E aí, minha Deva! Se você, assim como eu, respira código, APIs, backend e adora otimizar processos, já deve estar ligada no buzz em torno da IA Generativa. Essa tecnologia não é só para criar textão ou imagem; ela é um canivete suíço poderoso para o nosso dia a dia, especialmente quando a gente está no meio de dados, arquitetura e otimização de sistemas.
A gente sabe que a IA Generativa chegou pra ficar, e se usada da forma certa, ela pode ser sua dupla perfeita na codificação, no design de sistemas e na análise de dados complexos. Mas para extrair o máximo dela, o segredo está nos prompts – essas “receitas de bolo” que a gente dá para IA entregar exatamente o que a gente precisa. E quando o assunto é desenvolvimento e dados, um prompt bem-feito é ouro!
Mas chega de papo: bora desvendar como criar prompts que transformam a IA Generativa na sua ferramenta secreta para mandar bem nos projetos.
Por que prompts eficazes são cruciais para nós, desenvolvedoras?
Pense assim: a IA Generativa é tipo aquele colega sênior que já viu de tudo, entende várias linguagens e padrões, mas precisa de um briefing claro. Se você pedir “faz um script”, ela vai fazer algo genérico. Agora, se você disser “gere um script Python que consuma uma API REST, trate erros de conexão, salve os dados em um banco NoSQL e retorne um JSON formatado”, aí sim ela vai entregar algo direto ao ponto e útil.
A mesma lógica se aplica ao nosso código, dados e arquitetura. Queremos gerar código robusto, otimizar queries, entender performance de banco de dados, e até mesmo prototipar soluções. E para isso, precisamos ser cirúrgicas na nossa comunicação com a IA.
O Guia do Prompt Mestre para desenvolvedoras: dicas e truques!
Aqui vão algumas dicas para você se tornar uma mestra na arte dos prompts, com exemplos práticos voltados para o nosso universo de desenvolvimento:
- Seja específica e detalhada (“Vamos direto ao ponto, sem rodeios!”):
Quanto mais detalhes você der, melhor a IA entende sua intenção e te entrega um resultado relevante.
- Ruim: “Me dê insights sobre refatoração.” (O que? Qual código? Que tipo de insight?)
- Melhor: “Analise o bloco de código JavaScript abaixo, que gerencia o estado de um formulário complexo usando React Hooks. Identifique oportunidades de refatoração para melhorar a legibilidade, performance e aderência aos princípios SOLID, sugerindo padrões de design aplicáveis.”
- Defina o contexto e o formato da saída (“Me ajuda a te ajudar!”):
É importante que a IA saiba sobre o que você está falando e como você quer que a resposta seja apresentada.
- Ruim: “Me fale sobre GoLang.” (Genérico demais)
- Melhor: “Considerando uma arquitetura de microsserviços em GoLang que se comunica via gRPC, gere 3 exemplos de endpoints que: 1) recebam um User ID e retornem dados do usuário; 2) aceitem um JSON para criar um novo recurso; e 3) implementem um streaming de dados. Apresente o código GoLang completo para cada endpoint, incluindo a definição do .proto.”
- Use palavras-chave relevantes (“O tesouro escondido das keywords!”)
Inclua termos técnicos e palavras-chave que a IA possa associar ao seu domínio.
- Ruim: “Ajuda com teste.”
- Melhor: “Com base em um projeto Node.js com Express e MongoDB, gere testes unitários usando Jest e Supertest para uma rota /api/users que permite POST (criação) e GET (listagem). Cubra cenários de sucesso, validação de input e erros de servidor.”
- Indique a persona ou o público-alvo (“Fale o idioma da sua audiência!”):
Se você quer que a IA adapte a linguagem ou o nível de detalhe, especifique para quem ela deve “falar”.
- Ruim: “Explica sobre Kubernetes.”
- Melhor: “Explique os conceitos fundamentais de Kubernetes, focando em Pods, Deployments e Services, para um desenvolvedor backend que está acostumado com Docker e está começando a migrar para orquestração de containers.”
- Peça para a IA atuar como uma persona (“Chame uma especialista!”):
Essa é uma das técnicas mais poderosas! Peça para a IA assumir o papel de uma pessoa especialista na área. Quando se assume como uma pessoa especialista, as respostas da IA passam a ser direcionadas para um perfil que, à priori, tem conhecimento específico sobre o assunto. Logo, as respostas estarão mais refinadas para o seu objetivo.
- Exemplo: “Atue como um Arquiteto de Soluções Cloud Sênior. Projete uma arquitetura de alta disponibilidade para uma aplicação de e-commerce que espera 1 milhão de usuários simultâneos. A solução deve usar serviços da AWS e incluir Lambda, DynamoDB, API Gateway e S3. Descreva o fluxo de dados, estratégias de escalabilidade e planos de recuperação de desastres. Gere um diagrama de arquitetura em formato Mermaid ou PlantUML.”
- Use restrições e limitações (“Pra não viajar na maionese!”):
Se você tem requisitos específicos sobre o tamanho da resposta, o número de itens etc., deixe claro.
- Exemplo: “Gere 3 snippets de código em Python para manipulação de strings em dados, cada um com no máximo 5 linhas e focando em regex para validação de e-mail, extração de URLs e substituição de caracteres especiais.”
- Itere e refine (“Não deu certo de primeira? Ajusta e tenta de novo!”):
O prompt perfeito nem sempre nasce pronto. É um processo de tentativa e erro. Se a primeira resposta não foi o que você esperava, ajuste o prompt e tente novamente. Pense no prompt como a escrita de uma boa redação; nem sempre acertamos o parágrafo chave de cara.
- Cenário: Você pediu para a IA gerar código Python para um ETL, mas o código veio sem tratamento de erros.
- Refinamento: “Adapte o código Python de ETL que você gerou anteriormente para incluir tratamento de exceções robusto, especialmente para falhas de conexão com o banco de dados e erros de validação de dados. Adicione logging para depuração.”
Exemplos práticos: bora colocar a mão na massa com o código e dados!
Vamos ver como isso se aplica em cenários reais do nosso dia a dia de pessoas desenvolvedoras:
Cenário 1: Otimização de consultas em banco de dados (SQL)
- Prompt: “Assumindo o papel de um DBA Sênior, analise a seguinte query SQL para um banco de dados PostgreSQL de uma aplicação de marketplace. A query está causando lentidão em relatórios diários de vendas. Identifique gargalos e reescreva a query de forma otimizada. Sugira índices adicionais e explique o impacto de cada otimização no plano de execução.
Cenário 2: Geração de código para consumo de API e manipulação de dados (Python)
- Prompt: “Como uma Desenvolvedora Python Backend, gere um script Python 3 que consuma uma API REST pública (ex: https://jsonplaceholder.typicode.com/posts). O script deve: 1) Fazer uma requisição GET para buscar os dados; 2) Tratar erros de conexão e status HTTP (4xx, 5xx); 3) Filtrar os resultados para posts com ‘userId’ igual a 1; 4) Estruturar os dados filtrados em um formato JSON limpo, contendo apenas ‘id’, ‘title’ e ‘body’; e 5) Salvar o JSON resultante em um arquivo chamado filtered_posts.json. Use a biblioteca requests para as requisições.”
Cenário 3: Criação de testes de integração para APIs (Node.js/Jest)
- Prompt: “Você é uma Engenheira de Qualidade de Software. Crie testes de integração para uma rota POST /api/products de uma API Node.js (Express) que espera um JSON com nome, preço e estoque. Use Jest e Supertest. Os testes devem cobrir: 1) Criação bem-sucedida de um produto (status 201 e retorno do objeto criado); 2) Tentativa de criação com preço negativo (status 400); e 3) Tentativa de criação com nome ausente (status 400). Inclua um setup e teardown para limpar o banco de dados (MongoDB) após cada teste.”
Cenário 4: Geração de schemas de banco de dados (PostgreSQL)
- Prompt: “Atue como uma Arquiteta de Banco de Dados. Gere um schema SQL completo para um banco de dados PostgreSQL de um sistema de gerenciamento de projetos. O schema deve incluir tabelas para: Projetos (id, nome, descricao, data_inicio, data_fim, status_id), Tarefas (id, nome, descricao, status_id, projeto_id, responsavel_id, data_conclusao), Usuários (id, nome, email, papel), e Status (id, nome_status, tipo_entidade). Defina chaves primárias e estrangeiras, tipos de dados adequados e adicione restrições de validação onde apropriado (ex: NOT NULL).”
Cenário 5: Debugging e análise de logs (qualquer linguagem/contexto)
- Prompt: “Analise o seguinte trecho de log de erro de uma aplicação Java Spring Boot. Identifique a causa raiz do problema, sugira uma solução de código para resolvê-la e proponha um teste unitário para evitar a regressão. O erro está relacionado a uma NullPointerException ao tentar acessar dados de um usuário.
Não se esqueça: a IA Generativa é sua aliada, não sua substituta!
É crucial lembrar que a IA Generativa é uma ferramenta poderosa para escalar sua produtividade e criatividade, mas ela não substitui nosso senso crítico, expertise técnica e capacidade de depuração. O trabalho de uma desenvolvedora exige validação, compreensão profunda da lógica de negócio e uma visão sistêmica. A IA nos ajuda a acelerar a escrita de código, prototipar ideias, gerar testes e até mesmo debugar, liberando nosso tempo para focar na arquitetura, nos desafios complexos e na inovação de fato.
Então, minha cara Deva, abrace a IA Generativa! Domine a arte dos prompts e transforme essa tecnologia em um superpoder no seu dia a dia. A capacidade de comunicar suas intenções de forma clara e eficaz será a chave para desbloquear o verdadeiro potencial dessa revolução em nossa profissão.
E aí, qual desses cenários te empolgou mais para começar a “promptar” na sua próxima tarefa?
Este conteúdo faz parte da ProgaMaria Sprint IA Generativa
Autora
Tamires Nunes é coorganizadora do Minas de TI. Mulher, negra, e há 34 anos contrariando as estatísticas. Professora, desenvolvedora, musicista, poeta e filha das matas. Sua jornada na tecnologia está intrinsecamente ligada à construção de comunidades: foi inspirada por grupos como Pyladies, Minas de TI e AfroPython e, hoje, como coorganizadora do Minas de TI, dedica-se a construir um ambiente seguro e acolhedor para mulheres que desejam ingressar e prosperar na área de tecnologia. https://www.linkedin.com/in/tamiresn/
Revisora
Luciana Fleury, jornalista https://www.linkedin.com/in/luciana-fleury-1b024083/