No fim deste guia você tem um prompt salvo em arquivo que pega um artigo do seu blog e devolve uma legenda de Instagram que sobrevive à leitura de quem conhece a sua marca. Não um prompt de escreva uma legenda envolvente sobre este texto, que devolve sempre a mesma coisa, mas um com recorte definido, lista de proibições, exemplos seus e um teto de caracteres que a API da Meta aceita sem reclamar.
Recorte o artigo antes de mandar o texto inteiro
O modelo não precisa do artigo completo, e receber tudo piora o resultado. Um texto de 1800 palavras entra, o modelo resume, e a legenda vira o resumo do resumo: correta, vazia e idêntica à que sairia de qualquer outro artigo sobre o mesmo tema.
Mande quatro pedaços. O título, para o modelo saber do que se trata. Os dois primeiros parágrafos, que é onde normalmente está a promessa do texto. Um trecho específico do miolo, escolhido a dedo: o número que você apurou, a mensagem de erro que transcreveu, o caso em que o conselho não vale. E o permalink, porque a legenda quase sempre precisa apontar para algum lugar.
Esse terceiro pedaço decide se a legenda tem o que dizer. Sem ele o modelo só tem o assunto geral, e legenda feita de assunto geral é a mais reconhecível de todas: a que anuncia que o artigo existe sem contar nada do que está dentro dele. Se você não consegue escolher um trecho específico para mandar, o problema não está no prompt, e sim no artigo.
Quando a legenda volta dizendo que o texto traz reflexões importantes sobre o tema, olhe o que você mandou antes de mexer nas instruções. Quase sempre chegou só o título, ou chegou o artigo inteiro e o modelo escolheu sozinho o que era importante, que dá no mesmo.
Troque o adjetivo de tom por uma lista de proibições
Pedir tom descontraído não é instrução, é torcida. Descontraído significa uma coisa para quem escreve sobre viagem e outra para quem escreve sobre WordPress, e o modelo vai escolher a média da internet, que é o pior lugar possível para se buscar uma média. Proibição, ao contrário, é verificável: ou a construção apareceu no texto, ou não apareceu.
As construções que mais entregam legenda de máquina em português são poucas e se repetem:
- a abertura por pergunta retórica que ninguém faria em voz alta, do tipo já parou para pensar em como o seu blog aparece nas redes?
- o par de negação e afirmação, não é só sobre publicar, é sobre construir presença
- o trio decorativo de adjetivos quando os três dizem a mesma coisa
- o gerúndio pendurado no fim da frase, garantindo mais alcance para o seu conteúdo
- a frase curta isolada como parágrafo, empilhada três vezes seguidas para criar drama
- o fecho que pede engajamento sem motivo, e você, o que acha disso?
Onde você escreve essas regras importa tanto quanto o que escreve. A documentação da API da OpenAI é explícita sobre a hierarquia: o parâmetro instructions carrega as instruções de alto nível sobre como o modelo deve se comportar, incluindo tom, objetivos e exemplos de respostas corretas, e qualquer instrução passada por ali tem prioridade sobre o prompt enviado em input. A mesma página ordena os papéis: developer vem antes de user. Regra de marca é conteúdo de instrução do sistema, não de mensagem do usuário, e a diferença aparece justamente nos casos difíceis, quando o artigo empurra o modelo para outro lado.
Se o modelo obedece às cinco primeiras proibições e ignora a sexta, corte a lista em vez de repeti-la com mais ênfase. Dez regras negativas competindo entre si produzem obediência parcial e aleatória. Fique com as cinco construções que você reconhece batendo o olho, porque são as únicas que você vai conseguir conferir depois.
Cole de três a cinco legendas que você já escreveu
Descrever o tom desejado funciona muito pior que mostrar. A documentação de prompt da Anthropic é direta a respeito: exemplos são uma das formas mais confiáveis de dirigir o formato, o tom e a estrutura da saída, e a recomendação numérica é incluir de três a cinco para o melhor resultado. Um exemplo só ensina o modelo a copiar aquele exemplo. Vinte diluem o padrão.
A escolha dos três importa mais que a quantidade. Pegue legendas de tipos diferentes de artigo: uma de tutorial, uma de opinião, uma de anúncio. Se os três exemplos forem do mesmo tipo, o modelo aplica aquela forma a tudo, e o blog inteiro passa a ser anunciado como se fosse tutorial. Diversidade aqui não é enfeite, é o que impede o prompt de ter uma forma única.
O caso em que esta etapa trava é o mais comum de todos: você não tem legendas antigas que queira repetir. Escreva duas à mão, agora, para dois artigos que já estão no ar. Vão sair ruins e demoradas, e ainda assim ensinam mais ao modelo do que qualquer adjetivo. Copiar legendas de um perfil que você admira resolve o problema técnico e cria outro, que é soar como aquele perfil.
Escreva o prompt no formato que você quer receber
A mesma documentação da Anthropic registra que o estilo de formatação usado no prompt influencia o estilo da resposta, e sugere aproximar um do outro o máximo possível: tirar o markdown do prompt reduz o volume de markdown na saída.
Na prática isso significa que um prompt escrito em lista de tópicos, com títulos em negrito e subitens, tende a devolver legenda em lista de tópicos. Ninguém pediu bullets, mas o formato do pedido virou o formato da resposta. Se a legenda que você quer é um bloco de prosa corrida com três parágrafos curtos, escreva o prompt como prosa corrida em três parágrafos curtos.
Quando aparecer um padrão que você não pediu, e emoji no começo de cada linha é o caso clássico, procure primeiro nos exemplos da etapa anterior e depois na formatação do seu prompt. Regra explícita contra um padrão que os exemplos ensinam é uma briga que os exemplos costumam vencer.
Prenda o tamanho aos números que a Meta aceita
A referência de criação de contêiner de mídia do Instagram é específica sobre o campo de legenda: máximo de 2200 caracteres, 30 hashtags e 20 menções com @. São tetos da API, não sugestões editoriais, e quem estoura qualquer um deles descobre no momento em que a publicação falha, não no momento em que a legenda é escrita.
Peça ao modelo um alvo bem abaixo do teto e trate o número como orientação, não como garantia. Modelos contam caracteres mal, porque não enxergam caracteres, e a instrução de escrever no máximo 600 caracteres volta com 780 sem nenhum aviso. A medição confiável é feita depois, fora do modelo, em qualquer contador ou em duas linhas de código. O mesmo vale para as 30 hashtags: se o seu prompt pede um bloco de hashtags e o artigo é sobre um assunto com vocabulário grande, o modelo passa do limite com facilidade.
O teto de menções pega as agências desprevenidas. Vinte parece muito até a legenda precisar citar cliente, parceiro e fonte na mesma publicação. Se a sua rotina inclui marcar gente, ponha o limite no prompt: a resposta da API não é um aviso gentil, é a criação do contêiner sendo recusada.
Teste a legenda antes de ela virar post
A primeira é o teste da troca. Substitua o nome da sua marca e o assunto do artigo pelos de outro qualquer. Se a legenda continuar fazendo sentido, ela não estava falando do seu artigo, estava falando do gênero dele. É o mesmo defeito da etapa do recorte, aparecendo no fim do processo.
A segunda é o teste da primeira linha. Leia só a primeira linha e pergunte se ela diz alguma coisa ou se anuncia que vai dizer. O feed corta a legenda atrás do mais, e o que ficou visível é tudo que a maioria das pessoas vai ler. Uma primeira linha que promete conteúdo em vez de entregar conteúdo desperdiça o único pedaço garantido.
A terceira é ler em voz alta. Construção de máquina sobrevive bem à leitura silenciosa e trava na falada, porque o ouvido reclama de coisas que o olho aceita. Frase que você não diria a um cliente no telefone não deveria estar assinada pela sua marca.
Detector automático não decide isso por você. A própria OpenAI aposentou o classificador que lançara para identificar texto de máquina, indisponível desde 20 de julho de 2023 por causa da baixa taxa de acerto, e a empresa reconheceu na época que a ferramenta às vezes se mostrava extremamente confiante em uma previsão errada. Quem lê a sua legenda também não roda detector nenhum: a pessoa reconhece o padrão ou não reconhece, e essa é a única medida que interessa.
Rodar esse processo uma vez é fácil. Rodar a cada artigo, com o mesmo prompt e as mesmas proibições, é onde a rotina morre: o prompt acaba morando no histórico do navegador de uma pessoa e cada artigo sai com uma versão ligeiramente diferente. Guardar a configuração no próprio site resolve isso, e é o que o Post Ping faz com o provedor, o tom de voz e as instruções extras da marca, que ficam salvos e valem para todo artigo publicado, com a opção de receber a legenda por e-mail e aprovar antes de ela ir para o ar.
Quem está começando agora por esse caminho encontra o panorama em como um artigo vira legenda de Instagram escrita por IA. E a legenda não é a única coisa que denuncia automação: o card que acompanha o post entrega tão rápido quanto o texto.
A conferência que fecha o ciclo é feita depois de publicar, e poucas pessoas fazem. Abra o post no aplicativo, no celular, e leia a legenda com o card ao lado, do jeito que o seu leitor vai ler. Confira se a primeira linha cortada ainda diz algo, se o número de hashtags bate com o que você pediu e se o link está apontando para o artigo certo. Faça isso nos três primeiros artigos que saírem pelo prompt novo: se os três passarem nas três conferências, o prompt está pronto para sair da sua frente.
