Cyberpediapor Brain
PTDEENESFRITNL

Dar exemplos e dividir uma tarefa em passos para a IA

Como orientar um assistente de IA com dois ou três exemplos e dividir uma tarefa em passos verificados um a um, sem expor dados.

Em 30 segundos

Onde acontece
Em qualquer pedido a um assistente de IA que deva produzir um formato preciso (resumo, triagem, redação-tipo) ou resolver um problema em vários tempos.
O que traz
Respostas mais próximas do que pretende, desde que escolha bem os exemplos e reveja cada passo.
O reflexo
Dê dois ou três exemplos fictícios ou anonimizados, divida a tarefa em passos e verifique cada passo antes de passar ao seguinte.
Se já o fez
Se um exemplo continha o nome de um cliente, um valor interno ou um excerto de contrato, avise o seu responsável de segurança e não volte a usá-lo.

Do que se trata

Um assistente de IA responde melhor quando se lhe mostra o que se espera do que quando apenas se descreve. Mostrar dois ou três exemplos do resultado pretendido chama-se «few-shot» (em português, aprendizagem a partir de poucos exemplos). Dividir um problema complexo em pequenos passos, que se controlam um após o outro, é uma segunda utilização.

As duas técnicas melhoram as respostas, mas não as tornam fiáveis. Esta ficha explica como usá-las no trabalho e o que nunca se deve incluir num exemplo.

Perguntas diretas

O que é o few-shot?

É acrescentar ao pedido um ou mais exemplos do comportamento pretendido, sob a forma de pares «entrada e resultado esperado». A Microsoft esclarece que o modelo não aprende no sentido de uma alteração permanente: os exemplos condicionam-no apenas para a resposta em curso1. Um pedido sem exemplos diz-se «zero-shot»1.

A ideia vem da investigação. O artigo de 2020 sobre o GPT-3 descreve tarefas e demonstrações dadas «purely via text interaction with the model», sem novo treino2.

Porque ajudam os exemplos?

No exemplo da Microsoft, um modelo a quem se pede uma categoria para o título de uma notícia parece adivinhar o que se espera. Com exemplos, compreende o formato e consegue até deduzir o tipo de etiqueta pretendido, embora nenhum exemplo tivesse a etiqueta «basketball»1.

O que significa dividir uma tarefa em passos?

A Microsoft indica que os modelos de linguagem dão muitas vezes melhores resultados quando a tarefa é dividida em passos mais pequenos. O seu exemplo: pedir primeiro que se extraiam os factos úteis e só depois que se produzam consultas de pesquisa para os verificar1. Num texto curto a diferença é modesta, mas torna-se nítida quando o texto contém muitas afirmações1.

Convém pedir à IA que mostre o seu raciocínio?

É uma variante. A Microsoft descreve uma instrução que pede para proceder passo a passo e apresentar todos os passos. Segundo a documentação, isso reduz a possibilidade de inexatidão e facilita a avaliação da resposta1. A Microsoft esclarece que esta técnica só se aplica a modelos que não são de raciocínio, e que estas técnicas «aren't recommended for reasoning models like gpt-5 and o-series models»1.

Pode confiar-se num raciocínio que parece lógico?

Não, passos bem apresentados não provam nada por si só. A Microsoft recomenda dar ao modelo uma «saída de emergência», por exemplo responder «not found» se a informação não constar do texto fornecido1. As respostas variam também consoante os modelos e as versões6.

1Como funciona1 min

Os modelos de linguagem produzem a sequência de palavras mais provável a partir do texto recebido1. Exemplos bem escolhidos orientam essa sequência para o formato pretendido.

Para os problemas em vários tempos, a investigação descreveu vários métodos. O artigo de 2022 sobre a «cadeia de pensamento» mostra que fornecer algumas demonstrações com passos de raciocínio intermédios melhora os resultados em tarefas de aritmética, de senso comum e de raciocínio simbólico3. Outro artigo de 2022 mostra que acrescentar a frase «Let's think step by step» basta, sem qualquer exemplo, para melhorar os resultados4. Um terceiro método, dito «do mais simples ao mais complexo», divide um problema em subproblemas resolvidos por ordem, ajudando cada resposta a resolver a seguinte5.

Estes resultados vêm de testes com problemas de referência, não de situações de escritório. Mostram que o método pode ajudar, sem garantir uma boa resposta.

2O que fazer1 min
  • Redija dois ou três exemplos curtos e variados, cada um com uma entrada e a saída exata esperada.
  • Substitua qualquer dado real por um dado inventado: um nome fictício, um montante arredondado sem relação com um processo, um texto reescrito.
  • Coloque a instrução de forma clara. A ordem conta: a Microsoft nota que a ordem das informações pode alterar o resultado, incluindo a dos exemplos1.
  • Divida a tarefa: peça um primeiro passo, leia-o, corrija-o e passe depois ao seguinte, apoiando-se no passo validado.
  • Preveja uma porta de saída: autorize a IA a responder que não sabe, ou que falta uma informação1.
  • Verifique os factos importantes (valores, datas, nomes) numa fonte fiável antes de os utilizar.

Um exemplo de pedido em dois tempos, dado aqui a título de ilustração:

Excerto
Ilustração, texto fictício.
Passo 1: [enumera as afirmações verificáveis do texto abaixo.]
Passo 2: [depois da minha revisão, propõe para cada afirmação uma forma de a verificar.]
Se faltar uma informação, responde «não encontrado».
3Armadilhas2 min
  • Exemplos enviesados. O modelo imita o que lhe é mostrado. A Microsoft assinala a sensibilidade à ordem, com um viés de recência: o que está no fim do pedido pode pesar mais1. Varie os exemplos e leia a resposta perguntando-se se não copia a forma deles.
  • Passos inventados. Um passo que parece plausível pode estar errado. Ler só a conclusão não basta.
  • Confiança excessiva. Os ganhos medidos pela investigação referem-se a conjuntos de teste precisos34. Não dizem nada sobre o seu processo.
  • Fuga nas instruções. As instruções e os exemplos fazem parte do pedido. A OWASP inclui entre os riscos a divulgação de informações sensíveis e a revelação de informações sobre as instruções do sistema8. A Microsoft lembra que uma mensagem de sistema influencia o modelo sem garantir que ele cumpra as regras6. Não conte com a instrução «não reveles nada» para proteger um segredo colocado num exemplo.
  • Texto de terceiros no pedido. Se colar um documento vindo do exterior (CV, correio eletrónico, página web), este pode conter instruções ocultas. O NCSC britânico dá o exemplo (hipotético) de um CV com um texto oculto a pedir que se ignorem as instruções anteriores e se aprove a candidatura7. Acrescenta que os modelos atuais não impõem uma fronteira de segurança entre instruções e dados7. Leia por isso as saídas com prudência quando o texto de origem não é seu.
4Casos reais1 min

Maio de 2020: GPT-3 testado com exemplos

Os autores do GPT-3, um modelo de 175 mil milhões de parâmetros, testam-no sem atualização do modelo, com tarefas e exemplos dados apenas por texto. Relatam bons resultados em muitos conjuntos de dados e também conjuntos em que a aprendizagem com poucos exemplos continua a ter dificuldades2.

Maio de 2022: uma frase basta num teste de aritmética

Investigadores mostram que acrescentar «Let's think step by step» faz a precisão passar de 17,7 % para 78,7 % no teste MultiArith, e de 10,4 % para 40,7 % no GSM8K, com o modelo text-davinci-0024. Mesmo com este ganho, a resposta continua errada mais de uma vez em cada cinco no MultiArith e mais de uma vez em cada duas no GSM8K, segundo estes números4.

Maio de 2022: a divisão do mais simples ao mais complexo

Os autores do método do mais simples ao mais complexo relatam que, com o modelo code-davinci-002 e 14 exemplos, atingem pelo menos 99 % de precisão no teste SCAN, contra 16 % com a cadeia de pensamento5. Esclarecem que a cadeia de pensamento tende a falhar em problemas mais difíceis do que os exemplos mostrados5.

Ficha

Identificador
CP-312
Ala
4. Inteligência artificial
Competência Brain
Escrever bons prompts (prompt_correctly)
Reflexo Brain
air-016
Esquema
G5 · Árvore de decisão do reflexo
Idiomas
de, en, es, fr, it, nl, pt
Fontes
8 fontes verificadas em 3 de novembro de 2026
Fontes8 fontes
  1. Microsoft, «Prompt engineering techniques - Microsoft Foundry». https://learn.microsoft.com/en-us/azure/foundry/openai/concepts/prompt-engineering (consultado em 3 de novembro de 2026)
  2. arXiv, «Language Models are Few-Shot Learners», 28 de maio de 2020. https://arxiv.org/abs/2005.14165 (consultado em 3 de novembro de 2026)
  3. arXiv, «Chain-of-Thought Prompting Elicits Reasoning in Large Language Models», 28 de janeiro de 2022. https://arxiv.org/abs/2201.11903 (consultado em 3 de novembro de 2026)
  4. arXiv, «Large Language Models are Zero-Shot Reasoners», 24 de maio de 2022. https://arxiv.org/abs/2205.11916 (consultado em 3 de novembro de 2026)
  5. arXiv, «Least-to-Most Prompting Enables Complex Reasoning in Large Language Models», 21 de maio de 2022. https://arxiv.org/abs/2205.10625 (consultado em 3 de novembro de 2026)
  6. Microsoft, «System message design for Azure OpenAI - Microsoft Foundry». https://learn.microsoft.com/en-us/azure/foundry/openai/concepts/advanced-prompt-engineering (consultado em 3 de novembro de 2026)
  7. NCSC (Royaume-Uni), «Prompt injection is not SQL injection (it may be worse)», 8 de dezembro de 2025. https://www.ncsc.gov.uk/blog-post/prompt-injection-is-not-sql-injection (consultado em 3 de novembro de 2026)
  8. OWASP, «LLM01:2025 Prompt Injection». https://genai.owasp.org/llmrisk/llm01-prompt-injection/ (consultado em 3 de novembro de 2026)

Citar este artigo

Brain, «Dar exemplos e dividir uma tarefa em passos para a IA», Cyberpedia, 2026. https://startbrain.io/cyberpedia/pt/articles/few-shot-prompting-exemplos-passos/

BibTeX 
@misc{brain_cp312_pt_2026,
  author = {Brain},
  title = {Dar exemplos e dividir uma tarefa em passos para a IA},
  year = {2026},
  howpublished = {Cyberpedia},
  url = {https://startbrain.io/cyberpedia/pt/articles/few-shot-prompting-exemplos-passos/},
  note = {CC BY 4.0}
}
Licença CC BY 4.0