Um único prompt não serve para todos
Um prompt que produz excelentes resultados com Claude pode gerar uma saída mediana no ChatGPT, e vice-versa. Cada família de modelos foi treinada de forma diferente, e essas diferenças afetam como eles interpretam e respondem às suas instruções.
Entender essas diferenças não é decorar peculiaridades, é adaptar seu estilo de comunicação para tirar o melhor proveito de cada ferramenta.
Claude: estrutura e objetividade
O Claude (da Anthropic) tende a responder melhor a prompts que são:
Diretos e explícitos
O Claude segue instruções de forma literal. Se você quer algo específico, declare com clareza em vez de insinuar. Instruções vagas geram resultados vagos.
Estruturados com tags no estilo XML
O Claude lida muito bem com prompts divididos em seções. Usar tags como <context>, <task> e <rules> ajuda o modelo a interpretar prompts longos e complexos sem perder de vista o propósito de cada seção.
Atento ao system prompt
O Claude faz bom uso de system prompts para instruções persistentes. Se você tem regras que devem se aplicar a toda resposta (tom, formato, restrições), colocá-las no system prompt garante que sejam aplicadas de forma consistente.
Transparente quanto à incerteza
Quando o Claude não tem certeza, ele tende a dizer isso em vez de inventar uma resposta. Você pode reforçar esse comportamento incluindo instruções como "Se você não tiver confiança na resposta, diga isso".
O que funciona bem com o Claude:
- Prompts longos e detalhados com múltiplas seções
- Listas explícitas de restrições
- Formatação no estilo XML para maior clareza
- Instruções diretas, sem cortesia excessiva ou rodeios
ChatGPT / GPT-4: conversacional e orientado a papéis
Os modelos GPT-4 e o ChatGPT da OpenAI tendem a responder melhor a prompts que são:
De tom conversacional
O GPT-4 foi bastante treinado com dados conversacionais. Ele responde naturalmente a prompts escritos em estilo de conversa, incluindo perguntas de acompanhamento e refinamento em idas e vindas.
Guiados por interpretação de papéis
O padrão "aja como" funciona particularmente bem com o ChatGPT. Atribuir uma persona detalhada pode mudar significativamente a qualidade e o estilo da saída.
Dependentes da mensagem de sistema
A mensagem de sistema na API da OpenAI é poderosa para definir comportamento persistente. Conjuntos de instruções complexas na mensagem de sistema são seguidos de forma mais consistente do que as mesmas instruções em uma mensagem de usuário.
Sensíveis a sinais de temperatura
Mesmo dentro do próprio prompt, você pode indicar se quer uma saída criativa ou conservadora. "Seja criativo e explore ângulos incomuns" versus "Atenha-se estritamente a fatos estabelecidos" muda significativamente a saída do GPT-4.
O que funciona bem com o ChatGPT:
- Configurações baseadas em personas ("Você é um analista de dados sênior em uma empresa Fortune 500")
- Fluxo conversacional com turnos de refinamento
- Mensagens de sistema para regras persistentes
- Especificações claras do formato de saída
Gemini: multimodal e com tarefas decompostas
Os modelos Gemini do Google respondem melhor a prompts que são:
Com tarefas decompostas
O Gemini lida bem com tarefas complexas quando você as divide em etapas explícitas. Em vez de uma única instrução complexa, listar as etapas em ordem tende a produzir uma saída mais completa.
Atentos ao multimodal
As capacidades multimodais nativas do Gemini permitem que ele processe imagens, áudio e vídeo junto com texto. Ao trabalhar com entradas que não são texto, fornecer instruções explícitas sobre o que focar na mídia produz melhores resultados.
Ancorados em especificidades
O Gemini responde bem a prompts concretos e específicos. Prompts abstratos ou filosóficos podem gerar respostas longas e pouco focadas. Ancorar sua solicitação em cenários ou exemplos específicos ajuda.
Amigáveis à integração
O Gemini funciona bem dentro do ecossistema do Google. Quando sua tarefa envolve dados do Google Workspace, busca na web ou execução de código, aproveitar esses pontos de integração dá ao Gemini uma vantagem.
O que funciona bem com o Gemini:
- Instruções de tarefas passo a passo
- Prompts multimodais combinando texto com imagens
- Exemplos específicos e concretos
- Prompts que aproveitam as ferramentas do ecossistema Google
Comparação lado a lado
| Aspecto | Claude | ChatGPT / GPT-4 | Gemini |
|---|---|---|---|
| Melhor estilo de prompt | Estruturado, direto | Conversacional, baseado em papéis | Com tarefas decompostas, específico |
| Formato de estrutura | Tags XML | Markdown, linguagem natural | Etapas numeradas |
| Uso de system prompt | Forte | Forte | Moderado |
| Lida com prompts longos | Excelente | Bom | Bom |
| Restrições negativas | Muito sensível | Sensível | Moderadamente sensível |
| Exemplos few-shot | Muito eficazes | Muito eficazes | Eficazes |
Conclusões práticas
- Não copie e cole o mesmo prompt entre modelos. Ajuste a estrutura e o tom de acordo com os pontos fortes de cada modelo.
- Use tags XML para o Claude, personas para o ChatGPT e listas de etapas para o Gemini como abordagem de formatação padrão.
- Teste seus prompts importantes em vários modelos, se tiver acesso. O melhor modelo para uma tarefa depende da tarefa.
- Mantenha suas restrições explícitas independentemente do modelo. Os três modelos se beneficiam de limites claros.
Deixe a ferramenta cuidar das diferenças
Lembrar as preferências de formatação de três famílias de modelos é muita coisa para guardar na cabeça. O builder do PromptArch adapta automaticamente a estrutura do prompt com base no modelo de destino selecionado, para que você obtenha uma saída otimizada para o modelo sem precisar lembrar essas diferenças sozinho.
Você também pode explorar templates de prompt específicos de cada modelo para ver como o mesmo caso de uso fica quando otimizado para modelos diferentes.