🎯 Prompt Engineering
Dominar prompt engineering é a diferença entre um LLM que faz o que você quer e um que "mais ou menos funciona". Este módulo cobre desde os fundamentos (roles, tokens, context window) até técnicas avançadas (ReAct, structured outputs, defesas de segurança) com código real em Python e C# que você pode usar hoje.
Pré-requisito
Módulo 01 (Fundamentos de LLMs) — você precisa entender o que são tokens e como modelos de linguagem funcionam antes de manipulá-los via prompts.
Seção 01 — Fundamentos
2 tópicos · ~20 minRoles: system, user, assistant — e por que importam
O sistema de roles é a API do prompt engineering. Aprenda a usar system prompts como "personalidade persistente" e a construir conversas multi-turn.
Context window management
Tokens, limites, custos e estratégias para quando o contexto fica grande: sliding window, sumarização e quando usar RAG.
Seção 02 — Técnicas de Prompting
3 tópicos · ~42 minZero-shot, few-shot e chain-of-thought
As três técnicas fundamentais. Zero-shot para tarefas comuns, few-shot para formato preciso, CoT para raciocínio multi-etapa. Com exemplos práticos.
ReAct, self-consistency e tree-of-thought
Técnicas avançadas para agentes e decisões críticas. ReAct é a base de todo agente LLM. Self-consistency vota na melhor resposta. ToT explora caminhos.
Structured outputs: JSON mode, function calling, tool use
Como fazer LLMs retornarem dados em vez de texto. JSON mode, function calling, e structured outputs com schema garantido via Pydantic.
Seção 03 — Segurança e Qualidade
3 tópicos · ~30 minPrompt injection e defesas
O SQL injection dos LLMs. Direct injection, indirect injection via documentos, e defesas práticas: instruction hierarchy, sanitização, Azure Prompt Shields.
Avaliação de prompts: métricas e frameworks
Prompts sem testes são código sem unit tests. Métricas de accuracy, relevance, groundedness e coherence. Azure AI Evaluations, promptfoo e CI/CD.
🏆 Desafio: system prompt que força JSON estruturado
Construa um extrator de contatos (nome, email, empresa, cargo) a partir de texto livre. Testa tudo do módulo: few-shot, structured outputs, segurança.