No campo da Inteligência Artificial, especialmente no estudo de modelos de linguagem baseados em arquiteturas do tipo Transformer, o conceito de prompt possui um significado técnico preciso e central para o funcionamento desses sistemas.
Define-se prompt como a entrada estruturada fornecida ao modelo com a finalidade de condicionar e orientar a geração de sua saída. Em termos formais, trata-se de uma sequência de tokens — unidades discretas de representação textual — que incorporam instruções, contexto e, eventualmente, exemplos, a partir dos quais o modelo realiza inferência probabilística.
Sob a perspectiva computacional, o prompt é inicialmente submetido a um processo de tokenização, no qual o texto é convertido em representações numéricas compatíveis com o modelo. Esses tokens são então processados por redes neurais profundas, que estimam, a cada etapa, a distribuição de probabilidade do próximo token, condicionada à sequência previamente observada. Esse processo pode ser formalizado pela expressão:
P(saída | prompt)
Nessa formulação, a saída do modelo não é determinada de forma rígida, mas sim gerada a partir de uma distribuição probabilística dependente do conteúdo e da estrutura do prompt fornecido.
Do ponto de vista funcional, o prompt pode conter múltiplos elementos, tais como: instruções explícitas (por exemplo, “explique”, “resuma”, “traduza”), contexto informacional (textos de referência ou dados), exemplos de entrada e saída (caracterizando estratégias de few-shot learning), bem como restrições formais relativas ao estilo, formato ou extensão da resposta desejada.
Nesse sentido, o prompt atua como um verdadeiro mecanismo de controle do comportamento do modelo, funcionando como a interface entre a intenção do usuário e o processo de inferência estatística realizado pela máquina. Em sistemas modernos de IA generativa, o uso adequado de prompts substitui, em muitos casos, formas tradicionais de programação explícita, permitindo que o comportamento do modelo seja ajustado por meio de linguagem natural estruturada.
A relevância desse conceito deu origem ao campo denominado prompt engineering, que se dedica ao estudo e à elaboração de estratégias para construção de prompts eficazes. Entre essas estratégias, destacam-se abordagens como zero-shot, few-shot e chain-of-thought, cada uma com implicações distintas sobre o desempenho do modelo em tarefas específicas.
Por fim, deve-se considerar o limite imposto pela chamada janela de contexto (context window), que corresponde ao número máximo de tokens que o modelo pode processar simultaneamente, englobando tanto o prompt quanto a saída gerada.
Em síntese, o prompt não se reduz a uma simples pergunta ou comando, mas constitui um objeto técnico fundamental, responsável por condicionar, em termos probabilísticos, o comportamento e a qualidade das respostas produzidas por sistemas de Inteligência Artificial.
Texto gerado por IA, ChatGPT-5.3, 20/04/2026, 22h32min.
O Conselho Nacional de Justiça disponibiliza o Promptus, um banco colaborativo de comandos feitos pelos usuários para uso de ferramentas de IA. Esse projeto foi desenvolvido pelo Tribunal de Justiça do Estado do Pará. O Banco de Prompts do Poder Judiciário pode ser acessado na página do projeto.
O manual do projeto, versão 1.0, de 15 de maio de 2025, encontra-se nesta página.
