HarmonyFidelisHarmonyFidelis
Entrar
Fundamentos de IAComo os LLMs funcionamCompetências LLMAvaliaçãoGlossárioConstrutor

Aura · Aprenda a instruir uma IA

Transforme uma intenção em uma instrução útil e verificável.

Escolha um objetivo, acrescente o contexto relevante e selecione um método de trabalho. Aura monta localmente uma instrução portátil no navegador, sem conta, chamada de API ou histórico salvo pelo Aura.

Criar uma instruçãoVer modelos gratuitos
  • Configurador local
  • Sem conta obrigatória
  • 12 modelos gratuitos
  • ChatGPT · Claude · portátil

Um contrato simples antes de uma instrução engenhosa

Uma instrução útil torna observáveis a tarefa, os limites e a definição de sucesso. A escolha do modelo vem depois dessa base.

  1. 01

    Delimite o trabalho

    Declare um objetivo concreto e forneça apenas o contexto necessário para agir.

  2. 02

    Defina os limites

    Especifique restrições, formato esperado e critérios que uma boa resposta precisa cumprir.

  3. 03

    Inspecione o resultado

    Peça hipóteses, evidências, incertezas e verificações que você possa realmente conferir.

Configurador de instruções

O configurador funciona nesta página. Aura não envia nem armazena o texto digitado nos campos. Revise a instrução antes de compartilhá-la com qualquer serviço.

Método de trabalho

Instrução gerada

Os campos continuam editáveis à esquerda; a prévia é atualizada na hora.

Descreva o objetivo para gerar a instrução.

Aura processa estes campos no navegador e não envia nem armazena o conteúdo. Os controles gerais de privacidade do site continuam válidos.

12 · Carregar modelo

Doze pontos de partida gratuitos

Carregue um modelo, substitua os detalhes entre colchetes e adapte os controles ao risco real. Todos continuam editáveis e neutros quanto ao fornecedor.

Explicar e perguntar

Ensinar um conceito no nível certo e conferir a compreensão.

Síntese baseada em fontes

Combinar as fontes fornecidas sem esconder divergências.

Comparar documentos

Mapear semelhanças, diferenças e consequências.

Matriz de decisão

Comparar opções delimitadas segundo prioridades explícitas.

Plano de projeto

Transformar um resultado em dependências e marcos verificáveis.

Revisão atenta a evidências

Revisar texto preservando sentido e checando afirmações.

Diagnosticar uma falha

Distinguir causas antes de propor uma correção.

Auditoria afirmação–evidência

Testar se uma conclusão é sustentada pelas evidências.

Análise de dados reproduzível

Definir métricas e controles antes de interpretar dados.

Da reunião às ações

Extrair decisões, responsáveis e pontos em aberto.

Opções criativas delimitadas

Explorar direções diferentes sem ideação infinita.

Plano de aprendizagem adaptativo

Criar um ciclo mensurável de prática e feedback.

Métodos, sem palavras mágicas

Estes métodos organizam o trabalho e a avaliação. Eles não garantem a verdade: a qualidade ainda depende do contexto, das fontes, da capacidade do modelo e da sua revisão.

prática robusta

Direto e específico

Um objetivo claro, contexto relevante e restrições explícitas de saída são o ponto de partida mais portátil.

Mais texto nem sempre é melhor. Remova o contexto que não pode mudar a resposta.

prática robusta

Decompor e montar

Divida uma tarefa complexa em entregas delimitadas e confira suas interfaces antes de combiná-las.

Chain of Thought (CoT), ou cadeia de pensamento, costuma indicar um registro detalhado do raciocínio. Aura pede subtarefas verificáveis ou uma justificativa breve, nunca a transcrição do raciocínio privado.

prática robusta

Evidências e verificação

Peça afirmações, fontes, hipóteses, incertezas e controles explícitos em vez de um tom de autoridade.

Citações podem estar erradas ou ser inventadas. Abra as fontes importantes e confira-as de forma independente.

fluxo de trabalho

Ciclo Kaizen delimitado

Melhore uma lacuna mensurável por vez, compare com a versão anterior e pare em um limite definido.

Sem métrica e regra de parada, reescrever repetidamente pode aumentar o custo sem aumentar a qualidade.

ideia de pesquisa

Busca delimitada de alternativas

Gere poucas opções distintas, avalie-as com uma rubrica e mantenha o caminho mais forte. É uma adaptação prática de ideias de busca em árvore.

Tree of Thoughts é uma abordagem de orquestração estudada em cenários específicos, não uma frase universal que melhora qualquer modelo.

Use com discernimento

  • Não cole segredos, dados pessoais nem documentos confidenciais em um assistente externo.
  • Trate uma resposta fluente como proposta, não como prova. Confira fatos, cálculos e citações importantes.
  • Peça hipóteses, evidências, critérios e verificações breves, não uma transcrição detalhada do raciocínio interno.
  • Delimite a exploração: poucas opções, uma regra de comparação e uma condição de parada.

Para decisões médicas, jurídicas, financeiras, de segurança ou de alto impacto, use revisão profissional qualificada e fontes oficiais atuais. Uma instrução gerada não transfere responsabilidade.

Guias oficiais e pesquisa primária

As recomendações do Aura apontam para fontes públicas. A orientação dos fornecedores muda com os modelos; consulte a documentação atual quando a precisão for importante.

OpenAI · Boas práticas de promptsGuia oficial do ChatGPT sobre instruções claras e específicas, contexto e refinamento iterativo.Abrir fonteOpenAI · Boas práticas de raciocínioGuia oficial que favorece pedidos diretos, limites claros e metas observáveis em vez de solicitar raciocínio interno.Abrir fonteAnthropic · Boas práticas de prompts para ClaudeGuia oficial sobre clareza, exemplos, formato de saída, sequência e estrutura XML.Abrir fonteArtigo Tree of ThoughtsArtigo primário sobre busca em vários caminhos candidatos com avaliação e retorno.Abrir fonte