0Pricing
AI Prompt Engineering · Aula

Tipos de solicitações que a IA pode atender

Taxonomia de tarefas de IA: escrever, resumir, responder, programar e gerar ideias.

Tipos de solicitações que a IA pode atender é uma aula grátis de AI Prompt Engineering no CoddyKit. Esta é a aula 2 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.

A taxonomia de tarefas de IA

Os modelos de linguagem de IA são extraordinariamente versáteis. Eles lidam com uma ampla variedade de tipos de tarefa — e saber em qual categoria sua tarefa se enquadra ajuda você a escrever instruções melhores.

Podemos agrupar as tarefas em: redação, sumarização, perguntas e respostas, programação, geração de ideias, tradução, classificação e extração de dados.

Tarefas de redação

Redação é uma das tarefas de IA mais comuns. Os exemplos incluem:

  • Redigir e-mails, cartas de apresentação e publicações de blog
  • Escrever contos, roteiros ou conteúdo criativo
  • Compor legendas para redes sociais
  • Editar e reescrever rascunhos existentes

O essencial é especificar o formato, o tom, a extensão e o público-alvo na sua instrução.

import anthropic

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

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=256,
    messages=[{
        'role': 'user',
        'content': (
            'Write a 150-word professional email declining a meeting invitation. '
            'Tone: polite and regretful. Suggest rescheduling next week.'
        )
    }]
)
print(response.content[0].text)

Tarefas de sumarização

Sumarização condensa conteúdo extenso em uma forma mais curta e fácil de assimilar. Usos comuns:

  • Resumo de artigos ou relatórios extensos
  • Anotações de uma reunião a partir de uma transcrição
  • Resumos executivos de artigos de pesquisa
  • Principais pontos extraídos de um capítulo de livro

Especifique a extensão desejada e o nível de detalhe de que você precisa.

import openai

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

long_text = (
    'Artificial intelligence has transformed industries from healthcare '
    'to finance over the past decade. Machine learning models now diagnose '
    'diseases, detect fraud, and power recommendation engines. However, '
    'concerns about bias, privacy, and job displacement remain significant...'
)

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': f'Summarize the following in exactly 2 sentences:\n\n{long_text}'
    }]
)
print(response.choices[0].message.content)

Tarefas de perguntas e respostas

Tarefas de perguntas e respostas aproveitam a ampla base de conhecimento do modelo. Os tipos incluem:

  • Perguntas factuais (“O que é o ciclo de Krebs?”)
  • Perguntas explicativas (“Como funciona o HTTPS?”)
  • Perguntas comparativas (“Qual é a diferença entre RAM e armazenamento?”)
  • Perguntas e respostas sobre documentos — fazer perguntas sobre um documento colado

Para perguntas e respostas sobre documentos, sempre inclua o material de origem na sua instrução.

import anthropic

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

document = 'Our refund policy allows returns within 30 days with receipt...'

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=256,
    system='Answer only based on the document provided. If unsure, say so.',
    messages=[{
        'role': 'user',
        'content': f'Document:\n{document}\n\nQuestion: How many days do I have to return an item?'
    }]
)
print(response.content[0].text)

Tarefas de programação

Tarefas de programação são uma área em que os assistentes de IA realmente se destacam. Solicitações comuns:

  • Gerar código a partir de uma descrição (“Escreva uma função Python que...”)
  • Explicar o que um código existente faz
  • Depurar ou corrigir código com problemas
  • Converter código de uma linguagem para outra
  • Escrever testes unitários para uma determinada função
import openai

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

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[
        {
            'role': 'system',
            'content': 'You are a Python expert. Include type hints and a brief docstring.'
        },
        {
            'role': 'user',
            'content': (
                'Write a function that takes a list of integers and returns '
                'the second largest unique value, or None if it does not exist.'
            )
        }
    ]
)
print(response.choices[0].message.content)

Tarefas de geração de ideias

Geração de ideias usa a IA para produzir rapidamente uma grande quantidade de ideias. Use-a para:

  • Gerar nomes de produtos
  • Criar listas de temas para publicações de blog
  • Ter ideias de funcionalidades para uma aplicação
  • Encontrar abordagens para campanhas de marketing
  • Explorar alternativas para resolver problemas

Peça uma quantidade específica de ideias e diga ao modelo para priorizar a variedade em vez da repetição.

import anthropic

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

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=512,
    messages=[{
        'role': 'user',
        'content': (
            'Generate 10 unique app name ideas for a habit-tracking app targeting busy professionals. '
            'Each name should be one or two words. Prioritize variety — avoid similar-sounding names. '
            'After each name, add a 5-word tagline.'
        )
    }]
)
print(response.content[0].text)

Tarefas de tradução

Tradução vai além da conversão palavra por palavra. Os modelos de IA lidam com:

  • Tradução entre idiomas (inglês → espanhol, francês → japonês)
  • Tradução de registro (jargão técnico → linguagem simples)
  • Tradução de tom (formal → informal)
  • Tradução de formato (parágrafo → tópicos)

Especifique se você deseja uma tradução literal ou uma tradução natural e idiomática.

import openai

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

text_en = 'Please ensure the deliverables are submitted prior to the agreed deadline.'

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            f'Translate the following into natural, idiomatic Spanish '
            f'suitable for a casual work chat message:\n\n{text_en}'
        )
    }]
)
print(response.choices[0].message.content)

Tarefas de classificação

Classificação atribui a entrada a categorias predefinidas. Exemplos:

  • Análise de sentimento (positivo / negativo / neutro)
  • Categorização por tema (esportes / política / tecnologia)
  • Detecção de intenção (reclamação / consulta / elogio)
  • Spam ou não spam

Sempre forneça na sua instrução a lista de categorias válidas para que o modelo saiba entre quais opções escolher.

import anthropic

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

reviews = [
    'The product broke after one day. Terrible quality!',
    'Shipping was fast and the item is exactly as described.',
    'It is okay, nothing special but does the job.'
]

for review in reviews:
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=16,
        messages=[{
            'role': 'user',
            'content': (
                f'Classify this review as exactly one of: POSITIVE, NEGATIVE, NEUTRAL.\n'
                f'Reply with only the label.\n\nReview: {review}'
            )
        }]
    )
    label = response.content[0].text.strip()
    print(f'{label}: {review[:40]}...')

Tarefas de extração de dados

Extração de dados retira informações estruturadas de um texto não estruturado. Usos comuns:

  • Extrair nomes, datas e valores de faturas
  • Obter fatos importantes de artigos de notícias
  • Analisar informações de contato em e-mails
  • Extrair especificações de produtos de descrições

Peça uma saída em JSON para facilitar o uso programático dos dados extraídos.

import openai
import json

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

email_text = (
    'Hi, I am Sarah Johnson from Acme Corp. '
    'Please send the invoice for $4,250 to billing@acmecorp.com by June 15th.'
)

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Extract the following fields from the email below and output valid JSON:\n'
            'name, company, email, amount, deadline\n\nEmail:\n' + email_text
        )
    }]
)

raw = response.choices[0].message.content
data = json.loads(raw)
print(data)

Combinação de tipos de tarefa

As instruções do mundo real geralmente combinam vários tipos de tarefa em uma única solicitação. Por exemplo:

  • Extrair as principais afirmações de um artigo e depois classificar cada uma como fato ou opinião
  • Resumir um documento e depois traduzir o resumo para o francês
  • Gerar ideias e depois redigir uma breve apresentação para a melhor delas

Encadear tipos de tarefa em uma única instrução é poderoso — basta ser explícito sobre cada etapa.

import anthropic

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

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=512,
    messages=[{
        'role': 'user',
        'content': (
            'Do the following in order:\n'
            '1. Brainstorm 5 blog post titles about remote work productivity.\n'
            '2. Pick the most compelling title.\n'
            '3. Write a 3-sentence intro paragraph for that post.\n'
            'Format your output with clear numbered sections.'
        )
    }]
)
print(response.content[0].text)

Escolha o enquadramento correto da tarefa

A mesma solicitação subjacente pode ser enquadrada como diferentes tipos de tarefa — e o enquadramento altera significativamente a saída.

Objetivo de exemplo: entender a página de preços de uma empresa.

  • Enquadramento de perguntas e respostas: “Quais são os níveis de preços?”
  • Enquadramento de sumarização: “Resuma a página de preços em 3 tópicos.”
  • Enquadramento de extração: “Extraia os nomes e preços dos planos em JSON.”
  • Enquadramento de comparação: “Crie uma tabela comparando todos os planos.”

Escolha o enquadramento que corresponda à forma como você usará a saída.

import openai

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

pricing_text = (
    'Starter: $9/month - 1 user, 5GB storage. '
    'Pro: $29/month - 10 users, 50GB storage. '
    'Enterprise: custom pricing - unlimited users.'
)

# Extraction frame
response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Extract plan names and monthly prices as a JSON array. '
            'Use null for custom pricing.\n\n' + pricing_text
        )
    }]
)
print(response.choices[0].message.content)

Verificação de conhecimentos

Você aprendeu as principais categorias de tipos de tarefa de IA. Vamos ver se consegue identificar a correta.

Um desenvolvedor cola em uma instrução um e-mail de suporte ao cliente com 500 palavras e pede à IA: “Retire o nome do cliente, o número do pedido e o tipo de problema — apresente o resultado em JSON.”

Que tipo de tarefa é esse?

Recapitulação da taxonomia de tarefas

Agora você consegue identificar e enquadrar qualquer solicitação de IA como um dos principais tipos de tarefa:

  • Redação — gerar conteúdo textual original
  • Sumarização — condensar conteúdo extenso
  • Perguntas e respostas — responder a perguntas com base em conhecimento ou documentos
  • Programação — gerar, explicar ou depurar código
  • Geração de ideias — gerar muitas ideias variadas
  • Tradução — converter entre idiomas ou registros
  • Classificação — atribuir a entrada a categorias predefinidas
  • Extração de dados — retirar dados estruturados de texto não estruturado

Identifique primeiro o tipo de tarefa e depois elabore a instrução em torno dele.

Perguntas Frequentes

A aula “Tipos de solicitações que a IA pode atender” é grátis?

Sim — o texto completo de “Tipos de solicitações que a IA pode atender” 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 “Tipos de solicitações que a IA pode atender”?

Taxonomia de tarefas de IA: escrever, resumir, responder, programar e gerar ideias. 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 2 de 4.

Quanto tempo leva a aula “Tipos de solicitações que a IA pode atender”?

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. Entendendo a interface de conversa
  2. Tipos de solicitações que a IA pode atender
  3. Como a IA gera respostas
  4. O que a IA não pode fazer
← Voltar para AI Prompt Engineering