Patrocinado por:
Instruções mais específicas podem ajudar a aproveitar melhor os recursos dos modelos Claude 3 (Getty Images)
Redação Exame
Publicado em 23 de agosto de 2026 às 05h02.
Uma resposta mediana do Claude nem sempre significa que o modelo não consegue realizar determinada tarefa. Muitas vezes, o problema está no que foi pedido. ou, principalmente, no que deixou de ser explicado.
A própria Anthropic recomenda instruções claras, exemplos e divisão de tarefas para obter resultados mais consistentes com seus modelos.
Para quem usa o Claude 3 para escrever, analisar documentos ou organizar informações, alguns ajustes simples no prompt podem fazer diferença.
Evite pedir apenas que a ferramenta “analise este relatório”. Explicar para que a análise será usada, quem é o público e quais informações são importantes pode direcionar melhor a IA para alcançar seu objeitivos.
Um comando pode ser:
“Você é um analista de negócios. Leia o relatório abaixo e identifique os três principais riscos para uma empresa que pretende expandir suas operações. Priorize informações que tenham impacto financeiro e explique cada risco em até três frases.”
A orientação deixa menos espaço para interpretações e define o resultado esperado. A Anthropic recomenda justamente fornecer contexto suficiente sobre a tarefa e evitar instruções vagas.
Claude pode seguir padrões apresentados pelo próprio usuário. A técnica, conhecida como few-shot prompting, consiste em fornecer exemplos de entradas e respostas antes de apresentar a tarefa definitiva.
Para revisar textos, por exemplo:
“Quando encontrar uma frase longa, transforme-a em uma versão mais direta, seguindo este exemplo:
Original: [frase]
Revisão: [versão desejada]
Agora aplique o mesmo padrão ao texto abaixo.”
A Anthropic recomenda exemplos diversos e representativos para indicar ao modelo o comportamento esperado.
Pedir análise, resumo, classificação e revisão de um documento de uma só vez pode deixar o comando confuso. Uma alternativa é criar uma sequência de pedidos.
Primeiro, peça para identificar os pontos principais. Depois, solicite uma análise desses pontos. Por fim, peça a versão final.
A técnica é chamada de prompt chaining, ou encadeamento de prompts. Segundo a Anthropic, dividir tarefas complexas em etapas pode melhorar o desempenho do Claude em determinados trabalhos.
Uma das características marcantes da família Claude 3 foi a capacidade de trabalhar com grandes volumes de contexto.
Na apresentação do modelo, a Anthropic informou uma janela inicial de 200 mil tokens e destacou o desempenho do Claude 3 Opus em testes de recuperação de informações dentro de documentos extensos.
Isso pode ser útil para quem precisa analisar contratos, relatórios, pesquisas ou conjuntos de documentos. Em vez de resumir tudo antes, o usuário pode fornecer o material e especificar exatamente o que deseja encontrar.
Um comando possível é:
“Leia os documentos anexados. Primeiro, identifique as informações relacionadas a custos. Depois, compare os valores entre os arquivos e apresente as diferenças em uma tabela.”
A própria Anthropic também recomenda, para tarefas envolvendo grandes contextos, extrair trechos relevantes antes de formular a resposta e utilizar exemplos para orientar o modelo.
“Analise este texto” deixa aberto praticamente tudo: tamanho, estrutura, tom e nível de profundidade. Especificar o formato reduz essa margem.
Vale indicar, por exemplo, número de tópicos, limite de palavras, público-alvo e estilo. Para uma apresentação, o pedido poderia ser: “Organize em cinco tópicos, com no máximo duas frases por tópico e linguagem acessível para pessoas que não conhecem o assunto”.
A regra é simples: quanto mais importante for o formato da resposta, mais detalhada deve ser a instrução.
Os recursos do Claude 3 não dependem apenas de uma frase “mágica”. Contexto, exemplos, organização e clareza ajudam o modelo a entender o trabalho que precisa executar e reduzem respostas genéricas.
Antes de trocar de ferramenta ou concluir que a IA “não sabe fazer” determinada tarefa, vale testar uma versão mais específica do prompt. Às vezes, o que faltava para chegar a um resultado melhor estava justamente nas instruções.