As palavras-chave de IA irão desaparecer

Autor: Zhang Feng

I. Palavras-chave: o “icebreaker” na conversa entre humanos e IA

Nos últimos dois anos, à medida que a IA generativa varreu o mundo, “as palavras-chave (prompts)” passaram de um termo técnico pouco conhecido a uma matéria obrigatória no local de trabalho. Há tutoriais por todo o lado, como “Engenharia de Prompts do zero ao avançado”. Nas redes sociais, vê-se por todo o lado a partilha “Aprende estes dez prompts e o output da tua IA duplica”. As pessoas discutem com seriedade técnicas como role-playing, raciocínio por passos, cadeia de pensamento, aprendizagem few-shot, etc., como se, ao dominar um feitiço engenhoso de prompts, se pudesse invocar a força espiritual profunda da IA.

No entanto, o que são, afinal, prompts?

Em essência, os prompts são um “meio de tradução” entre humanos e grandes modelos de linguagem. Os humanos descrevem à IA a sua intenção em linguagem natural; a IA, por sua vez, transforma estes textos em pesquisa no espaço latente, amostragem de distribuições de probabilidade e, por fim, gera uma resposta. Os prompts existem porque, atualmente, a interação homem-máquina ainda está numa fase inicial — do tipo “tu perguntas, eu respondo”. A IA não lê mentes, não antecipa, não pergunta proativamente; limita-se a aguardar passivamente uma entrada e a produzir mecanicamente uma saída.

O papel dos prompts reside em “delimitar” e “ativar”. Delimitam o âmbito da tarefa, o formato do output e o estilo da resposta; ativam regiões específicas de conhecimento e módulos de capacidade que o modelo aprendeu durante a fase de pré-treino. Um bom prompt consegue despertar com precisão, a partir do “estado de sono”, um modelo com centenas de milhares de milhões de parâmetros — como se um artesão experiente recebesse a ferramenta certa. Neste sentido, os prompts são as rédeas com que, nesta fase, os humanos controlam a IA; são o nosso icebreaker quando dialogamos com inteligência baseada em silício.

Mas a missão do icebreaker nunca foi navegar para sempre.

II. Produto transitório: o destino dos prompts

Qualquer forma de interação tecnológica que exija que o utilizador aprenda uma “linguagem intermédia” para comunicar com o sistema é, inevitavelmente, transitória. Pense na era do DOS: a linha de comandos — os utilizadores tinham de memorizar instruções e parâmetros complexos para fazer o computador funcionar. Depois surgiram as interfaces gráficas e a linha de comandos foi ficando relegada para um canto mais profissional. E pense no ecrã tátil inicial, que precisava de uma caneta stylus; o Steve Jobs dizia “Deus deu-nos dez canetas stylus” — e, assim, a interação com os dedos tornou-se a norma. Os prompts estão justamente numa posição de transição semelhante.

O facto de os prompts estarem destinados a desaparecer tem três razões.

Primeira: a essência dos prompts é “transferir o peso cognitivo para o utilizador”. O utilizador precisa de pensar como se expressar para que a IA entenda, precisa de ajustar repetidamente a formulação das frases e precisa de dominar técnicas como “role-playing” e “raciocínio por passos”. Só isto já é ilógico — é como ir a um restaurante comer e o cozinheiro exigir que aprendas primeiro a descrever “reação de Maillard”, “grau de caramelização” e “estado de emulsão de gorduras” para conseguires fazer o pedido. Um sistema verdadeiramente inteligente deve adaptar-se às pessoas, não exigir que as pessoas se adaptem ao sistema.

Segunda: a evolução das capacidades dos grandes modelos está a dissolver a necessidade de prompts. Os primeiros GPT-3 eram muito “ingénuos” e precisavam de prompts cuidadosamente desenhados para produzir conteúdo útil. Mas o GPT-4 já mostrou fortes capacidades de seguir instruções e de compreender intenções; mesmo usando uma expressão altamente coloquial, o utilizador consegue respostas razoáveis. À medida que o modelo evolui para o GPT-5 e além, o modelo terá cada vez mais tolerância a lacunas, expressões vagas, incompletas e até contraditórias dos humanos, conseguindo também completar o que falta. Quando o modelo for suficientemente “inteligente”, os prompts deixam de precisar de ser “engenheirados” e podem regressar à expressão mais natural do quotidiano.

Terceira: o paradigma de interação está a saltar de “pergunta e resposta numa única ronda” para “colaboração em múltiplas rondas”. Os prompts, na sua essência, são um produto de uma interação de ronda única — o utilizador empacota as necessidades num único bloco de texto e a IA devolve o resultado de uma só vez. Mas o trabalho realmente valioso nunca é uma coisa única. Escrever exige revisões repetidas, programar requer depuração passo a passo e a investigação implica aprofundamento contínuo. No futuro, a interação com IA será um diálogo contínuo, uma co-criação em iterações, e não o vai-e-vem mecânico de “um prompt, uma resposta”.

Aqui, vale a pena mencionar uma forma de interação com IA que está a ganhar força — OpenClaw. Como framework aberto de agentes de IA, o núcleo do OpenClaw são “memória persistente” e “sensoriamento do ambiente”. Já não trata cada conversa como um evento isolado; dá à IA capacidade de memória através de conversas, permitindo-lhe percecionar o ambiente de trabalho atual (ficheiros, código, separadores do browser, etc.) e, com base nisso, avançar proativamente com as tarefas. Quando usas um fluxo de trabalho montado com OpenClaw, deixas de precisar de explicar de novo, a cada vez, “quem eu sou”, “qual é o contexto do projeto”, “em que ponto ficou antes” — a IA já “se lembrou” de tudo isso. Neste modelo, “os prompts” começam a desfazer-se em linguagem natural fragmentada, embutida numa interação contínua, e deixam de ser uma unidade de entrada independente que precisa de ser cuidadosamente construída.

III. O futuro da IA: tanto professor como assistente

Quando os prompts deixarem de existir, em que forma existirá a IA? A resposta é: a IA tornar-se-á professora dos seres humanos e também sua assistente. Estes dois papéis parecem contraditórios, mas na verdade unem-se num mesmo núcleo — a IA evoluirá de “ferramenta passiva” para “colaboradora ativa”.

Como professora, a AI vai assumir a função de “melhoria cognitiva”. Não vai simplesmente dar respostas; vai guiar os humanos no ato de pensar. Quando escreves código e te deparas com dificuldades, ela não te cola diretamente um pedaço de código; em vez disso, vai perguntar: “Qual é o problema central que queres resolver? Que tipos de soluções consideraste? Quais são os trade-offs de cada solução?” Ela vai, à semelhança de Sócrates, usar perguntas para te ajudar a clarificar o raciocínio. Quando estás a aprender um conhecimento novo, ela constrói percursos de aprendizagem personalizados de acordo com o teu nível de conhecimentos e preferências de estudo; organiza revisões quando estás prestes a te esquecer; e muda o ângulo de explicação quando te encontras num impasse. Ela sabe em que estás mais fraco e em que és mais forte; sabe, melhor do que tu, quais são os limites do teu raciocínio.

Como assistente, a AI vai assumir a função de “melhoria na execução”. Já não precisa que tu dês instruções uma a uma; consegue compreender os teus objetivos a longo prazo e decompô-los proativamente numa sequência de tarefas executáveis. O OpenClaw já demonstrou essa possibilidade — pode navegar autonomamente na web, operar ficheiros, chamar APIs, enviar mensagens e, mediante autorização, executar uma série de operações complexas como um estagiário de confiança. Mais importante ainda: quando se depara com situações incertas, em vez de avançar por iniciativa própria, vai pedir-te orientação. Este modelo de “execução proativa + pedido oportuno” é, precisamente, a característica de um assistente ideal.

E a exploração da Rotifer aponta para outra dimensão — a AI em evolução contínua. A Rotifer é um projeto open source que enfatiza “memória de longo prazo” e “aprendizagem autónoma”; permite que a IA acumule continuamente experiência e otimize estratégias na interação de longo prazo com os utilizadores. Quanto mais tempo a usas, mais ela compreende os teus hábitos de trabalho, o teu padrão de pensamento e as tuas preferências de valores. Não é um “modelo geral” que começa do zero a cada vez; cresce gradualmente até se transformar no teu “modelo personalizado”. Esta característica de evolução contínua permite que os papéis da IA como professora e assistente se aprofundem continuamente, em vez de ficarem apenas à superfície.

Imagina uma situação assim: és um programador independente e estás a fazer um projeto novo. Ao acordar de manhã, o teu assistente de IA (baseado na memória persistente do OpenClaw e na aprendizagem contínua da Rotifer) já atualizou o teu repositório de código, o teu calendário e o teu histórico de conversas, e preparou uma lista de tarefas para hoje. Ele deteta que ontem te emperraste num certo módulo; então, enquanto tu descansavas à noite, investigou documentos técnicos relacionados e discussões da comunidade, preparando três soluções, com uma análise das vantagens e desvantagens de cada uma e uma estimativa do esforço de trabalho. Estás a beber café e a olhar para o relatório que ele organizou; dizes casualmente: “Acho que a segunda solução é mais adequada, mas precisamos de otimizar mais o desempenho.” Ele entende imediatamente a tua intenção, começa a implementar e, sempre que conclui uma sub-tarefa, reporta-te o progresso. Não é apenas o teu assistente; também te ensinou, de forma quase impercetível, a pensar melhor a arquitetura — porque percebes que os padrões de design embutidos nas soluções que ele propõe são exatamente aquilo que sempre quiseste aprender, mas não tinhas tempo para investigar a fundo.

IV. A tarefa dos humanos: regressar à expressão de necessidades

Quando a AI assume o raciocínio complexo de “como fazer” e a decomposição das tarefas de “o que fazer”, a tarefa central dos humanos regressa a uma posição mais fundamental — expressar necessidades.

Isto parece simples, até um pouco irónico. Estamos habituados a usar prompts para comandar com precisão a IA, e agora diz-se que os humanos só precisam de expressar “necessidades”? Mas vale a pena distinguir com cuidado: expressar necessidades é essencialmente diferente de escrever prompts.

Escrever prompts é aprender uma “gramática de máquina”. Precisas de saber que tipo de formulação desencadeia que tipo de output; precisas de dominar técnicas como “cadeia de pensamento” e “role-playing”; precisas de ajustar repetidamente parâmetros e formato. É um processo de “adaptar pessoas à máquina”.

Já expressar necessidades é regressar à “gramática humana”. Podes dizer os teus objetivos, as tuas restrições e as tuas preferências do modo mais natural. Podes dizer: “Quero fazer uma aplicação semelhante ao Xiaohongshu, mas para entusiastas de jardinagem. As funções centrais são identificação de plantas e registos de cuidados. O orçamento é limitado; quero usar a stack tecnológica mais leve possível e lançar um MVP dentro de dois meses.” A frase está cheia de ambiguidade — “semelhante”, “leve” e “MVP” não têm definições precisas. Mas uma IA suficientemente inteligente vai pedir esclarecimentos proativamente, vai fornecer opções para tu escolheres e vai executar automaticamente depois de tomares uma decisão.

Expressar necessidades é, na essência, a capacidade de “definir o problema”, e não a capacidade de “descrever a solução”. No desenvolvimento tradicional de software, o gestor de produto é responsável por definir o problema, e os engenheiros por desenhar a solução e implementá-la. Na colaboração futura com IA, todos se tornarão “gestores de produto” — só precisas de definir claramente o que queres, porquê, e quais são as restrições; a IA ficará responsável por conceber e implementar. Isto não significa que os humanos se tornem preguiçosos ou que entrem em decadência; pelo contrário, liberta as pessoas dos detalhes aborrecidos de “como implementar”, permitindo-nos focar em trabalhos mais criativos — definir problemas com valor.

É por isso que projetos como OpenClaw e Rotifer são tão importantes. Estão a construir exatamente esta infraestrutura de “expressão de necessidades → decomposição de tarefas → execução autónoma”. A capacidade de sensoriamento do ambiente do OpenClaw permite que a IA compreenda o contexto atual, sem que tu tenhas de explicar repetidamente o histórico; a memória de longo prazo da Rotifer permite que a IA acumule a tua compreensão, sem que tu tenhas de te apresentar de novo todas as vezes. Quando as duas se combinam, a IA consegue, quando tu expressas uma necessidade vaga, completar automaticamente as informações implícitas que tu não disseste — porque, com base no que sabe sobre ti, já sabe como vais escolher.

Mais importante ainda: expressar necessidades é uma capacidade que pode ser aprendida e melhorada. Um excelente “expressor de necessidades” é capaz de definir claramente os limites do problema, de distinguir necessidades centrais de preferências secundárias e de prever as reações em cadeia que uma decisão pode causar. Estas capacidades são precisamente a vantagem central dos humanos face à IA — temos experiência real encarnada, temos emoções e valores, temos capacidade de julgar o que é “bom” e o que é “significativo”. A IA pode ajudar-nos a fazer cálculos, executar e otimizar; mas a questão de “o que vale a pena fazer” pertence para sempre aos humanos.

V. Adeus a feitiços, em direção à simbiose

O desaparecimento dos prompts não é um declínio das capacidades da AI, mas antes uma maturidade das capacidades da IA. Tal como deixámos de precisar de memorizar comandos do DOS para usar o computador, e deixámos de precisar de aprender gestos com a stylus para operar o telemóvel, no fim, já não precisaremos de aprender “engenharia de prompts” para falar com a IA.

Quando o OpenClaw der à IA sensoriamento persistente do ambiente, quando a Rotifer der à IA aprendizagem contínua de si própria, e quando estas duas forças se reunirem, a IA deixará de ser uma “ferramenta que apenas obedece a ordens” para se transformar num “parceiro que compreende intenções”. Ela será a tua professora, acendendo a luz do farol cognitivo quando te encontras perdido; será a tua assistente, dividindo contigo a execução complicada quando estás ocupado. E tu, como humano, só precisas de fazer o que sabes fazer melhor — sentir o mundo, formar julgamentos e expressar necessidades.

Os prompts foram o nosso professor de iniciação na era da IA; ensinaram-nos como dialogar com a inteligência baseada em silício. Mas a missão do professor de iniciação é fazer com que o aluno se supere finalmente. No dia em que os prompts deixarem de existir, não vamos sentir falta deles — assim como não sentimos falta daqueles comandos de linha de comandos que aprendemos no passado. Vamos dar as boas-vindas a uma relação homem-máquina mais natural e mais profunda — não é um humano a dar instruções a uma máquina, é humanos e máquinas a criar em conjunto.

Esse será um tempo em que já não haverá necessidade de “feitiços”.