0Pricing
AI Prompt Engineering · Aula

Ajustando o nível do vocabulário

Controle a complexidade: linguagem simples de nível fundamental ou terminologia específica do domínio.

Ajustando o nível do vocabulário é uma aula grátis de AI Prompt Engineering no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de AI Prompt Engineering, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de AI Prompt Engineering inclui 4 aulas no total.

Vocabulário: o controle de legibilidade

O nível do vocabulário é o fator isolado mais importante para determinar se o seu conteúdo parece acessível ou excludente. Uma simples mudança na escolha das palavras pode fazer a diferença entre uma resposta que cria conexão com o leitor e outra que o afasta.

Os modelos de IA podem operar em todo o espectro vocabular — da simplicidade adequada para crianças pequenas à complexidade de um doutorado —, mas você precisa ajustar esse controle explicitamente.

Linguagem simples, sem jargão

Solicitar uma linguagem simples e sem jargão é fundamental para conteúdo voltado ao consumidor, documentação de suporte e comunicação entre equipes.

Solicitações eficazes:

  • 'Use linguagem simples, sem jargão técnico'
  • 'Explique como se o leitor não tivesse nenhum conhecimento prévio nesta área'
  • 'Todo termo técnico deve ser explicado em linguagem simples quando usado pela primeira vez'
  • 'Substitua qualquer palavra que uma criança típica de 10 anos não conheceria'
import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=150,
    messages=[{
        'role': 'user',
        'content': (
            'Explain what encryption is. '
            'Simple language only — no technical jargon. '
            'If you must use a technical word, immediately define it in plain English in parentheses. '
            'Target reading level: general public with no tech background. '
            '3 sentences maximum.'
        )
    }]
)
print(response.content[0].text)

Especificações do nível de leitura

O nível escolar Flesch-Kincaid mede a dificuldade de leitura com base no ano escolar dos US. Você pode solicitá-lo diretamente:

  • 'Nível de leitura da 8ª série' → acessível para a maioria dos adultos
  • 'Nível de leitura da 5ª série' → simples o suficiente para crianças ou falantes não nativos
  • 'Nível de leitura da 12ª série' → adulto instruído; alguma complexidade é aceitável
  • 'Nível de leitura universitário' → pressupõe formação pós-secundária

As solicitações de nível escolar funcionam surpreendentemente bem para controlar a complexidade do vocabulário.

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

levels = ['5th-grade', '8th-grade', '12th-grade', 'college']

for level in levels:
    response = client.chat.completions.create(
        model='gpt-4o',
        max_tokens=60,
        messages=[{
            'role': 'user',
            'content': (
                f'Explain what a database index is. '
                f'Reading level: {level}. 2 sentences maximum.'
            )
        }]
    )
    print(f'[{level}]: {response.choices[0].message.content.strip()}')
    print()

Pressupondo conhecimento especializado

Ao escrever para especialistas de uma área, o jargão não é um problema — é eficiência. Especialistas preferem terminologia técnica precisa a explicações simplificadas.

Solicitações para vocabulário de nível especializado:

  • 'Pressuponha conhecimento especializado — não são necessárias definições'
  • 'Use livremente a terminologia técnica'
  • 'Escreva para um público de pesquisadores com doutorado nesta área'
  • 'Não forneça explicações excessivamente básicas — pressuponha que o leitor conheça os fundamentos'
import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

expert_prompt = (
    'Explain the trade-off between MVCC and locking-based concurrency control in OLTP databases.\n'
    'Audience: senior database engineers with 10+ years experience.\n'
    'Assume expert knowledge — no definitions of basic terms needed.\n'
    'Use technical terminology freely: transaction isolation levels, write skew, '
    'phantom reads, lock contention, WAL, tuple visibility.\n'
    'Max 4 sentences. Be precise, not introductory.'
)

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=200,
    messages=[{'role': 'user', 'content': expert_prompt}]
)
print(response.content[0].text)

Incluindo terminologia técnica

Ao escrever conteúdo educacional para alunos que precisam adquirir vocabulário técnico, você pode instruir o modelo a:

  • Introduzir os termos técnicos progressivamente
  • Colocar cada termo em negrito na primeira ocorrência
  • Sempre associar um termo técnico ao seu equivalente em linguagem simples
  • Criar um miniglossário ao final

Essa abordagem ensina vocabulário enquanto transmite o conteúdo.

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Explain how HTTPS works for a developer just starting to learn web security. '
            'Vocabulary strategy:\n'
            '- Introduce technical terms gradually — start simple, add complexity\n'
            '- Bold every new technical term on first use\n'
            '- Immediately follow each bold term with a plain-English definition in parentheses\n'
            '- End with a 4-term Glossary section\n'
            'Length: 150 words max (excluding glossary).'
        )
    }]
)
print(response.choices[0].message.content)

A auditoria de jargão

Uma auditoria de jargão solicita que o modelo revise o conteúdo existente e sinalize ou substitua termos técnicos que um não especialista talvez não entenda.

Útil para: revisar sua própria redação antes de enviá-la a um público não técnico, verificar a documentação de suporte e auditar textos de marketing quanto à acessibilidade.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

technical_text = (
    'Our platform leverages a microservices architecture with asynchronous event-driven '
    'communication via a Kafka message broker. Each service exposes RESTful endpoints '
    'behind an API gateway that handles rate limiting and JWT authentication. '
    'Horizontal pod autoscaling on Kubernetes ensures elasticity under load.'
)

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=300,
    messages=[{
        'role': 'user',
        'content': (
            'Perform a jargon audit on the following paragraph.\n'
            '1. List every technical term a non-technical business stakeholder might not know.\n'
            '2. For each term, provide a plain-English alternative (5 words or fewer).\n'
            '3. Rewrite the paragraph using only the plain-English alternatives.\n\n'
            f'Text:\n{technical_text}'
        )
    }]
)
print(response.content[0].text)

Consistência do vocabulário

Manter um vocabulário consistente em todo o documento é especialmente importante na redação técnica. Quando o mesmo conceito tem vários nomes de uso comum, escolha um e use-o em todo o texto:

  • Não alterne entre 'usuário', 'cliente' e 'membro'
  • Não chame o mesmo sistema de 'API', 'ponto de acesso' e 'serviço' de forma intercambiável
  • Não alterne entre 'banco de dados' e 'armazenamento de dados'

Solicitação: 'Use terminologia consistente em todo o texto. Em caso de dúvida, prefira [X] a [Y] para [conceito].'

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Write a 3-section product description for our B2B SaaS platform.\n'
            'VOCABULARY RULES — use these terms consistently throughout:\n'
            '- Use "workspace" not "project", "environment", or "account"\n'
            '- Use "team member" not "user" or "collaborator"\n'
            '- Use "dashboard" not "panel", "console", or "interface"\n'
            '- Use "connect" not "integrate", "link", or "sync"\n'
            'Sections: Overview, Key Benefits, How It Works.\n'
            'Max 100 words total.'
        )
    }]
)
print(response.choices[0].message.content)

Vocabulário para públicos internacionais

Ao escrever para públicos globais em que o inglês pode ser uma segunda língua, a escolha do vocabulário é ainda mais importante:

  • Prefira palavras mais curtas e comuns às mais longas e raras
  • Evite expressões idiomáticas e verbos frasais que não podem ser traduzidos
  • Evite referências culturais desconhecidas fora de uma região
  • Use frases explícitas em vez de significados implícitos
  • Prefira construções ativas às passivas

Solicitação: 'Escreva para um público internacional em que o inglês é uma segunda língua — vocabulário simples, sem expressões idiomáticas.'

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

current_text = (
    'Our platform hits the ground running right out of the box, '
    'giving your team a leg up on the competition. '
    'Once you are up to speed, you will be firing on all cylinders. '
    'The ball is in your court — reach out to kick off your trial.'
)

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=200,
    messages=[{
        'role': 'user',
        'content': (
            'Rewrite the following text for an international audience where English is a second language.\n'
            'Rules:\n'
            '- Replace all idioms with literal, plain alternatives\n'
            '- Use only common, short words (prefer "start" over "commence")\n'
            '- No phrasal verbs ("kick off" → "start", "reach out" → "contact")\n'
            '- Active voice only\n\n'
            f'Text:\n{current_text}'
        )
    }]
)
print(response.content[0].text)

Testando o vocabulário com uma autoauditoria

Peça ao modelo que audite a própria saída quanto ao nível do vocabulário depois de gerá-la. Essa abordagem em duas etapas identifica vocabulário que passou despercebido apesar das suas instruções:

  1. Gere o conteúdo com instruções sobre o vocabulário
  2. Peça ao modelo que liste as palavras que violam o nível de vocabulário e sugira substituições
import openai

client = openai.OpenAI(api_key='sk-your-key-here')

# Step 1: generate with vocabulary constraint
result = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': 'Explain HTTP status codes in 3 sentences for a non-technical business person. Simple words only.'
    }]
)
content = result.choices[0].message.content
print('GENERATED:')
print(content)
print()

# Step 2: vocabulary self-audit
audit = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            f'Review the following text. List any words a typical non-technical business person '
            f'(no tech background) might not know. For each flagged word, suggest a simpler alternative.\n\n'
            f'Text:\n{content}'
        )
    }]
)
print('VOCABULARY AUDIT:')
print(audit.choices[0].message.content)

Vocabulário e confiança

O nível do vocabulário afeta diretamente a confiança que os leitores depositam no seu conteúdo:

  • Simples demais para o público → parece paternalista e prejudica a credibilidade
  • Complexo demais para o público → parece excludente e gera confusão
  • Exatamente adequado → parece escrito especificamente para esse leitor

A meta não é usar o vocabulário mais simples possível — é usar o vocabulário certo para o leitor específico. Um desenvolvedor de cadeia de blocos que lê sobre Ethereum espera terminologia precisa; um comprador de criptomoedas de primeira viagem, não.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

# Same topic, calibrated vocabulary for different trust contexts
audiences = [
    ('CRYPTO BEGINNER', 'No technical background, first time reading about cryptocurrency. Plain English, no assumed knowledge.'),
    ('BLOCKCHAIN DEVELOPER', 'Expert: knows EVM, gas fees, consensus mechanisms, smart contract bytecode. No definitions needed.')
]

topic = 'Why Ethereum uses proof-of-stake instead of proof-of-work.'

for label, spec in audiences:
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=100,
        messages=[{
            'role': 'user',
            'content': f'Audience: {spec}\n\nExplain in 2 sentences: {topic}'
        }]
    )
    print(f'[{label}]')
    print(response.content[0].text.strip())
    print()

Vocabulário e voz da marca

A voz da marca é, em parte, uma escolha de vocabulário. As empresas definem suas regras de vocabulário em guias de estilo — e a IA pode seguir essas regras de forma consistente se você as especificar.

Exemplos de regras de vocabulário de marca:

  • Mailchimp: 'Diga ajuda, não assistência'
  • Stripe: 'Diga configurar (verbo), mas configuração (substantivo)'
  • Shopify: 'Diga comerciantes, não clientes nem usuários'

Adicione as regras de vocabulário da sua marca à mensagem do sistema para obter uma saída consistente em todo o conteúdo.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

brand_vocab_system = (
    'You write content for NorthBridge, a B2B SaaS company. '
    'Brand vocabulary rules:\n'
    '- Say "workspace" not "account" or "project"\n'
    '- Say "connect" not "integrate" or "link"\n'
    '- Say "team" not "users" or "members"\n'
    '- Say "get started" not "onboard" or "begin"\n'
    '- Avoid: "leverage", "synergy", "ecosystem", "seamlessly"'
)

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=100,
    system=brand_vocab_system,
    messages=[{
        'role': 'user',
        'content': 'Write a 2-sentence CTA for the homepage inviting users to create an account and start using integrations.'
    }]
)
print(response.content[0].text)

Verificação de conhecimentos

Uma empresa quer enviar um e-mail de notificação sobre uma violação de dados para todos os 50.000 usuários — a maioria consumidores não técnicos. O rascunho atual diz: 'Uma vulnerabilidade em nossa implementação de OAuth2 resultou na exfiltração não autorizada de credenciais de usuário com hash.' Qual é o principal problema de vocabulário?

Ajustando o nível do vocabulário — resumo

O nível do vocabulário controla o quanto o seu conteúdo parece acessível ou confiável. Principais técnicas:

  • Solicite níveis de leitura específicos: 5ª série, 8ª série, universitário
  • Use 'sem jargão' para conteúdo voltado ao consumidor e entre equipes
  • Use 'pressuponha conhecimento especializado' para permitir terminologia técnica precisa
  • Ensine vocabulário com introdução progressiva e negrito na primeira ocorrência
  • Solicite consistência de vocabulário em todos os documentos
  • Escreva para públicos internacionais removendo expressões idiomáticas e verbos frasais
  • Use instruções de autoauditoria para identificar violações de vocabulário no conteúdo gerado

Perguntas Frequentes

A aula “Ajustando o nível do vocabulário” é grátis?

Sim — o texto completo de “Ajustando o nível do vocabulário” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de AI Prompt Engineering, atualize para CoddyKit PRO. O curso de AI Prompt Engineering inclui 4 aulas no total.

O que vou aprender em “Ajustando o nível do vocabulário”?

Controle a complexidade: linguagem simples de nível fundamental ou terminologia específica do domínio. Você pratica AI Prompt Engineering com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar AI Prompt Engineering?

Nenhuma experiência prévia é necessária. AI Prompt Engineering no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.

Quanto tempo leva a aula “Ajustando o nível do vocabulário”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de AI Prompt Engineering?

Sim. Cada aula de AI Prompt Engineering inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

  1. Tom formal versus informal
  2. Especificando seu público
  3. Estilos de escrita profissional
  4. Ajustando o nível do vocabulário
← Voltar para AI Prompt Engineering