A maioria das pessoas escreve prompts como se estivesse conversando casualmente. Funciona para perguntas simples, mas para tarefas complexas o resultado é inconsistente. Prompts bem estruturados são como algoritmos: entrada definida, processamento claro, saída previsível.
O framework: Role + Context + Task + Format#
Todo prompt eficiente tem quatro componentes:
| Componente | Função | Exemplo |
|---|
| Role | Quem a AI deve ser | “Você é um SRE sênior” |
| Context | Informação relevante | “Temos 20 EC2 em 3 contas AWS” |
| Task | O que fazer | “Identifique instâncias candidatas a rightsizing” |
| Format | Como entregar | “Tabela com instância, CPU média, recomendação” |
Prompt ruim#
1
| Me ajuda com os custos da AWS
|
Prompt bom#
1
2
3
4
5
6
7
8
9
10
11
| Você é um especialista FinOps.
Contexto: Temos 20 instâncias EC2 na conta de produção,
a maioria m5.xlarge. O custo mensal está em $4.500.
CPU média do último mês ficou abaixo de 25% em 15 delas.
Tarefa: Identifique as instâncias candidatas a rightsizing
e calcule a economia estimada.
Formato: Tabela com colunas: tipo atual, CPU média,
tipo recomendado, economia mensal estimada.
|
A diferença não é quantidade de texto. É clareza de expectativa.
Técnicas avançadas#
Chain of Thought#
Para problemas complexos, peça para a AI pensar passo a passo:
1
2
3
4
5
6
7
8
9
10
| Analise este incidente passo a passo:
1. Primeiro, identifique os sintomas nos logs
2. Depois, correlacione com mudanças recentes
3. Formule 3 hipóteses de causa raiz
4. Para cada hipótese, sugira como validar
5. Recomende a ação mais provável
Logs:
[colar logs aqui]
|
Few-shot (exemplos)#
Mostre exemplos do formato que espera:
1
2
3
4
5
6
7
8
9
10
11
12
| Crie alertas CloudWatch seguindo este padrão:
Exemplo:
Nome: prod-api-error-rate-high
Métrica: HTTPCode_Target_5XX_Count
Threshold: > 10 por 3 minutos
Ação: SNS topic prod-alerts
Agora crie alertas para:
- Latência p99 do ALB acima de 500ms
- CPU do RDS acima de 80%
- Fila SQS com mais de 1000 mensagens
|
Constraints (restrições)#
Restrições evitam respostas genéricas:
1
2
3
4
5
6
7
8
| Crie um runbook para restart do serviço de API.
Restrições:
- Máximo 10 passos
- Cada passo deve ter o comando exato (copy-paste)
- Incluir validação após cada passo
- Não usar sudo desnecessariamente
- Tempo estimado: menos de 5 minutos
|
Crie prompts reutilizáveis:
1
2
3
4
5
6
| Analise o custo AWS do serviço {SERVICO} na conta {CONTA}.
Período: último mês
Foco: identificar os 3 maiores gastos e sugerir otimizações.
Formato: resumo executivo (3 parágrafos) + tabela de ações.
Restrições: apenas sugestões que não exigem mudança de arquitetura.
|
Prompts para SRE no dia a dia#
Análise de incidente#
1
2
3
4
5
6
7
8
9
| Analise este incidente como um SRE sênior.
Timeline:
[colar eventos]
Responda:
1. Causa raiz provável
2. Por que não foi detectado antes
3. 3 ações preventivas (específicas, com responsável sugerido)
|
Criação de runbook#
1
2
3
4
5
6
7
8
9
| Crie um runbook para: [procedimento]
Formato:
- Título e objetivo
- Pré-requisitos
- Passos numerados com comandos exatos
- Validação após cada passo crítico
- Rollback se algo der errado
- Tempo estimado
|
Revisão de configuração#
1
2
3
4
5
6
7
8
9
| Revise esta configuração de [serviço] para produção.
[colar config]
Verifique:
- Segurança (credenciais expostas, permissões excessivas)
- Performance (timeouts, pool sizes, limites)
- Resiliência (retry, circuit breaker, fallback)
- Observabilidade (logs, métricas, health check)
|
Anti-patterns#
Prompt vago: “Me ajuda com isso” → A AI não sabe o que “isso” é nem o que “ajuda” significa.
Contexto demais: 5 páginas de contexto para uma pergunta simples → A AI se perde no ruído.
Sem formato esperado: Não especificar formato → Cada resposta vem diferente.
Prompt único para tudo: Tentar resolver problema complexo em uma mensagem → Quebre em etapas.
Prompts como código#
Trate prompts importantes como código:
- Versione (salve em arquivos, git)
- Teste (rode o mesmo prompt 3 vezes, resultado deve ser consistente)
- Itere (melhore baseado nos resultados)
- Documente (por que esse prompt existe, quando usar)
No Kiro CLI, você pode salvar prompts como arquivos e referenciar com @prompt-name:
1
2
3
| # Criar prompt reutilizável
# ~/.kiro/prompts/analise-custo.md
# Depois usar: @analise-custo "conta-prod"
|
Engenharia de prompt não é sobre escrever mais. É sobre estruturar melhor. Role + Context + Task + Format resolve 90% dos casos. Para o resto, chain of thought, few-shot e constraints refinam o resultado. Trate prompts como algoritmos e os resultados se tornam previsíveis.
