3.6.1 · Técnicas que movem o ponteiro

As técnicas, e o que cada uma custa

O custo dos exemplos é real e frequentemente esquecido: em volume, cinco exemplos de trezentos tokens cada entram em toda chamada. É por isso que a aula 3.7.4 fala de prompt caching — é o que torna essa conta suportável.

O prompt de triagem, versão final

SYSTEM = """Você classifica chamados de AMS de projeto SAP para roteamento automático.

<motivo>
A classificação alimenta o roteamento da fila do AMS. Um rótulo errado manda o
chamado para o time errado e ele volta para a fila depois de horas paradas.
Na dúvida entre dois rótulos, escolha o mais genérico e sinalize baixa confiança.
</motivo>

<rotulos>
MM | SD | FI | BASIS | ABAP | ACESSO | OUTRO
</rotulos>

Responda apenas com o objeto pedido, sem preâmbulo."""

PROMPT = """<examples>
<example>
<ticket>Não consigo liberar o pedido 4500012345, dá erro de estratégia de liberação.</ticket>
<saida>{"rotulo": "MM", "confianca": "alta", "motivo": "estratégia de liberação de pedido de compra"}</saida>
</example>
<example>
<ticket>Preciso de acesso à transação VA02 no QAS.</ticket>
<saida>{"rotulo": "ACESSO", "confianca": "alta", "motivo": "solicitação de perfil, não defeito"}</saida>
</example>
<example>
<ticket>O relatório Z de faturamento está lento desde ontem à tarde.</ticket>
<saida>{"rotulo": "ABAP", "confianca": "media", "motivo": "objeto Z; pode ser BASIS se for carga do sistema"}</saida>
</example>
</examples>

<ticket>
{ticket}
</ticket>"""

Repare no que esse prompt faz e no que ele não faz. Ele não diz "seja preciso" nem "classifique corretamente" — adjetivo não instrui. Ele mostra três casos, incluindo um de borda deliberado (o terceiro, que admite ambiguidade e usa confianca: media), e declara o motivo da classificação existir.

Structured outputs: o substituto do prefill

response = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    system=SYSTEM,
    messages=[{"role": "user", "content": PROMPT.format(ticket=texto)}],
    output_config={
        "format": {
            "type": "json_schema",
            "schema": {
                "type": "object",
                "properties": {
                    "rotulo": {"type": "string",
                               "enum": ["MM", "SD", "FI", "BASIS", "ABAP", "ACESSO", "OUTRO"]},
                    "confianca": {"type": "string", "enum": ["alta", "media", "baixa"]},
                    "motivo": {"type": "string"},
                },
                "required": ["rotulo", "confianca", "motivo"],
                "additionalProperties": False,
            },
        }
    },
)

O enum é o que garante que nunca vai voltar um rótulo inventado. Sem ele, o schema garante o formato mas não o vocabulário.

Dois detalhes que evitam surpresa:

• A primeira chamada com um schema novo é mais lenta — o schema é compilado uma vez e fica em cache por 24 horas.
• Structured outputs não convive com citations na mesma chamada: a combinação retorna 400. Se o entregável precisa de citação ancorada na fonte (aula 3.7.4), o formato tem de ser garantido de outro jeito.

O que mudou desde o material antigo

A última linha é a mesma lição da aula 2.4 sobre description de skill, agora do lado da API: a ferramenta ficou obediente, e o prompt escrito para vencer a teimosia antiga passou a atrapalhar.

Regra Wayon Prompt que vai para produto entregue ao cliente ou que vai rodar em volume não é escrito à mão e aprovado no olho. Ele passa pelo ciclo das aulas 3.6.2 a 3.6.5: dataset, grader, medição antes e depois. Prompt de uso pessoal do consultor, em sessão interativa, não exige isso — a régua acompanha a consequência, como no módulo 3.4.

📖 Prompting best practices · Structured outputs · Skills de verdade — módulo 2.4