Como usar exemplos para a IA entender sua tarefa e parar de adivinhar

Por que mostrar ajuda mais do que empilhar adjetivos

“Faça um texto profissional, natural, claro e bonito” parece um pedido completo, mas essas palavras permitem muitas interpretações. Para uma pessoa, profissional é formal; para outra, é direto e sem enrolação. Um exemplo mostra a escolha concreta: como a mensagem começa, que fatos entram, que palavras são usadas e como termina.

Pense em ensinar alguém a organizar etiquetas. Você pode dizer “deixe tudo bem padronizado” ou mostrar “Produto | Cor | Tamanho”. O segundo caminho permite enxergar o formato. Se explicar que um tamanho ausente deve aparecer como “não informado”, também ensina como lidar com uma lacuna. A regra deixa de depender de uma preferência invisível.

A documentação de instruções da Anthropic recomenda exemplos relevantes e variados para orientar o formato e o comportamento do Claude. Aqui, usamos essa ideia numa oficina de conversa: você pode escrever exemplos no campo comum de mensagem do assistente que já usa. Isso não exige programar uma API nem contratar treinamento de modelo.

O exemplo é especialmente útil quando você já sabe reconhecer uma boa saída, mas tem dificuldade de descrever o padrão. Pegue uma resposta que funciona, explique o que ela conserva e o que ela evita, e transforme isso numa referência. Apenas não use um texto de outra pessoa como se fosse seu ou copie fatos de uma referência para uma tarefa que não os possui.

Uma oficina completa: separar mensagens de clientes

Imagine uma pequena loja com três tipos frequentes de mensagem: dúvidas sobre entrega, pagamento e produto. O objetivo não é responder automaticamente nem decidir prioridade. É ajudar a organizar uma caixa de entrada. Você quer receber uma categoria e a frase que explica a escolha, para conferir rapidamente.

Primeiro caso fictício: “Comprei a bolsa azul e queria saber se já foi enviada.” A categoria é entrega, porque o pedido principal é saber do envio. A palavra bolsa não transforma a mensagem em dúvida sobre produto. Segundo caso: “Essa bolsa tem bolso por dentro?” A categoria é produto, porque a pessoa pergunta uma característica. O exemplo mostra que a categoria depende da intenção, não da presença de um nome.

Terceiro caso: “Não consegui pagar o pedido e também quero trocar a cor.” A categoria é mais de um assunto, com pagamento e produto identificados. Se você obrigar a IA a escolher apenas uma categoria sem regra de prioridade, ela pode esconder parte do pedido. A exceção existe porque a mensagem real pode ter duas necessidades.

Agora teste “Meu pedido está parado”. Esse caso não permite saber se o problema é pagamento pendente, separação ou transporte. O resultado adequado é “não definido” com a necessidade de esclarecer o status. Mostrar essa saída evita que a ferramenta preencha a dúvida com uma interpretação confiante.

O que você ganhou foi uma regra observável: classificar pela solicitação; manter múltiplos assuntos; não adivinhar quando o texto não basta. A primeira aplicação deve ser pequena e conferida. Se houver muitas mensagens, uma classificação errada pode esconder pedidos, então o método precisa ser avaliado antes de fazer parte de uma rotina maior.

Entrada e saída devem ensinar a transformação

Um exemplo apenas de saída mostra aparência, mas pode esconder como a IA chegou ali. Para extrair informações, forneça também o texto original. Entrada: “A reunião ficou para quinta, às 9h, na sala 2.” Saída: “Dia: quinta; horário: 9h; local: sala 2”. A relação entre as duas partes explica o trabalho.

Inclua o tratamento do que não está na entrada. Se o texto diz “vamos reunir na quinta” e a saída inventa horário e sala, você ensinou um mau hábito. Use “não informado” onde faltar dado. Não basta escrever “não invente” na regra e depois fornecer exemplos que inventam; a orientação precisa ser coerente.

Para uma reescrita, conserve a mesma informação nas duas versões. Um aviso bruto com “retirada às 15h, levar comprovante” pode virar uma mensagem cordial, mas precisa manter horário e comprovante. Se a saída omite o comprovante, ela ensina que a fluidez vale mais do que a exigência. Escolha exemplos que representem o resultado que você realmente quer usar.

Separe os exemplos do caso atual com títulos claros. “Exemplos de referência” e “Agora faça este caso” já ajudam. Sem essa separação, a ferramenta pode responder ao exemplo antigo, juntar os fatos ou tratar uma frase de demonstração como informação real da tarefa.

Variedade evita que a IA aprenda a coincidência errada

Se todos os exemplos de urgência mencionam “amanhã”, o assistente pode tratar essa palavra como a regra. Mas uma mensagem sobre algo que poderia ser feito amanhã não é necessariamente urgente. Mostre o prazo real e a consequência do atraso. Um caso com a palavra e sem urgência ajuda a distinguir sinal de critério.

Se todos os exemplos positivos são longos e os negativos são curtos, a ferramenta pode associar tamanho a qualidade. Se todas as mensagens sobre entrega têm erro de português, pode confundir escrita informal com a categoria. Varie detalhes que não deveriam determinar a resposta: comprimento, estilo, ordem das frases e nomes fictícios.

Não é necessário despejar dezenas de exemplos. Comece pelos que ensinam diferenças reais: um caso comum, uma exceção e uma lacuna. Acrescente outro quando um erro mostrar que uma parte da regra ficou pouco clara. A quantidade vem do problema; exemplos repetidos com palavras trocadas só gastam espaço sem ensinar uma decisão nova.

Também evite um caso extraordinário que exige conhecimento externo não fornecido. Se a classificação depende de saber uma regra interna da sua empresa, escreva essa regra. O exemplo não faz o assistente descobrir um processo que nunca foi explicado.

Ensinar o tom sem copiar a vida do exemplo

Para orientar uma mensagem, use uma referência curta e diga o que deve ser aproveitado. “Observe a abertura direta, a frase de acolhimento e o pedido final. Não copie nomes, preços ou prazos.” Isso separa o estilo dos fatos. Sem esse cuidado, a IA pode carregar um compromisso antigo para uma resposta nova.

Você pode mostrar um antes e depois. Antes: “Informamos a impossibilidade de atendimento na presente data.” Depois: “Hoje não conseguiremos atender. Podemos combinar outro horário?” A regra é usar palavras comuns e mostrar o próximo passo, mas só se houver possibilidade real de remarcar. O exemplo não deve autorizar uma oferta que o negócio não consegue cumprir.

Quando um texto ruim for usado para mostrar o que evitar, identifique isso com clareza. Diga “exemplo inadequado” e explique a falha. Em seguida, mostre uma alternativa boa. Uma sequência de frases exageradas sem rótulo pode orientar a ferramenta a produzir justamente o tom que você queria retirar.

Não peça para imitar uma pessoa como se estivesse falando por ela. Para escrever em sua própria voz, use seus materiais e preferências. Para uma organização, use o padrão aprovado pela organização. O objetivo é encontrar um modo claro de dizer a verdade, não fabricar identidade ou autoridade.

Teste a regra com casos que você ainda não mostrou

Se você confere apenas os mesmos exemplos que entregou, pode estar vendo repetição, não aplicação. Separe alguns casos novos com situações diferentes. Escreva sua resposta esperada antes de consultar a IA. Depois compare resultado, justificativa e tratamento das dúvidas.

Um erro deve ajudar a localizar a parte fraca da regra. Se a IA classificou “trocar a cor e saber do rastreio” apenas como produto, talvez a orientação sobre dois assuntos precise ficar mais visível. Se escolheu entrega para “meu pedido está parado”, falta uma regra de informação insuficiente. Corrigir a instrução é melhor do que só trocar aquela resposta manualmente e continuar.

Não considere um teste pequeno prova de acerto universal. Ele mostra como o método se saiu naqueles casos. Para uma rotina, observe os erros que aparecem de verdade e acrescente exemplos úteis. Se houver uma operação com regra exata, como procurar um código conhecido ou somar valores, uma ferramenta comum pode ser mais previsível que uma classificação por conversa.

Quando a saída errar o formato, ajuste o formato. Quando errar os fatos, corrija a fonte. Quando errar o critério, explique a regra. São falhas distintas. Um pedido maior cheio de adjetivos não resolve automaticamente nenhuma delas.

Guarde um pequeno conjunto reutilizável, sem depender da memória do chat

Salve num documento a finalidade, as categorias ou o formato, os exemplos conferidos e o que fazer nas lacunas. Esse conjunto é seu material de trabalho. Numa conversa nova, você consegue fornecer a referência sem buscar uma resposta antiga no meio de muitas mensagens.

Anote também o que o exemplo não autoriza. Num atendimento, pode ser “não prometer nova data”; numa extração, “não completar campos ausentes”; numa explicação, “não retirar a exceção”. Essas condições fazem parte da tarefa, não são uma coleção de frases mágicas para impedir todo erro.

Orientar uma conversa não significa que o modelo aprendeu permanentemente a regra para todos os usuários ou todas as sessões. Recursos de memória e projetos têm condições próprias. Para um caminho simples e gratuito, manter a referência local é mais fácil de controlar: você sabe qual versão enviou e pode corrigir uma regra quando ela mudar.

Um bom exemplo ensina uma decisão que você consegue explicar. Quando a entrada muda, a saída acompanha essa mudança sem perder os fatos. É esse comportamento que vale observar. Se a ferramenta só repete a aparência, volte à regra e mostre a diferença que ela ainda não entendeu.