Everton, seu exemplo ilustra muito bem como a engenharia de prompt pode fazer uma diferença enorme na qualidade das respostas de modelos de linguagem. Vamos destacar os pontos-chave que você mencionou e como eles se aplicam na prática:
O que você descreveu é um ótimo exemplo de como pequenas mudanças no prompt podem transformar respostas ruins em respostas precisas e confiáveis. Isso é especialmente útil em contextos como:
Pergunta para você: Você já pensou em como aplicar essas técnicas em outros cenários, como na análise de dados ou na criação de conteúdo? Ou tem algum exemplo de prompt que gostaria de testar com essas abordagens?
Vamos seguir o procedimento passo a passo:
Raciocínio: Se o Coronel Mostarda era a única pessoa no observatório (Dica 3) e a pessoa com o castiçal também estava no observatório (Dica 5), então o Coronel Mostarda só pode ser a pessoa com o castiçal.
A resposta correta é: (a) Sim; O Coronel Mostarda estava no observatório com o castiçal.
Justificativa final: As dicas 3 e 5, quando combinadas, permitem concluir que o Coronel Mostarda estava no observatório e, como ele era a única pessoa lá, ele estava com o castiçal.
This Chat is read-only. Login to resume chatting.