Agora vamos nos aprofundar nas três próximas etapas detalhadas:
Encadeamento envolve usar a saída de um prompt como entrada para outro. Isso permite dividir tarefas complexas em etapas menores, melhorando a precisão e a relevância.
Objetivo: Gerar um blog post sobre IA na saúde.
-
Etapa 1: Brainstorm de tópicos
- Prompt: "Liste cinco tópicos interessantes sobre IA na saúde."
- Saída:
- IA no diagnóstico de doenças.
- IA na medicina personalizada.
- IA em robótica cirúrgica.
- IA na descoberta de medicamentos.
- IA no monitoramento de pacientes.
-
Etapa 2: Expandir um tópico
- Prompt: "Elabore um esboço de um post sobre 'IA no diagnóstico de doenças'."
- Saída:
- Introdução: A importância de diagnósticos precisos.
- Como a IA melhora a precisão dos diagnósticos.
- Estudos de caso da IA em ação.
- Desafios e considerações éticas.
- Conclusão: O futuro da IA no diagnóstico.
-
Etapa 3: Gerar conteúdo para as seções
- Prompt: "Escreva a introdução de um post sobre a importância do diagnóstico preciso na saúde e como a IA contribui para isso."
- Saída: Um parágrafo introdutório bem elaborado.
Ao encadear, você constrói o conteúdo sistematicamente, passo a passo.
Alguns modelos avançados de IA conseguem processar entradas além de texto, como imagens, tabelas ou áudio. Prompts multimodais combinam esses tipos de entrada para resultados mais ricos e personalizados.
- Texto + Imagem: Descrever ou analisar uma imagem.
- Prompt: "Descreva a emoção transmitida pela pessoa nesta imagem." (Anexe uma imagem)
- Tabela + Consulta: Extrair insights de uma tabela ou conjunto de dados.
- Prompt: "Com base nesta tabela, resuma as tendências de vendas no último trimestre." (Anexe uma tabela)
- Texto + Instruções: Combinar instruções com dados estruturados para funcionalidade aprimorada.
- Prompt: "Analise o trecho de código anexado para possíveis erros e sugira otimizações." (Anexe código)
- Criação: Combinar texto com entradas visuais para design artístico.
- Análise de Dados: Associar dados brutos a consultas específicas de análise.
- Educação: Mesclar texto e diagramas para ensino.
Prompts dinâmicos se adaptam a dados ou contextos em constante mudança. Eles são particularmente úteis para automatizar fluxos de trabalho ou criar conteúdo com base em entradas em tempo real.
- Substituição de Variáveis: Substituir marcadores no prompt por dados fornecidos pelo usuário ou gerados dinamicamente.
- Template: "Resuma as últimas novidades sobre {tema}."
- Exemplo: Substituir {tema} por "mudanças climáticas" para gerar um resumo.
- Prompts Contextuais: Criar prompts que se ajustam com base no contexto ou respostas anteriores.
- Cenário: Um chatbot responde perguntas complementares com base na conversa anterior.
- Usuário: "Quais são as fontes de energia renovável?"
- Chatbot: "As fontes de energia renovável incluem solar, eólica, hídrica, geotérmica e biomassa."
- Usuário: "Explique energia solar."
- Chatbot (dinâmico): "Energia solar é o processo de converter luz solar em eletricidade usando painéis solares ou outras tecnologias."
- Integração de Dados em Tempo Real: Obter dados em tempo real para alimentar o prompt.
- Prompt: "Com base no clima atual em São Paulo, sugira uma roupa."
- Entrada em tempo real: Temperatura e condições atuais (ex.: "20°C, chuva").
- Saída: "Vista um casaco impermeável, botas e leve um guarda-chuva."
- Escolha uma tarefa complexa e divida-a em etapas menores.
- Use a saída de cada etapa como entrada para a próxima.
- Se sua ferramenta suportar entrada multimodal, experimente combinar imagens, texto ou outros formatos de dados.
- Exemplo: Analise o texto de uma imagem anexada ou escreva uma descrição para uma foto carregada.
- Crie um modelo de prompt com marcadores e experimente alterar as variáveis.
- Se estiver programando, use scripts para alimentar dados em tempo real nos prompts.
Proximma seção: Instruções Pré-Prompt em Prompt Engineering.