A maioria dos prompts ruins não falha por falta de esforço — falha por padrão. Os mesmos dez erros aparecem em categorias diferentes, com a mesma anatomia. Se você se reconhecer em algum, a correção está logo abaixo; e o framework P.C.R.F. do nosso guia de adaptação é a estrutura que previne todos eles.
1. Ambiguidade de objetivo
Sintoma: "melhore este texto", "crie algo sobre X". O modelo escolhe um objetivo entre vários plausíveis — e quase nunca é o seu.
Correção: um verbo de tarefa + um critério de sucesso. "Reescreva para reduzir em 30% mantendo todos os dados" tem objetivo único e verificável.
2. Escopo aberto
Sintoma: a resposta vem maior ou menor que o esperado, porque nada delimita onde termina. "Crie um site" gera 3 seções num dia e 12 no outro.
Correção: liste os componentes do escopo ("hero, 3 features, pricing, footer — nada além disso") ou dê o teto ("máximo 5 seções"). Escopo é restrição, não detalhe opcional.
3. Falta de critério de aceite
Sintoma: você recebe a saída e pensa "quase" — mas quase o quê? Sem critério, toda resposta é simultaneamente boa e insuficiente.
Correção: uma frase executável no final do prompt: "considere pronto quando [comando roda sem erro / tem N itens / cabe em M palavras]". Critério de aceite transforma opinião em checklist.
4. Contexto ausente ou mal rotulado
Sintoma: a resposta é tecnicamente correta e contextualmente inútil — porque o modelo não sabia sua stack, seu público ou o que o material colado representa.
Correção: bloco de contexto explícito no topo (stack + versões, público, estágio) e rótulo para todo material colado ("abaixo está o texto original; sua tarefa é...").
5. Restrição vaga em vez de restrição acionável
Sintoma: "seja profissional", "seja criativo", "seja objetivo". Adjetivos de qualidade não são instruções — o modelo interpreta cada um do seu jeito.
Correção: traduza a virtude em mecanismo: "profissional" → "sem gíria, sem emoji, tom neutro"; "objetivo" → "máximo 100 palavras, sem introdução". Se a restrição não é verificável depois, ela não era acionável antes.
6. Formato de saída não especificado
Sintoma: você precisa de tabela e recebe prosa; precisa de CSV e recebe lista markdown com formatação que quebra o import.
Correção: nomeie o formato e, se possível, dê um exemplo de 2 linhas. "Responda em JSON com as chaves {titulo, resumo, tags}" elimina a loteria.
7. Instruções contraditórias
Sintoma: respostas que obedecem metade do prompt e ignoram o resto — porque "seja conciso" e "detalhe cada etapa com exemplos" puxam em direções opostas.
Correção: passe o prompt por um filtro de coerência: cada par de restrições deve poder ser satisfeito simultaneamente. Quando não dá, hierarquize explicitamente ("em caso de conflito, priorize X").
8. Pedir resultado sem permitir incerteza
Sintoma: em código e dados, o modelo inventa APIs, números e referências para preencher lacunas — porque o prompt não deu saída para "não sei".
Correção: a cláusula anti-invenção: "se não tiver certeza de [API/fato/número], marque // VERIFICAR em vez de supor". Dar ao modelo uma rota honesta é mais eficaz que proibir a desonestidade.
9. Um prompt para múltiplas tarefas
Sintoma: "pesquise, escreva o artigo e crie 5 variações de título" — cada tarefa recebe uma fração da atenção do modelo e todas saem medianas.
Correção: se as tarefas têm dependência entre si, decomponha em etapas encadeadas (nosso guia de prompt chains). Se são independentes, execute separadamente.
10. Testar uma vez e concluir
Sintoma: "esse prompt não funciona" — testado com um único input, num único modelo, numa única versão. Prompt é sistema: varia com o input.
Correção: teste com 3 inputs de dificuldade crescente (fácil, real, adversarial) antes de julgar. E registre a data do teste — modelos mudam de versão e o comportamento muda com eles (veja nosso comparativo ChatGPT vs Claude vs Gemini).
O diagnóstico rápido
Se a resposta veio genérica, pergunte em ordem: (1) o objetivo era único? (2) o escopo tinha limite? (3) existia critério de aceite? Se as três respostas forem "não", o problema é estrutural — e o framework P.C.R.F. resolve. Se for "sim" para as três, o erro está nas camadas de contexto ou restrição: aí vale o checklist completo do nosso guia de como avaliar a qualidade de um prompt.
Perguntas frequentes
Por que a IA me dá respostas genéricas?
Na maioria dos casos, porque o pedido tem escopo aberto: nada diz onde a resposta termina. Nomeie os componentes do escopo ou dê um teto ('máximo 5 seções').
O que é um critério de aceite?
Uma frase executável no fim do prompt que define quando a saída está pronta — 'o comando roda sem erro', 'tem 8 itens', 'cabe em 100 palavras'. Sem critério, toda resposta é simultaneamente boa e insuficiente.
Como corrigir um prompt que já está ruim?
Faça o diagnóstico rápido: identifique qual dos dez erros aparece, corrija só ele e rode de novo. Reescrever tudo de uma vez impede saber o que resolveu.