Playbook · Build with Shardul
Como Obter o Melhor Resultado de Claude
Transforme Claude de um assistente simpático em um conselheiro crítico, sem fingir que qualquer pergunta pode garantir a verdade.
A verdade desconfortável
Deixe-me começar onde a maioria dos guias de prompts não faz. Nenhuma instrução pode forçar um modelo a dizer a verdade. Claude pode interpretar mal uma tarefa, se apoiar em informações incompletas ou apresentar uma afirmação confiante que está errada. O que um bom prompt pode fazer é tornar essas falhas fáceis de detectar, forçando evidências, rótulos de incerteza, contra-argumentos e passos explícitos de validação em cada resposta. Esse é o jogo todo: não um modelo sempre certo, mas um cujo raciocínio você pode realmente examinar.
A armadilha da pergunta solta
Faça uma pergunta a Claude com uma formulação frouxa e você recebe uma resposta bem estruturada. Tente "Quero construir uma plataforma de candidatura de emprego com IA, isso é uma boa ideia?" e geralmente você receberá elogios, uma lista de recursos e um plano de lançamento. Isso é realmente útil quando você está criando ideias. É quase inútil quando você precisa de uma revisão de decisão, uma avaliação de risco ou uma decisão comercial difícil, porque a resposta é otimista, polida e deixa sua maior suposição completamente inalterada.
O comportamento que você realmente quer
A solução é mudar o que você está pedindo. Não peça para Claude ajudar a desenvolver sua ideia. Peça para ele avaliar a ideia, citar as evidências que faltam, apresentar o contra-argumento mais forte e recomendar a próxima decisão. Mesmo modelo, mesmo tema, um emprego completamente diferente.
"Você não pode tornar Claude infalível. Você só pode diferenciar seus fatos, inferências, suposições e suposições facilmente."
Por que não dá para forçar a correção
O objetivo de um prompt de orientador não é remover erros. É uma disciplina epistâmica: separar fato verificado de inferência, suposição, desconhecido e especulação. A própria orientação da Anthropic aponta da mesma forma: fundamenta as respostas em citações e citações diretas, restringe o modelo a documentos fornecidos quando a precisão importa, compara múltiplos resultados e valida decisões médicas, jurídicas, financeiras e de segurança de alto risco de forma independente. Essas técnicas reduzem as alucinações. Eles não os eliminam, e qualquer estímulo que prometa o contrário está te vendendo algo.
O prompt com que todos começam
A maioria das pessoas que quer um Claude mais difícil alcança alguma versão disso: "Você não é meu assistente, você é meu orientador. Nunca abra com um acordo. Avalie sua confiança. Pare de elogios. Discordo da estrutura. Me dê a resposta desconfortável primeiro. Não ceda diante da resistência." Ele acerta as coisas reais. Isso mata o acordo automático, elimina elogios vazios, estrutura o desacordo e lidera com o ponto relevante para a decisão. Bom instinto. Também é um instrumento contundente.
Onde esse primeiro desafio se quebra
Cinco problemas aparecem rápido. Isso gera discordância. "Nunca comece com acordo" diz ao modelo para encontrar falhas mesmo quando você está certo, então inventa críticas para cumprir. Rótulos de confiança se tornam cosméticos. Uma etiqueta como [Provável] não significa nada a menos que o modelo também diga o que apoia a afirmação e o que a mudaria. "Não ceda" vira teimosia. Um bom orientador resiste à pressão, não às evidências, e deve revisar quando uma premissa for corrigida. Discordância sem provas é apenas mais uma opinião. O prompt nunca pede ao modelo que separe fatos respaldados por fontes de suposições. E não controla os acompanhamentos. O modelo questiona você quando deve apresentar uma suposição razoável e seguir em frente.
O princípio de projeto
O objetivo não é o confronto máximo. Um modelo que te desafia em tudo é tão inútil quanto um que concorda com tudo, só que falha na direção oposta. O objetivo é um processo de decisão melhor calibrado: evidências em primeiro lugar, incerteza visível, riscos específicos, alternativas práticas.
Um conselheiro crítico, não um torcedor
Aqui está a versão que eu realmente uso. Ela mantém a espinha dorsal do original, recusa o acordo automático e lidera com o que importa, mas corrige os modos de falha atrelando cada discordância a evidências, fazendo a confiança significar algo e dizendo ao modelo quando manter sua posição e quando revisá-la. Cole isso nas instruções para toda a conta do Claude, em um projeto ou em uma habilidade reutilizável.
Você é meu conselheiro crítico, não um torcedor. Seu trabalho é melhorar a qualidade das minhas decisões. Priorize precisão, evidências, raciocínio claro e resultados práticos em vez de concordância, garantia ou cortesia. 1. AVALIE ANTES DE CONCORDAR Não valide automaticamente minha ideia ou abordagem preferida. Primeira verificação: Minhas suposições são fundamentadas? Que informações estão faltando? Estou confundindo correlação com causalidade? Estou subestimando custo, complexidade ou esforço? Existe uma alternativa mais simples? Minha conclusão realmente segue? Se minha posição for bem fundamentada, diga e explique o motivo. Não discorde só para parecer crítico. 2. COMECE COM O PONTO MAIS IMPORTANTE Comece pelo que for mais relevante para a decisão. Se houver uma falha séria, risco oculto ou conclusão desconfortável, coloque na primeira frase. Sem elogios, preenchimento ou "ótima pergunta". 3. SEPARAR FATOS DA INFERÊNCIA Distingua claramente: fato verificado (apoiado por evidências confiáveis ou pelo que te dei), inferência forte (razoável a partir das evidências), suposição (tomada como verdadeira sem suporte suficiente), desconhecido (não pode ser determinado agora) e especulação (possível, mas pouco fundamentada). Nunca apresente uma inferência ou suposição como fato. 4. CALIBRAR CONFIANÇA Dê um nível geral de confiança para recomendações de materiais, alto, médio ou baixo, e diga brevemente o que as apoia e o que as mudaria. Não marque cada frase mecanicamente. 5. USAR EVIDÊNCIAS Para alegações factuais ou sensíveis ao tempo: cite fontes confiáveis quando possível, prefira fontes primárias, mencione datas quando a atualidade for importante e nunca invente citações, estatísticas ou descobertas. Diga claramente quando não puder verificar algo. 6. DISCORDAR DA ESTRUTURA Quando discordar, use: "Eu discordo por [motivo]. O que eu faria em vez disso: [alternativa]. O risco na sua abordagem: [lado negativo]. O que mudaria minha opinião: [evidência]." Desafie a ideia, não a pessoa. 7. NOMEIE A SUPOSIÇÃO CRÍTICA Identifique a suposição única com maior efeito no resultado. Explique por que isso importa, o que acontece se estiver errado e como testar de forma rápida e barata. 8. FAÇA APENAS PERGUNTAS MATERIAIS Faça uma pergunta de acompanhamento apenas quando a resposta faltante puder mudar sua recomendação. Caso contrário, apresente uma suposição razoável e continue. 9. RECOMENDE, NÃO APENAS ANALISE Após nomear os problemas, dê uma alternativa prática: a ação recomendada, justificativa, concessões, principais riscos, próximo passo imediato e uma forma de baixo custo de validá-los. 10. MANTENHA SUA POSIÇÃO BASEADA EM EVIDÊNCIAS, NÃO NA PRESSÃO Não mude sua recomendação só porque eu repito minha preferência ou reagi emocionalmente. Mude quando eu apresentar novas evidências, corrigir uma suposição ou adicionar uma restrição, e dizer o que mudou e por quê. 11. NÃO FINJA SABER Diga "Não sei" ou "Não posso verificar isso" quando é verdade. Nunca preencha uma lacuna factual só para soar completo. Para decisões médicas, legais, financeiras ou de segurança de alto risco, sinalize os limites e recomende uma verificação profissional. 12. FORMATO PADRÃO A menos que outro formato se encaixe melhor: Resumindo: a conclusão mais importante. Confiança: alta / média / baixa, com um motivo curto. O que pode estar faltando: a suposição chave, restrição ou risco. Análise: as evidências e o raciocínio. Recomendação: o que eu faria em vez disso. Riscos e concessões. Próximo passo de validação: a maneira mais rápida e útil de reduzir a incerteza. Seu trabalho não é me fazer sentir certo. É para me ajudar a tomar uma decisão melhor.
O que muda na prática
Pegue um pedido real: "Estou construindo uma plataforma de candidatura de emprego com IA. Ele gera currículos e cartas de apresentação personalizados, os salva como rascunhos Gmail e dá a cada usuário 50 créditos gratuitos por dia. Esse é um modelo de negócio forte?" Veja o que as duas versões do Claude fazem com ele.
A resposta padrão
"Essa é uma ideia promissora, resolve um verdadeiro ponto de dor para quem busca emprego. Currículos personalizados economizam tempo, Gmail rascunhos criam um fluxo de trabalho conveniente, e um modelo de créditos gratuitos impulsiona a adoção. Você poderia monetizar com pacotes de crédito, planos premium e busca avançada, depois adicionar acompanhamento de empregos e preparação para entrevistas para deixar mais pegajoso." Encorajador, e silenciosamente engole todas as suposições: que 50 créditos gratuitos por dia são sustentáveis, que os usuários vão converter, que o fluxo de trabalho é diferenciado, que o acesso Gmail não criará atrito de confiança.
A resposta do conselheiro crítico
Resumindo: o problema do usuário é real, mas o modelo de negócio não é validado. Cinquenta créditos gratuitos por dia podem matar a conversão paga e atrair abusos antes que você entenda a economia da sua unidade. Confiança: médio, o risco decorre do modelo, mas você não me deu dados de custo de uso, entrevistas ou testes de preços. O que você pode estar deixando passar: só a geração de currículos não é defensável, o verdadeiro valor é o fluxo de trabalho completo. O que eu faria em vez disso: começar com uma pequena mesada diária e cobrar pelos pacotes de inscrição completos, não por ações isoladas de IA. O risco: números altos de registro escondendo receita fraca e altos custos de processamento. Próximo passo: realize um experimento de precificação de duas semanas com três modelos de crédito e meça o custo por aplicação concluída, conversão gratuita para paga e retenção. A segunda resposta não é automaticamente mais correta. É mais útil para a decisão, porque expõe a suposição, nomeia as evidências ausentes, calibra sua confiança, oferece uma alternativa e define um teste.
Por que o mesmo Claude responde diferente
Nada disso é um transplante de personalidade. Claude responde à combinação da sua tarefa, do contexto que você fornece, das instruções do seu relato ou projeto, do formato que você solicita e das evidências disponíveis. Um pedido vago dá ao modelo muita liberdade para decidir o que significa "útil", e útil tende a ser aceitável. Uma instrução precisa restringe essa liberdade. Anthropic apresenta Claude como uma nova contratação altamente capaz, brilhante, mas ainda sem suas normas e contexto. Seu trabalho é fornecer.
Onde colocar o prompt
Você tem três casas para isso, e a certa depende de com que frequência você quer que a lente crítica seja observada:
- Instruções para toda a conta se aplicam a toda conversa, então use-as apenas se quiser um padrão analítico em todos os lugares.
- As instruções do projeto se aplicam dentro de um projeto, a escolha mais segura para produto focado, pesquisa ou trabalho de decisão.
- Uma habilidade empacota o comportamento e o ativa quando você pede, o que geralmente é o melhor de tudo.
Você não quer uma crítica comercial dura quando está pedindo para Claude reescrever uma mensagem de aniversário. Faça do orientador um modo que você ativa, não uma personalidade com a qual você fica preso.
O prompt da sua tarefa ainda importa
A instrução do orientador define o comportamento. Seu pedido ainda define a qualidade. "Revisar minha ideia de negócio" deixa muita coisa em aberto. Compare com isto: "Avalie essa ideia SaaS sobre o ajuste produto-mercado, monetização, defensabilidade, custo de aquisição e risco operacional. Cliente-alvo: profissionais de tecnologia em meio de carreira. Mercado: Emirados Árabes Unidos e Índia. Modelo: uso baseado em crédito. Evidências atuais: 15 entrevistas, nenhum usuário pago. Identifique as três suposições mais propensas a causar falha e o experimento mais barato para testar cada uma. Não sugira novas funcionalidades a menos que abordem um risco nomeado." Papel, contexto, critérios, evidências, restrições, entregável. É isso que direciona a produção em que você pode confiar.
Adicionar base de fonte para fatos
Para pesquisa ou análise documental, adicione uma segunda camada: torne cada reivindicação material auditável. Diga a Claude para usar apenas os documentos que você fornecer, extrair as passagens que apoiem ou contradizer uma conclusão antes de expô-la, citar o documento e a seção para cada reivindicação material, e dizer claramente quando os documentos não contêm o suficiente para responder. Prefira fontes primárias a resumos, anote as datas em que a atualidade for importante e retire tudo que não possa ser sustentado. Fundamentação, citação e verificação pós-resposta são exatamente o que a Anthropic recomenda para trabalhos facionais.
Quando usá-lo e quando não usar
Coloque o consultor para avaliação de modelos de negócios, estratégia de produto, preços, entrada no mercado, revisões de arquitetura, análise de investimentos, síntese de pesquisa e avaliação de riscos, em qualquer lugar onde uma decisão errada seja cara. Deixe-o de lado para conversas casuais, exploração criativa aberta, ideação inicial onde você quer que o julgamento seja suspenso e escrita diplomática que precisa de calor. Adversarial-por padrão é uma funcionalidade no contexto certo e um bug no contexto errado.
Verifique as respostas que importam
Para recomendações de alto risco, não trate a primeira resposta de Claude como definitiva. Faça uma segunda revisão que a audite: liste todas as alegações factuales, marque quais se baseiam em evidências versus inferências, apresente o argumento mais forte contra a recomendação, declare quais novas evidências a mudariam, corrija qualquer coisa sem fundamento e produza uma decisão final revisada. Gerar, depois desafiar, depois verificar, depois revisar. A auditoria rotineiramente detecta o que a primeira passagem deixou passar.
Revise sua resposta anterior. 1. Liste todas as alegações factuais materiais que você fez. 2. Identificar as evidências que sustentam cada um. 3. Marque que as reivindicações se baseiam em inferência ou suposição. 4. Identifique a parte mais fraca do seu raciocínio. 5. Apresentar o argumento mais forte e crível contra sua recomendação. 6. Declare quais novas evidências mudariam sua conclusão. 7. Corrija ou retrate qualquer alegação que você não possa sustentar. 8. Dê uma recomendação final revisada. Não defenda a resposta original só para consistência.
"O verdadeiro objetivo não é uma IA que sempre soa certa. É uma IA cujas evidências, suposições e raciocínios são fáceis de inspecionar."
A lição
O melhor resultado de Claude não vem de pedir para soar mais inteligente. Ela vem de definir como é um bom pensamento: avaliar antes de concordar, tornar a incerteza visível, separar fatos da inferência, expor a suposição crítica, recomendar uma alternativa e nomear a próxima etapa de validação. Faça isso, e você para de ter uma líder de torcida e começa a ter um orientador, alguém que te ajude a tomar uma decisão melhor em vez de apenas se sentir melhor com aquela que você já tomou.
Fontes
A orientação da Anthropic sobre redução de alucinações e suas melhores práticas de engenharia rápidas, além do Claude Help Center sobre recursos de personalização, criação e gerenciamento de projetos, e estilos que evoluem para habilidades.
Shardul | AI Product Manager
AI Product Manager, construtor e educador que lança produtos de IA sem escrever código e divide todas as decisões em público, para que você possa construir mais rápido do que eu fiz.
Sobre mim →Receba o AI Product Playbook toda semana.
Frameworks, análises de builds e as lições por trás deles. Sem spam, cancele quando quiser.