0Pricing
AI Prompt Engineering · Aula

Desenvolvendo respostas anteriores

Conversas com vários turnos: faça referência ao resultado anterior em solicitações de acompanhamento.

Desenvolvendo respostas anteriores é uma aula grátis de AI Prompt Engineering no CoddyKit. Esta é a aula 3 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.

Conversas com várias etapas

Uma conversa com várias etapas com um modelo de IA é uma construção colaborativa — cada troca acrescenta algo novo, em vez de substituir o que veio antes.

Isso é diferente de usar instruções de acompanhamento para corrigir erros. Desenvolver a partir de respostas anteriores significa usar o resultado anterior do modelo como matéria-prima: expandi-lo, selecionar partes dele, recombiná-lo ou aplicarle uma nova perspectiva.

Dominar esse padrão permite produzir resultados complexos e em camadas que seriam impossíveis em uma única instrução.

Referenciando resultados anteriores

O padrão de construção mais simples é fazer referência ao que o modelo acabou de escrever:

  • "Com base no que você escreveu acima, quais são os três maiores riscos?"
  • "Pegue a estrutura que você descreveu e aplique-a a um contexto de saúde."
  • "Usando o tom da sua última resposta, reescreva este novo parágrafo."
  • "Da lista que você gerou, qual item você priorizaria primeiro e por quê?"

Essas referências mantêm o modelo fundamentado em seu próprio trabalho anterior, criando continuidade entre as interações.

Selecionando e expandindo

Quando o modelo produz uma lista ou um conjunto de opções, você pode selecionar um item e pedir que ele seja desenvolvido:

  • "Pegue a segunda opção da sua lista e transforme-a em um plano completo."
  • "Gostei mais da terceira abordagem. Escreva um guia de implementação de 300 palavras para ela."
  • "A opção B é a mais próxima do que preciso. Desenvolva-a mais com etapas específicas e um cronograma."

Esse padrão é poderoso para fluxos de ideação: gere opções em uma interação, selecione e desenvolva na seguinte.

Usando a estrutura de uma resposta anterior

Você pode pedir ao modelo que aplique a estrutura de uma resposta a um conteúdo novo:

  • "Usando a mesma estrutura da sua última resposta, analise o concorrente B."
  • "Aplique o mesmo formato de cinco seções a este novo produto."
  • "Siga o esboço que você criou acima, mas preencha-o para um público B2B em vez de B2C."

Isso é extremamente útil para criar documentos consistentes e paralelos — relatórios, comparações e análises que precisam seguir o mesmo modelo para vários assuntos.

Profundidade iterativa: aprofundando a cada interação

As conversas com várias interações permitem aumentar progressivamente a profundidade:

  1. Etapa 1: "Dê-me uma visão geral de alto nível sobre fluxos de processamento de aprendizado de máquina."
  2. Etapa 2: "Aprofunde a etapa de pré-processamento dos dados."
  3. Etapa 3: "Dê um exemplo de código em Python para lidar com valores ausentes nessa etapa de pré-processamento."
  4. Etapa 4: "Agora adicione tratamento de erros e registro a esse exemplo de código."

Cada interação aprofunda um nível. Isso é mais controlado do que pedir tudo de uma vez em uma única instrução complexa.

Fazendo referências cruzadas a várias interações anteriores

Em conversas mais longas, você pode reunir elementos de várias interações anteriores:

  • "Combine as personas de usuários da Etapa 2 com os recursos do produto da Etapa 4 para escrever uma apresentação direcionada a cada persona."
  • "Pegue os riscos que você identificou anteriormente e as estratégias de mitigação da sua última resposta e crie uma matriz de riscos."

Isso funciona melhor quando cada interação anterior produziu uma parte de conteúdo claramente identificada e distinta. Interações anteriores desorganizadas tornam as referências cruzadas confusas tanto para você quanto para o modelo.

Limitações da janela de contexto

As conversas com várias interações têm um limite prático: a janela de contexto do modelo. Todas as mensagens — suas e do modelo — são incluídas no contexto enviado à API. À medida que a conversa fica mais longa, mensagens antigas podem ser truncadas.

Estratégias práticas:

  • Resuma e compacte as interações anteriores quando elas já não forem necessárias em todos os detalhes
  • Inicie uma nova conversa quando o tópico mudar fundamentalmente
  • Mantenha as respostas individuais concisas para ampliar o quanto o modelo consegue ver do histórico

Gerenciando o contexto de várias interações no código

Em Python, você mantém o contexto de várias interações adicionando cada par de mensagens à lista do histórico da conversa:

import openai

client = openai.OpenAI(api_key='sk-...')

conversation = []

def chat(user_message):
    conversation.append({'role': 'user', 'content': user_message})

    response = client.chat.completions.create(
        model='gpt-4o-mini',
        messages=conversation
    )

    reply = response.choices[0].message.content
    conversation.append({'role': 'assistant', 'content': reply})
    return reply

# Turn 1: Generate options
print(chat('Give me 3 app name ideas for a meditation app.'))

# Turn 2: Select and expand
print(chat('Take the second option and write a tagline and a 50-word app description for it.'))

# Turn 3: Apply structure to another item
print(chat('Now do the same for the first option: tagline and 50-word description.'))

Ancorando referências com clareza

Ao fazer referência a um resultado anterior, seja preciso sobre o que você quer dizer. Referências vagas fazem o modelo tentar adivinhar:

  • Vaga: "Aprofunde o que você disse antes."
  • Clara: "Aprofunde o terceiro tópico da sua resposta anterior — aquele sobre os obstáculos na integração de novos usuários."

Se uma resposta anterior tiver várias seções, mencione a seção. Se for uma lista, faça referência ao número do item. Quanto mais precisamente você ancorar sua referência, mais confiavelmente o modelo a seguirá.

Construindo documentos em etapas

A construção em várias interações é ideal para criar documentos estruturados, como relatórios, planos ou propostas:

  1. Etapa 1: Gere o esboço
  2. Etapa 2: Escreva a Seção 1
  3. Etapa 3: Escreva a Seção 2 (mantendo o tom da Seção 1)
  4. Etapa 4: Escreva o resumo executivo com base nas Seções 1 e 2

Essa abordagem em etapas dá a você controle sobre cada seção antes de avançar para a seguinte e permite ajustar a direção no meio do documento sem perder tudo.

Quando a construção falha: perdendo o fio da conversa

A construção em várias interações pode dar errado quando o modelo perde o controle do contexto anterior. Sinais de perda do fio da conversa:

  • O modelo contradiz algo que disse duas interações atrás
  • Ele ignora uma restrição estabelecida no início da conversa
  • Ele volta a dar conselhos genéricos em vez de seguir a estrutura específica que você construiu

Solução: reafirme explicitamente o contexto principal na sua próxima mensagem, em vez de presumir que o modelo se lembra dele. "Como estabelecemos, o público é formado por executivos não técnicos. Tendo isso em mente..."

Verificação de conhecimento: construção em várias interações

Você tem uma conversa com três interações. A Etapa 1 produziu um esboço de cinco seções para um relatório empresarial. A Etapa 2 produziu o texto completo da Seção 1 (Análise de mercado). Agora você quer que a Seção 2 (Cenário competitivo) siga a mesma estrutura e o mesmo tom da Seção 1.

Qual instrução da Etapa 3 é mais eficaz?

Recapitulação: desenvolvendo respostas anteriores

As conversas com várias interações são uma maneira poderosa de desenvolver progressivamente resultados complexos. As principais técnicas são: fazer referência a resultados anteriores pelo nome ou número, selecionar e expandir itens específicos, aplicar a estrutura de uma resposta a um conteúdo novo e aprofundar a cada interação.

Ancorar referências com precisão e estar atento aos limites da janela de contexto são as principais habilidades para evitar que as conversas com várias interações percam a coerência.

Na próxima lição, você aprenderá quando abandonar uma conversa e começar uma nova, em vez de continuar a desenvolvê-la.

Perguntas Frequentes

A aula “Desenvolvendo respostas anteriores” é grátis?

Sim — o texto completo de “Desenvolvendo respostas anteriores” 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 “Desenvolvendo respostas anteriores”?

Conversas com vários turnos: faça referência ao resultado anterior em solicitações de acompanhamento. 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 3 de 4.

Quanto tempo leva a aula “Desenvolvendo respostas anteriores”?

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. Lendo e avaliando resultados de IA
  2. Escrevendo solicitações eficazes de acompanhamento
  3. Desenvolvendo respostas anteriores
  4. Quando refinar ou começar de novo
← Voltar para AI Prompt Engineering