompt, técnicas de prompt, como escrever prompts, prompt engineering, prompt design, prompting techniques

Um prompt é uma especificação. Engenharia de prompt é escrevê-la bem e conferir se o modelo a segue.

## Como funciona

O guia da OpenAI define engenharia de prompt como “the process of writing effective instructions for a model” (tradução: o processo de escrever instruções eficazes para um modelo), para que ele “consistently generates content that meets your requirements” (tradução: gere, de forma consistente, conteúdo que atenda aos seus requisitos). As técnicas principais se repetem entre os fornecedores:

| Técnica | O que fazer |
| --- | --- |
| Papéis | Coloque as regras no [system prompt](https://broadrouter.com/pt/glossary/system-prompt/) (ou na mensagem developer) e o pedido na mensagem do usuário |
| Estrutura | Organize o system prompt em identidade, instruções, exemplos e contexto; use títulos Markdown e tags XML para marcar as seções |
| Exemplos | Adicione alguns pares de entrada e saída ([few-shot prompting](https://broadrouter.com/pt/glossary/few-shot-prompting/)) que cubram casos diferentes |
| Raciocínio | Peça um raciocínio passo a passo ([chain of thought](https://broadrouter.com/pt/glossary/chain-of-thought/)) ou use um modelo de raciocínio |
| Formato de saída | Peça um formato fixo ou use [saída estruturada](https://broadrouter.com/pt/glossary/structured-output/) quando a API suportar |
| Estabilidade | Fixe uma versão do modelo para que o comportamento não mude sem você saber |

A visão geral da Anthropic recomenda começar por três coisas: critérios de sucesso claros, uma forma de testar contra eles e um primeiro rascunho do prompt. Na prática, isso significa um conjunto de [evals](https://broadrouter.com/pt/glossary/eval/).

Um exemplo curto, antes e depois (o prompt continua em inglês: pede um resumo em três tópicos, com problema, impacto no cliente e próximo passo, sem chutar causas):

```text
Before: Summarize this ticket.

After:  You summarize support tickets for an engineering team.
        Write 3 bullet points: the problem, the customer impact, the next step.
        Use the customer's words for error messages. Do not guess at causes.
        <ticket>...</ticket>
```

Para agentes, o prompt é só uma parte de um contexto maior. O post da Anthropic sobre context engineering separa a engenharia de prompt, “methods for writing and organizing LLM instructions” (tradução: métodos para escrever e organizar instruções para LLMs), da [engenharia de contexto](https://broadrouter.com/pt/glossary/context-engineering/), que cuida de todo o resto que o modelo vê.

## Por que isso importa

-   **Qualidade sem treinamento.** Um prompt melhor é a correção mais barata de testar, antes de [fine-tuning](https://broadrouter.com/pt/glossary/fine-tuning/) ou de um modelo maior.
-   **Custo.** O system prompt é reenviado em toda requisição. Corte o que não muda a saída; veja [como reduzir tokens do prompt](https://broadrouter.com/pt/blog/reduce-prompt-tokens/).
-   **Migração.** Um prompt ajustado para um modelo pode se comportar de outro jeito em outro. Rode de novo o seu conjunto de evals quando trocar.

## Na BroadNet Inference

Os modelos de chat da BroadNet aceitam a lista `messages` padrão do Chat Completions, então os papéis system, user e assistant e os exemplos few-shot funcionam normalmente. Você pode testar prompts no [playground](https://broadrouter.com/pt/guides/try-broadnet-inference-playground/) antes de escrever código. Para saída em árabe, [engenharia de prompt em árabe](https://broadrouter.com/pt/blog/arabic-prompt-engineering/) trata de registro, dialeto, numerais e formatação da direita para a esquerda.

A saída estruturada está documentada para [GLM 5.3](https://broadrouter.com/pt/models/glm-5.3/) e [Qwen3.8 27B](https://broadrouter.com/pt/models/qwen3.8-27b/). No DeepSeek V4.1 Flash, no GLM 5.3 e no Qwen3.8 27B, o raciocínio conta para `max_tokens`, então um prompt do tipo “think step by step” (pense passo a passo) também precisa de espaço no orçamento.

## Perguntas frequentes

### Engenharia de prompt ainda é necessária com os modelos mais novos?

Sim, embora os truques mudem. Os modelos mais novos seguem bem instruções simples e específicas, então a maior parte do trabalho é declarar os requisitos com clareza, dar exemplos e testar com entradas reais.

### Quando vale mais a pena fazer fine-tuning?

Quando um prompt bem testado e com exemplos ainda falha em boa parte dos casos, ou é longo demais para enviar em toda requisição. A documentação da Anthropic também observa que alguns objetivos, como menor latência ou custo, são mais fáceis de atingir escolhendo outro modelo.

### Devo escrever em árabe os prompts para respostas em árabe?

Os dois caminhos podem funcionar. Diga qual registro ou dialeto você quer e como tratar numerais e texto misto. O post sobre engenharia de prompt em árabe compara as duas abordagens.

## Veja também

-   [Prompt de sistema (system prompt)](https://broadrouter.com/pt/glossary/system-prompt/) (termo)
-   [Few-shot prompting (prompt com exemplos)](https://broadrouter.com/pt/glossary/few-shot-prompting/) (termo)
-   [Chain-of-thought (CoT, cadeia de pensamento)](https://broadrouter.com/pt/glossary/chain-of-thought/) (termo)
-   [Context engineering (engenharia de contexto)](https://broadrouter.com/pt/glossary/context-engineering/) (termo)
-   [Eval (avaliação de LLM)](https://broadrouter.com/pt/glossary/eval/) (termo)
-   [Saída estruturada (structured output)](https://broadrouter.com/pt/glossary/structured-output/) (termo)
-   [Teste a BroadNet Inference no navegador, sem conta](https://broadrouter.com/pt/guides/try-broadnet-inference-playground/) (guia)
-   [Engenharia de prompt em árabe: registro, RTL, números e texto misto](https://broadrouter.com/pt/blog/arabic-prompt-engineering/) (artigo)
-   [Reduzir tokens do prompt: cortes medidos em sistema, tools e dados](https://broadrouter.com/pt/blog/reduce-prompt-tokens/) (artigo)
-   [Antes do fine-tuning: defina o problema a resolver](https://broadrouter.com/pt/blog/fine-tuning-readiness/) (artigo)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-prompt-engineering&utm_content=page-cta) ·

**Fontes**

-   [Documentação da API da OpenAI, guia de engenharia de prompt (conferido em 2026-11-15)](https://developers.openai.com/api/docs/guides/prompt-engineering)
-   [Documentação da Anthropic, visão geral de engenharia de prompt (conferido em 2026-11-15)](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview)
-   [Anthropic Engineering, Effective context engineering for AI agents (conferido em 2026-11-15)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
