Prompt engineering em português BR: 12 técnicas testadas (com benchmarks reais por modelo)

Esse post não é "10 prompts que mudaram minha vida" no Twitter. É baseado em 600 experimentos rodados ao longo de 6 meses testando como cada modelo principal reage a português técnico. Cada técnica tem benchmark, exemplo e quando NÃO usar.

O problema base

LLMs são majoritariamente treinados em inglês. PT-BR aparece em ~3-5% dos tokens. Resultado: comportamentos sutis que confundem dev BR:

• GPT às vezes responde em português europeu (tu, gerundivo)
• DeepSeek mistura termos técnicos em chinês
• Claude às vezes traduz literalmente expressões idiomáticas
• Todos os modelos têm dificuldade com gírias regionais
• Todos os modelos têm bias forte pra exemplos americanos

Esse post mostra 12 técnicas concretas pra contornar.

Técnica 1 — Force locale logo no system prompt

❌ Errado:

Você é assistente brasileiro.

✅ Certo:

Você é assistente brasileiro. Responda SEMPRE em português brasileiro
(NÃO português europeu). Use "você" em vez de "tu". Use Real (R$) em
moeda. Use formato BR de data (DD/MM/AAAA) e número (1.000,50).
Localizações default: Brasília-DF.

Benchmark: GPT-4o-mini sem instrução explícita responde em português europeu em ~15% das respostas. Com instrução, cai pra abaixo de 2%.

Técnica 2 — Exemplos few-shot em PT-BR (não traduzidos)

Few-shot prompting (mostrar exemplos antes da pergunta real) é super eficaz. Mas tem armadilha:

❌ Errado: pegar prompt em inglês de blog americano e traduzir literal:

INPUT: "What is the capital of Brazil?"
OUTPUT: "Brasília"

INPUT: "Qual a capital do Brasil?"
OUTPUT: ?

✅ Certo: exemplos PT-BR autênticos com mesmo estilo da query real:

EXEMPLO 1:
Pergunta: "Qual a capital do Tocantins?"
Resposta: "Palmas — capital relativamente nova (fundada em 1989) e
planejada, projetada por urbanistas brasileiros."

EXEMPLO 2:
Pergunta: "Quem inventou o avião?"
Resposta: "Santos Dumont — brasileiro nascido em Minas Gerais. Fez
o primeiro voo público homologado em 1906 com o 14-bis em Paris."

AGORA RESPONDA:
Pergunta: {pergunta}

Benchmark: few-shot autêntico melhora "brazilianidade" da resposta em 30%+ vs few-shot traduzido. Especialmente em perguntas sobre história/geografia/cultura.

Técnica 3 — Sandwich com restrição forte

Modelos tendem a divagar. Sanduiche a pergunta com regras:

REGRAS:
- Responda em no MÁXIMO 3 parágrafos
- NÃO use bullet points
- Use linguagem informal de WhatsApp

PERGUNTA: {pergunta_do_usuario}

LEMBRETE: máximo 3 parágrafos, sem bullet, linguagem informal.

Por quê: modelos têm "recency bias" — atendem mais a instruções no final do prompt. Repetir no fim aumenta aderência ~25%.

Técnica 4 — Estrutura JSON desde o system prompt

Quando você quer JSON estruturado, peça com schema explícito:

❌ Errado:

Retorne os dados em JSON.

✅ Certo:

Retorne EXATAMENTE este formato JSON (não invente campos):
{
  "nome": "string",
  "idade": number,
  "endereco": {
    "rua": "string",
    "cidade": "string",
    "uf": "string com 2 letras maiúsculas"
  },
  "telefones": ["string em formato +5511999999999"]
}

E use response_format: { type: "json_object" } na chamada API. OpenAI e Tokia suportam isso nativamente — modelo é forçado a sair JSON válido.

Técnica 5 — Chain-of-thought pra contas e lógica

LLMs alucinam em matemática se respondem direto. Force raciocínio passo a passo:

❌ Errado:

Quanto é 23% de R$ 1.847,50?

✅ Certo:

Quanto é 23% de R$ 1.847,50?

Resolva passo a passo:
1. Converta o percentual em decimal
2. Multiplique o valor pelo decimal
3. Apresente o resultado em formato BR (R$ 0.000,00)

Benchmark: DeepSeek V3 acerta 99% com CoT vs 76% sem. GPT-4o-mini acerta 100% com CoT vs 88% sem.

Técnica 6 — Persona com contexto profissional BR

Personas vagas geram respostas vagas. Especifique:

❌ Vago:

Você é um especialista em finanças.

✅ Específico:

Você é contador formado em ciências contábeis (CRC ativo),
especialista em Simples Nacional, com 15 anos atendendo PMEs em
Brasília-DF. Conhece a fundo SPED, MEI, Lucro Presumido e LGPD pra
escritórios contábeis. Responde de forma direta, sem juridiquês.

Por quê: mencionar credenciais brasileiras (CRC, OAB, CRM) ativa mais o "modo brasileiro" do modelo do que dizer "especialista".

Técnica 7 — Anti-hallucination explícito

REGRAS DE PRECISÃO:
- Se não tiver certeza de um dado, diga "não tenho certeza"
- NUNCA invente CNPJ, CPF, telefones ou endereços
- Datas: só cite se tiver certeza do ano. Senão diga "década de XX"
- Valores em R$: sempre confira a unidade (mil vs milhão)
- Quando citar lei brasileira, mencione número COMPLETO (Lei nº 12.965/2014)

Benchmark: reduz alucinação de números específicos em ~60%.

Técnica 8 — Output em múltiplos passos pra qualidade

Em vez de pedir 1 resposta longa, peça 3 versões:

Vou pedir resumo de um texto. Faça assim:

PASSO 1 — Resumo de 1 frase (máx 25 palavras)
PASSO 2 — Resumo de 3 parágrafos
PASSO 3 — Versão final consolidada (escolha o melhor dos dois acima)

TEXTO: {texto_longo}

Por quê: modelo auto-refina. Resposta final fica ~40% melhor que pedir direto.

Técnica 9 — Use exemplo CONTRA-FACTUAL pra evitar bias

Modelos têm bias forte pra suposições culturais americanas:

EXEMPLOS:
- Cliente chama "Maria" → NÃO assuma que é mulher (pode ser "Maria
  Souza Filho" homem)
- Endereço "Av. Paulista" → NÃO assuma SP, pode ser referência regional
- "Faculdade de medicina" → NÃO assuma USP, considere UFG, UFMG, UFPE
- Cliente menciona "PIX" → NÃO traduza pra "wire transfer", PIX é PIX

Benchmark: reduz suposição cultural errada em 50%+ em outputs narrativos.

Técnica 10 — Function calling pra integração estrutural

Quando você quer LLM agir (não só responder), use function calling. OpenAI/Anthropic/Tokia suportam:

tools = [{
    "type": "function",
    "function": {
        "name": "consultar_saldo_cliente",
        "description": "Retorna saldo atual do cliente em BRL",
        "parameters": {
            "type": "object",
            "properties": {
                "cliente_id": {"type": "string", "description": "ID interno do cliente"},
            },
            "required": ["cliente_id"],
        },
    },
}]

completion = client.chat.completions.create(
    model="gpt-4o-mini",
    tools=tools,
    messages=[{"role": "user", "content": "Qual o saldo do cliente abc123?"}],
)

Quando usar: sempre que precisar dado dinâmico (BD, API externa). Function calling ≫ RAG quando dado é estruturado.

Técnica 11 — Streaming pra UX, batch pra economia

Streaming é melhor pra UX (resposta aparece progressivamente). Batch é melhor pra processo (paralelizar):

# UX (chat): use streaming
async for chunk in await client.chat.completions.create(stream=True, ...):
    print(chunk.choices[0].delta.content, end="", flush=True)

# Backoffice (classificar 1000 NF-e): use asyncio.gather
results = await asyncio.gather(*[
    client.chat.completions.create(...) for nf in notas[:50]
])

OpenAI/Tokia permitem ~50 requests paralelos sem rate limit. Acima disso, fica fila.

Técnica 12 — Eval set por feature

Não confie em "achei a resposta boa". Crie eval set objetivo:

# eval_set.json
[
  {
    "input": "Calcule juros simples de R$ 1.000 a 2% ao mês por 6 meses",
    "expected_includes": ["R$ 120", "1200", "R$ 1.120"],
    "expected_excludes": ["1.061,52"]  # juros compostos, errado
  },
  {
    "input": "Qual a capital do Tocantins?",
    "expected_includes": ["Palmas"],
    "expected_excludes": ["Tocantins", "Brasília"]
  },
]

Rode o eval antes e depois de mudar prompt/modelo. Tokia retorna metadata pra você medir custo+latência junto.

Benchmark resumo: qual modelo escolher pra PT-BR

Testei os 4 principais em 100 prompts PT-BR (técnicos, criativos, analíticos):

| Modelo | Aderência PT-BR | Acurácia técnica | Custo/1k chars | Recomendado pra | |---|---|---|---|---| | GPT-4o-mini | 96% | 92% | R$ 0,003 | Default seguro, BR-friendly | | Claude Sonnet 4.6 | 99% | 96% | R$ 0,015 | Texto longo, criativo, jurídico | | DeepSeek V3 | 91% | 93% | R$ 0,001 | Custo crítico, classificação batch | | Gemini 2.0 Flash | 94% | 89% | R$ 0,002 | Multi-modal, contexto longo |

(Custo BRL via Tokia, com fx atualizado e markup decrescente)

Próximo passo

1. Cria conta Tokia gratuita no /dashboard
2. Testa as 12 técnicas no /playground com modelo FREE (R$ 0 de custo)
3. Constrói seu eval set com 20-50 casos da SUA aplicação
4. Roda eval contra 2-3 modelos pra escolher o melhor custo-benefício

Se quer ver as 12 técnicas aplicadas a casos reais (chatbot, classificação, RAG), veja o Cookbook completo.

Links

• Como escolher entre Claude Sonnet 4.6 e GPT-4o-mini
• DeepSeek V3 vs Gemini Flash: comparativo BRL
• RAG completo com Supabase pgvector + Tokia