Prompt Engineering
Como humanos guiam modelos: zero/few-shot, CoT, ToT, ReAct, system prompts
8 conceitos · ordenados cronologicamente
Zero-Shot Prompting
Pedir tarefa sem dar exemplos. Funciona em LLMs grandes porque eles 'viram' o padrão no pre-training.
One-Shot Prompting
Dá 1 exemplo antes da pergunta real. Geralmente já dobra accuracy vs zero-shot.
Few-Shot Prompting
3-10 exemplos no prompt. Habilidade que emergiu em GPT-3 — 'a-ha' moment do paper original.
Chain-of-Thought (CoT)
Adicione 'pense passo a passo' — o modelo escreve raciocínio antes da resposta, melhorando dramaticamente em problemas de lógica/matemática.
Self-Consistency
Faça N respostas com sampling diferente; pegue a resposta mais frequente. Robustifica CoT.
ReAct — Reason + Act
Interleave reasoning steps com tool calls. 'Pensar → Agir → Observar → Pensar...'. Base de todo agente moderno.
System Prompt
Bloco de prompt persistente que define persona/regras antes da conversa. Alta prioridade.
Tree-of-Thought (ToT)
Modelo explora múltiplas linhas de raciocínio em paralelo, podando ramos ruins. CoT × busca.