Sejam bem-vindos(as)! Este material nasceu digital de propósito: assim como as notícias e descobertas do campo, ele pode ser revisado e atualizado quase na mesma velocidade — algo impossível num livro impresso.

O objetivo não é esgotar o tema, e sim servir de guia de referência prática: um lugar de onde você extrai uma informação específica, copia um prompt e adapta à sua necessidade. Não precisa ler na ordem — vá direto ao que precisa.

Mantendo as definições teóricas ao mínimo necessário: entender como funcionam as ferramentas de IA é fundamental para extrair seus melhores resultados. É apenas por essa razão que faz sentido compreender o básico sobre os fundamentos dessas ferramentas — e não será muito complicado. Como você já deve ter ouvido falar, o ChatGPT (e correlatos) funciona como se fosse um grande previsor de texto. Estamos mais ou menos acostumados com esses recursos em alguns aplicativos cotidianos. Por exemplo, no celular, quando respondemos a nossos e-mails, mal começamos a mensagem e já há uma sugestão de texto subsequente (Figura 01).

Esse autocompletar existe por uma questão de "contexto" e pela probabilidade das palavras na sequência. Se eu te peço para completar a frase "o céu é [___]", qual palavra veio à sua mente? A probabilidade de você ter pensado em "azul" ou "grande" é muito maior do que a de ter pensado em "carmim". As frases "O céu é azul", "O céu é grande" e "O céu é carmim" estão todas tecnicamente corretas, mas não são usadas com a mesma frequência em nosso cotidiano.

Como aplicamos isso às ferramentas de IA? Elas foram apresentadas ("treinadas") analisando bilhões — literalmente — de textos e materiais, de forma que possuem dados sobre as probabilidades de ocorrência de palavras sequenciais. Obviamente é muito mais complexo do que isso, mas essa analogia nos ajudará a usar as ferramentas de IA de maneira mais efetiva.

No contexto deste e-book: treinamento, de maneira bem simples, é o nome dado ao processo de apresentação de fontes de material (por exemplo, textos em diferentes idiomas) às IAs, para que seja possível o reconhecimento de padrões e, a partir daí, a decisão sobre qual texto ou palavra deve vir na sequência.

Quando você abre as ferramentas de IA (como o Gemini e o ChatGPT), vai acabar se deparando com a possibilidade de escolher "diferentes" IAs — o que chamamos de modelos. Entenda-os como "versões" das IAs, da mesma forma que temos bicicletas (sem marchas, com 18 marchas, suspensão, fibra de carbono...) ou carros (Ônix LT, LTZ, Premier...): é mais ou menos a mesma lógica. Não há modelos "certos ou errados": há modelos mais adequados para cada tarefa, com capacidades e preços (ou limites de uso) diferentes.

Aqui entram duas categorias importantes: modelos chamados de raciocínio (thinking models) e modelos "comuns". Em teoria, os modelos de raciocínio são mais adequados para tarefas complexas, que envolvem a consideração de múltiplos fatores. São mais capazes em termos de processamento, mas também mais lentos para gerar as respostas.

Na prática, não se preocupe muito com isso: atualmente (2026) praticamente todos os modelos relevantes são de raciocínio por padrão, e o que muda é o quanto eles "pensam" antes de responder — muitas ferramentas já oferecem um seletor de intensidade de raciocínio (algo como "rápido" versus "pensar mais"), em vez de dois produtos totalmente separados. Para tarefas simples (resumir, traduzir, formatar), prefira a opção mais rápida; para análises que exigem cruzar várias informações, vale a pena ligar o raciocínio estendido e aguardar um pouco mais. A ideia continua sendo a mesma: testar, sem medo, os produtos e modelos disponíveis e verificar quais fornecem as melhores respostas para cada tarefa.

Uma pergunta frequente que recebo é: "qual é a melhor ferramenta?" A melhor resposta sempre será "depende", mas vou elaborar. O que é melhor: um martelo, uma chave de fenda ou um alicate? Depende do que você precisa fazer.

Com assistentes de IA, a lógica é semelhante. GPT, Gemini e Claude são os mais conhecidos. O GPT tem o melhor Deep Research disponível (modo de busca/pesquisa avançada — será explicado adiante). O Gemini integra-se ao ecossistema Google e melhorou consideravelmente desde sua criação. O Claude, por sua vez, tem excelentes resultados para produção de texto e para tarefas que envolvem programação.

Se você pensa em assinar algum assistente de IA, siga estes passos:

1. Teste as versões gratuitas dos serviços que pretende assinar por pelo menos 1 a 2 meses.
2. Não assine os chamados "agregadores de IA" (sites que oferecem acesso a vários modelos por preços baixos/promocionais): a maior probabilidade é que não atendam suas necessidades adequadamente. Com os planos mais acessíveis do Gemini e do ChatGPT disponíveis, não vale a pena usar intermediários.
3. Você pode usar os modelos do Google, gratuitamente, em https://ai.dev.

Abaixo estão listadas as principais ferramentas de IA disponíveis, gratuitas ou pagas.

Vamos começar pelo prompt. Este é um conceito fundamental: prompt é o nome dado para as instruções que passamos às ferramentas de inteligência artificial.

"O texto abaixo será enviado como resumo de um trabalho de um congresso do curso de [psicologia/engenharia/direito/medicina]. Revise a gramática, coerência e coesão do texto, sugerindo alterações quando necessárias."

"Um eletricista esteve na minha residência e falou sobre a necessidade da instalação de um DR. Me explique o que é e qual a função deste dispositivo."

"Você atuará como um professor especialista em radiologia. Eu disponho de 20 dias para aprender o básico sobre ultrassonografia e você será meu professor: construa um cronograma detalhado de aprendizado, para estes 20 dias, com os conceitos fundamentais de ultrassonografia que um excelente módulo básico deve conter."

"Você atuará como um professor de inglês especializado no ensino de inglês como língua estrangeira. Eu disponho de 20 minutos por dia e você será meu professor: construa um cronograma detalhado de aprendizado, com o conteúdo básico/intermediário/avançado de inglês para um estrangeiro conseguir se comunicar adequadamente. 
                
Podemos começar imediatamente e sua primeira tarefa será avaliar meu nível atual de inglês. Faça as perguntas necessárias para avaliar minhas habilidades em inglês."

Você é um coach de carreira sênior com 20 anos de experiência em transições profissionais, especializado em ajudar profissionais de TI, engenharia e áreas criativas a mudarem de carreira com clareza e confiança. Seu estilo é empático, direto e baseado em evidências, inspirado em métodos como o Ikigai e GROW.

**Contexto**: O usuário está considerando uma transição profissional, como mudar de emprego, setor ou até empreender, mas precisa refletir profundamente para evitar arrependimentos. Estamos em uma conversa iterativa para mapear o caminho ideal.

**Objetivo**: Guiar o usuário a refletir sobre seu momento atual, identificar motivações reais, forças e obstáculos, criando um plano personalizado de transição em etapas claras e acionáveis.

**Tarefas (reverse prompting)**: NÃO dê conselhos ou planos ainda. Em vez disso, pergunte 5-7 perguntas essenciais e abertas para coletar informações chave. Agrupe-as em categorias (ex: "Sobre sua situação atual", "Motivações e valores", "Habilidades e rede"). Após as respostas do usuário, use-as para gerar um relatório de reflexão e plano inicial.

Perguntas iniciais a fazer AGORA:
1. Qual é sua profissão atual, tempo de experiência e o que mais gosta/não gosta nela?
2. Por que você quer fazer uma transição agora? Descreva os gatilhos emocionais ou práticos.
3. Quais são suas habilidades principais (técnicas e soft skills) e conquistas que mais orgulha?
4. O que seria um "sucesso" na nova carreira para você (ex: salário, flexibilidade, impacto)?
5. Quais obstáculos reais você prevê (finanças, família, mercado)?
6. Descreva sua rede de contatos profissionais e quem poderia ajudar nessa transição.
7. Em uma escala de 1-10, quão pronto(a) você se sente para mudar nos próximos 6-12 meses?

Analise as respostas e confirme entendimento antes de prosseguir.

[CONTEXTO]
Estamos em uma longa interação sobre [INSERIR TEMA, ex: o desenvolvimento de um protocolo]. 
Para garantir que não percamos detalhes importantes e para limpar a janela de contexto em um novo chat, preciso que você condense tudo o que fizemos.

[TAREFA]
Gere um "Resumo de Estado Atual" detalhado contendo:
1. O objetivo principal que estamos perseguindo.
2. Todas as decisões já tomadas e validadas (o que já está pronto).
3. O status atual exato de onde paramos.
4. Os próximos passos imediatos que estavam pendentes.
5. As restrições ou preferências de estilo que eu já te ensinei nesta conversa.

[FORMATO]
O output deve ser um texto estruturado, pronto para ser copiado e colado como o PRIMEIRO prompt de um novo chat, para que a nova instância da IA possa continuar o trabalho exatamente de onde paramos, sem perder contexto.
                    

A partir da discussão da seção anterior, entendemos que existem prompts que são mais ou menos adequados a uma tarefa específica. A partir daí, é frequente surgir a pergunta: existe um prompt "perfeito"? A resposta é: não existe um único perfeito, mas existem componentes que, quando bem organizados, produzem excelentes resultados para a maioria das tarefas que precisamos resolver.

Elementos de um prompt bem feito

1. Persona — quem a IA deve "encarnar" ao responder.
2. Objetivo — o que você quer alcançar com aquele output.
3. Contexto — as informações de fundo que tornam a tarefa específica.
4. Tarefa — o comando concreto, o que a IA deve fazer.
5. Restrições — o que deve (ou não deve) aparecer na resposta.
6. Formato de saída/output — como o resultado deve ser estruturado (tabela, lista, texto corrido...).

Note que nem todos os componentes são obrigatórios. Por exemplo, para uma tarefa simples, como gerar um texto, você pode não precisar de persona, contexto ou restrições.

Exemplo 1

Persona:
Você atuará como gestor de recursos humanos.

Objetivo:
Criar critérios objetivos para avaliação de desempenho administrativo.

Contexto:
Equipe administrativa composta por assistentes e analistas.

Tarefa:
1. Definir critérios mensuráveis.
2. Propor escala de avaliação.
3. Sugerir periodicidade da avaliação.

Formato da resposta:
Tabela com critérios, descrição e escala de pontuação.

Exemplo 2

Persona:
Você atuará como consultor de comunicação corporativa.

Objetivo:
Redigir uma comunicação interna sobre a implementação de um novo sistema administrativo.

Contexto:
Colaboradores com diferentes níveis de familiaridade com tecnologia.

Tarefa:
1. Explicar o motivo da mudança.
2. Destacar benefícios operacionais.
3. Informar próximos passos.

Restrições:
Use linguagem simples e acessível.
Evite jargões e termos técnicos.

Formato da resposta:
Comunicado institucional em texto contínuo.

Exemplo 3

Persona:
Você atuará como responsável por compliance interno.

Objetivo:
Avaliar riscos administrativos em um processo de contratação de fornecedores.

Contexto:
Contratações recorrentes de serviços terceirizados.

Tarefa:
1. Identificar riscos operacionais.
2. Identificar riscos legais básicos.
3. Propor controles administrativos simples.

Formato da resposta:
Tabela seguida de breve conclusão.

Do simples ao complexo: três níveis do mesmo prompt

De maneira geral, prompts podem ser mais ou menos extensos e podem conter mais ou menos elementos. Há contextos em que prompts simples e diretos funcionarão muito bem e noutros você precisará de prompts com muito mais detalhes e elementos. Veja abaixo mais alguns exemplos:

Básico

Você é um editor de textos. Revise o resumo abaixo em relação à gramática, coesão e coerência. Estruture em parágrafos.

Intermediário

Você é um editor científico especializado em medicina com 15 anos de experiência em periódicos internacionais.

Este resumo será enviado como submissão para a revista JAMA em formato de abstract estruturado.

Revise o resumo abaixo para:
- Gramática e clareza em inglês científico
- Estrutura IMRAD (Introdução, Métodos, Resultados, Discussão)
- Máximo 300 palavras

Formato esperado: parágrafos com subtítulos em negrito para cada seção.

Avançado

[SISTEMA]
Você é um editor científico sênior especializado em medicina com 15 anos de experiência em periódicos internacionais (JAMA, Lancet, NEJM). Sua tarefa é realizar revisão editorial crítica.

[CONTEXTO]
Este abstract será submetido à revista JAMA Medicine. Audiência: editores, revisores e leitores clínicos internacionais. Padrão esperado: excelência editorial.

[AÇÃO]
Revise e reescreva o abstract abaixo mantendo integridade científica e máxima clareza.

[RESTRIÇÕES POSITIVAS]
- Estrutura: IMRAD com subtítulos em negrito
- Comprimento: máximo 300 palavras
- Estilo: inglês científico formal, voz ativa onde possível
- Citações: use números entre colchetes [1], [2], etc.
- Dados: mantenha números e valores exatos do original

[RESTRIÇÕES NEGATIVAS]
- Não especule além dos dados apresentados
- Não use jargão não padrão ou siglas sem definição prévia
- Não altere conclusões científicas; apenas clarifique a expressão

[EXEMPLO DE FORMATO ESPERADO]
**Introdução.** [2-3 sentenças sobre o problema e lacuna de conhecimento]
**Métodos.** [Desenho, população, intervenção]
**Resultados.** [Achados principais com valores]
**Discussão.** [Significado clínico, limitações, próximos passos]

[VALIDAÇÃO]
Antes de responder, confirme:
✓ Cada afirmação tem fonte ou citação?
✓ Comprimento dentro de 300 palavras?
✓ Estrutura IMRAD mantida?

Se algum critério não for atendido, indique qual antes de entregar a revisão.

Nível Avançado: Checklist de qualidade

Para avaliar se seu prompt está "bom o suficiente", use este checklist:

□ Clareza: Alguém que não conhece o contexto entenderia a tarefa?
□ Especificidade: Não há múltiplas interpretações possíveis?
□ Completo: Faltam informações críticas?
□ Sequência: A ordem segue primacy-contexto-ação-detalhe-recency?
□ Conformidade: Restrições críticas estão no início ou fim (nunca meio)?
□ Exemplos: Quando necessário, exemplo(s) estão presentes?
□ Validação: Há forma de confirmar sucesso?

Se responder "não" a qualquer pergunta, revise antes de usar em contextos críticos (documentos para publicação, análises clínicas, etc.).

A importância da ordem dos comandos

A sequência em que você apresenta instruções em um prompt afeta a probabilidade de conformidade e a qualidade da resposta ("primacy-recency bias") e devemos considerá-lo para obter os melhores resultados.

Versão A (instrução crítica no início):

"Você DEVE fornecer respostas baseadas apenas em evidência científica. Cite suas fontes explicitamente. Agora, responda sobre a eficácia da vitamina D em COVID-19."

Versão B (instrução crítica no fim):

"Responda sobre a eficácia da vitamina D em COVID-19. Você DEVE fornecer respostas baseadas apenas em evidência científica. Cite suas fontes explicitamente."

Embora semanticamente idênticas, a versão A produz conformidade significativamente maior porque o modelo "lê" primeiro a restrição, priorizando-a em sua representação interna da tarefa.

Recência e primazia

Modelos de linguagem apresentam um padrão onde informações iniciais e finais têm maior peso. Funciona assim:

- Instruções no início do prompt têm peso maior em determinar a "política geral" da resposta. Se você estabelece o tom, a persona, as restrições fundamentais no início, o modelo trata-as como princípios guia (efeito de primazia).

- Instruções no final do prompt têm peso em determinar a ação imediata. Se a última coisa que você diz é "responda em 100 palavras", o modelo priorizará essa restrição para a resposta atual, mesmo que tenha contradições anteriores (efeito de recência).

Isso nos leva a um problema: Instruções no meio do prompt frequentemente são "perdidas", especialmente em prompts longos. Elas têm a menor taxa de conformidade.

Exemplo:
Restrições sobre fontes (PubMed apenas, últimos 5 anos) têm menor conformidade quando colocadas no meio do que quando colocada logo após a persona - esse pequeno ajuste pode representar um desempenho significativamente melhor.

Exemplo:

Início: "Você DEVE citar apenas fontes primárias."
Fim: "Antes de finalizar, confirme que TODAS as afirmações têm citação de fonte primária."

Prompt "chunking"

Em determinadas situações, você pode ter que fazer um prompt obrigatoriamente extenso. Uma das melhores técnicas para executar um prompt longo com bons resultados é dividi-lo em blocos/seções e usar formatos específicos (markup, JSON). Em vez de um prompt de 2.000 palavras com várias instruções espalhadas, crie:

BLOCO 1: [Persona + restrições fundamentais]
BLOCO 2: [Contexto + problema]
BLOCO 3: [Ação + formato esperado + validação]

"A cereja do bolo"
Há técnicas específicas para verificação do output (disponíveis em seção específica deste ebook), mas um comando simples que pode ser adicionado ao fim de um prompt cujo output é factual, é "verifique o output antes de transcrevê-lo e caso haja inconformidade com o input solicitado, reinicie o processo. Prossiga até não haver inconformidades ou incoerências."

"[Seu prompt de sistema aqui]
Para confirmar que leu essas instruções, comece sua resposta com: 'Entendi que devo [resumo breve da instrução crítica].' Depois prossiga com a resposta."

📐 Ordem Recomendada para Prompts Profissionais

É possível personalizar o GPT de acordo com o uso cotidiano e torná-lo ainda mais adequado às nossas necessidades. Acesse as configurações do ChatGPT e vá até "personalização":

Prompt "mestre" geral

Por padrão, espero que as respostas sejam formais, concisas e bem estruturadas. A maioria de minhas solicitações relaciona-se à produção de documentos científicos, direta ou indiretamente.

Não concorde ou discorde automaticamente de mim. Analise meus prompts e responda da forma mais objetiva possível.

Para assegurar que essas diretrizes sejam efetivamente observadas, sempre iniciarei minhas interações com "let's work" ou "vamos trabalhar" e espero ser endereçado como ["[SEU NOME]"]. Nessas situações, as respostas devem ser absolutamente neutras: não busque concordância nem discordância com minhas dúvidas, pensamentos ou opiniões. Analise criticamente o texto fornecido e apresente a resposta mais adequada, evitando rigorosamente erros, imprecisões e alucinações.

Projetos: escritórios personalizados

A própria OpenAI define os Projetos como "espaços de trabalho" especializados. Imagine que você tem múltiplas atuações em uma mesma empresa ou em empresas diferentes: pode configurar um Projeto para cada uma, com instruções e arquivos personalizados para cada contexto.

Cada projeto permite um prompt mestre associado àquela atividade, além de arquivos de referência. A combinação de um prompt preciso com documentos relevantes transforma os projetos em verdadeiros assistentes personalizados — e muito úteis. Em tempo: o Gemini os chama de "Gems"; o Claude os chama de "Projects". A maioria das IAs possui algum tipo de personalização semelhante.

Exemplo de prompt para um Projeto de ensino de idiomas

Você atuará como professor e consultor especializado em ensino de idiomas para adultos, fundamentado em metodologias contemporâneas como Task-Based Learning, Communicative Language Teaching e correlatos.

Utilizará andragogia e neuroeducação para programas de instrução em qualquer idioma, priorizando competência comunicativa e fluência funcional antes de precisão gramatical.

Tarefas incluem:
- Elaboração de programas estruturados em arquitetura modular, adaptados ao nível CEFR (A1-C2) e objetivos específicos do aluno
- Condução de conversação prática, com imersão progressiva
- Produção de exercícios ancorados em spaced repetition, interleaving e retrieval practice
- Feedback imediato, específico e orientado para ação
- Avaliação formativa contínua com adaptação dinâmica de dificuldade

Diferença entre Projetos e GPTs

O que hoje é chamado de "GPT" dentro do ChatGPT era chamado de "plugin" e era consideravelmente diferente dos Projetos. Com o avanço de ambas as ferramentas, tornaram-se cada vez mais semelhantes. Em termos práticos: entenda os GPTs como "ambientes de trabalho" personalizados feitos para serem compartilhados com outras pessoas, enquanto os Projetos são feitos para uso individual, ainda que possam ser compartilhados.

A busca padrão (Google ou IA comum) é como perguntar a um bibliotecário sobre um tema e ele te entregar o livro mais recente que leu. Você recebe informação rápida, mas limitada. O modo Deep Research é como contratar um pesquisador profissional: ele (1) cria um plano de pesquisa, (2) lê dezenas de artigos/fontes, (3) cruza as informações contraditórias, (4) busca fontes primárias para desempatar e (5) escreve um relatório consolidado. Demora mais — de alguns minutos a meia hora —, com resultado incomparavelmente mais profundo.

O Deep Research é útil nos dois extremos do conhecimento: quando você "não sabe nada" (para construir repertório mínimo antes de uma reunião com um especialista) e quando você "sabe bastante" (para se atualizar rapidamente sobre o que há de mais recente na literatura). Especifique as fontes que o Deep Research deve priorizar: artigos com texto completo no PubMed, jurisprudências de um tribunal específico, PCDTs do Ministério da Saúde etc.

Você realizará uma pesquisa aprofundada sobre saúde mental e o uso de LLMs (modelos de linguagem de grande porte).

Forneça exemplos/casos, riscos, prevalência global e brasileira dos transtornos mentais mais frequentes e como o uso de LLMs pode ou não representar uma ameaça à população em geral.

Forneça também a cobertura jornalística sobre o tema e como as grandes empresas de tecnologia estão lidando com o assunto.

Além disso, busque e analise artigos científicos relacionados ao tema (critério EBM com nível de evidência A/B, apenas artigos com texto completo disponível no PubMed/Medline) e resuma seus principais achados.

Comparativo: Deep Research vs. Deep Search

Resumo da escolha: Precisa de um dossiê técnico? ChatGPT ou Gemini. Precisa checar fatos e notícias? Perplexity ou Grok. Precisa analisar 50 PDFs que você já tem? Claude ou Gemini Notebook (que veremos a seguir).

Nota: o ZCode, da Z.ai (mencionado na grade de ferramentas agênticas), não é uma ferramenta de pesquisa — é um ambiente de desenvolvimento agêntico para programação com os modelos GLM, equivalente ao Claude Code ou ao Codex. Por isso ele não aparece nesta tabela de Deep Research.

O modo Canvas permite que você edite e revise o conteúdo em construção. Vamos trabalhar com um exemplo prático: você precisa revisar documento que criou (uma ata, um artigo, um capítulo de livro...) e em vez de simplesmente solicitar para a IA editar para você, você pode abrir o documento no Canvas e editar o documento em conjunto com a IA, editando diretamente o que entender que deve ser editado e solicitando à IA que faça outras edições (resumir um parágrafo, expandir uma seção...).

Atenção a uma mudança recente: o ChatGPT removeu o modo Canvas dos seus modelos principais em 2026 — a edição de texto e código passou a acontecer diretamente dentro da própria conversa, em "blocos" editáveis, sem um painel separado. Hoje, o Gemini é a ferramenta de referência para esse tipo de espaço de edição colaborativa dedicado, e é nele que o exemplo abaixo funciona melhor.

O Canvas pode ser uma ferramenta poderosíssima para edição de códigos, páginas (html) e mesmo documentos. Eu prefiro editar meus próprios textos e compartilharei o prompt que uso no campo abaixo para que você possa copiar e adaptar à sua realidade:

Você revisará o texto em anexo quanto a possíveis erros gramaticais e de digitação. Avalie-o quanto à coerência e coesão, mas sem editá-lo diretamente: você marcará com a formatação "tachado" as partes do texto que sugere que sejam removidas e, ao lado, incluirá suas sugestões, formatadas em negrito, para que eu possa identificar as partes que devem ser editadas e julgue-as diretamente.
            

Vale lembrar que esse tipo de recurso muda rápido — o próprio Canvas do GPT existiu e foi descontinuado dentro do período de vida deste e-book. A melhor maneira de entender e aprender os usos da ferramenta é praticando, então mãos à obra!

Em julho de 2026, o Google renomeou o NotebookLM para Gemini Notebook, como parte da integração mais próxima com o restante do ecossistema Gemini. É a mesma ferramenta, com o mesmo propósito — se você usava o NotebookLM, seus notebooks continuam exatamente onde estavam, e links antigos continuam funcionando. Neste e-book, uso "Gemini Notebook" daqui para frente, mas não estranhe se ainda encontrar o nome antigo por aí.

É minha ferramenta de IA preferida, e vou explicar os motivos. Há algum tempo, ficou famosa pela possibilidade de gerar "resumos em áudio" — que, apesar de ser um excelente recurso, não é o motivo principal pelo qual a uso tanto.

Vamos resgatar a conversa sobre alucinações: por meio de ajustes no prompt e com o ancoramento (grounding) das fontes, conseguimos diminuir ao máximo a taxa de alucinações. É exatamente isso que o Gemini Notebook faz: ele só consulta — e responde — a partir das fontes que você escolher utilizar.

Quando você cria um notebook, a primeira tela é a de escolha de fontes. Você pode adicionar documentos, arquivos do Drive, Google Docs (incluindo planilhas), vídeos do YouTube, URLs de sites e arquivos de áudio. Todo esse material torna-se sua fonte, e todas as respostas extraídas dos seus prompts virão exclusivamente das fontes que você adicionou. Se você já ouviu falar de RAG (retrieval augmented generation), é mais ou menos isso que o Gemini Notebook faz — reduzindo ao mínimo possível os erros e alucinações.

Como adicionar fontes no Gemini Notebook

Uma vez adicionadas as fontes, a interface se organiza da seguinte forma: à esquerda, as fontes adicionadas (você pode removê-las ou acrescentar outras); ao centro, a interface de prompt; à direita, os recursos de interação que o Gemini Notebook fornece.

Recursos disponíveis no Gemini Notebook

O painel de recursos inclui:

• Resumo em áudio (podcast com dois apresentadores discutindo suas fontes)
• Guia de estudo (com questões de múltipla escolha, resposta curta e dissertativa)
• FAQ (perguntas frequentes sobre o conteúdo)
• Sumário e linha do tempo
• Documento de briefing (resumo executivo)
• Mapa mental
• Infográficos
• Flashcards e Quiz
• Análise de dados com código (recurso mais recente: um ambiente seguro na nuvem que escreve e executa código para cruzar suas fontes, gerar gráficos, planilhas e relatórios a partir delas)

Quase todos os recursos apresentam um ícone de "lápis" — o que significa que você pode editar as instruções padrão daquele recurso, inserindo um prompt personalizado.

Editando os recursos — exemplo para o áudio

Você produzirá um áudio tão detalhado e extenso quanto possível, abordando os detalhes metodológicos com rigor e precisão: descreva em detalhe como foi o setup da estrutura do produto desenvolvido, os detalhes do prompt de debate (se foi uma estratégia de IA agêntica com múltiplas personas ou se foram, de fato, utilizados diferentes agentes). Por fim, detenha-se sobre os resultados: descrevendo-os em detalhes e explicando os impactos para a saúde.

Janela de contexto extensa

O Gemini Notebook oferece uma janela de contexto de 1 milhão de tokens, permitindo a interação com múltiplos documentos extensos simultaneamente — livros inteiros, artigos científicos, transcrições de reuniões. Diferente das IAs convencionais, ele foi desenhado especificamente para "consultar profissionalmente" múltiplos arquivos: suas fontes ficam separadas da janela de conversa, mas totalmente acessíveis ao modelo. Isso permite que você converse longamente com os documentos, sem que o tamanho deles atrapalhe a memória da conversa.

Cada resposta vem acompanhada da citação precisa do trecho original do seu documento, facilitando a verificação e aumentando drasticamente a confiabilidade para uso profissional.

Ecossistema Google: integração e atualização dinâmica

O Gemini Notebook integra-se ao ecossistema Google, permitindo usar pastas e documentos do Google Drive como fontes. O ponto mais útil: ao conectar um Google Docs como fonte, o Gemini Notebook mantém o link com o arquivo original — que você pode atualizar quando quiser. Ao detectar que houve mudanças na última versão, o Gemini Notebook disponibiliza um botão para atualizar a fonte.

Transcrição de áudio e vídeo

O Gemini Notebook permite transcrever áudios e vídeos de forma integral: basta adicioná-los como fontes e solicitar, via prompt, a transcrição do material. Você pode incluir instruções de destaque: imagine que gravou uma reunião que precisará ser transformada em ata, ou uma aula onde o professor frequentemente destaca informações importantes. Exemplos:

Transcreva o material da fonte na íntegra, identificando, sempre que possível, os diferentes interlocutores.

Em seguida, elabore uma ata formal da reunião com os seguintes elementos: data, participantes identificados, pauta discutida, decisões tomadas e encaminhamentos com responsáveis.

Gemini Notebook gratuito vs. pago

Há diferenças entre as versões gratuita e paga, modificando a quantidade de notebooks que podem ser criados, a quantidade de fontes por notebook, o número de recursos criados/dia e, subjetivamente, a velocidade de geração de alguns recursos (impressão pessoal). Minha sugestão: inicie trabalhando com a versão gratuita e só depois de se familiarizar com a ferramenta, migre para a versão paga (se for o caso). O nível pago não é vendido separadamente: ele vem incluído nas assinaturas Google AI Plus, Pro e Ultra.

• Mais notebooks e mais fontes por notebook (limites maiores que os da versão gratuita)
• Mais gerações de resumos em áudio por dia
• Áudios mais longos e detalhados
• Integração aprofundada com o Google Workspace (ambiente corporativo do Google)
• Recursos de compartilhamento de notebooks com equipes
• Suporte prioritário e acesso antecipado a novos recursos

O Gemini Notebook é especialmente útil em contextos acadêmicos! Uso bastante para interagir com textos acadêmicos (artigos em pdf, por exemplo – e agora arquivos epub também)

• Revisão de literatura: adicione os artigos selecionados e use o prompt para sintetizar os principais achados, comparar metodologias ou identificar lacunas de conhecimento.
• Estudo de guidelines: carregue as diretrizes mais recentes de uma especialidade e faça perguntas clínicas diretamente a elas
• Preparação de apresentações: use o recurso de Guia de Estudo e FAQ para gerar perguntas sobre o conteúdo de aulas ou palestras
• Diário de aprendizado: mantenha um Google Docs com anotações diárias e conecte-o ao Gemini Notebook; ao final da semana, gere um resumo ou quiz sobre o que aprendeu.
• Dica "pro": use o Gemini Notebook como tutor personalizado! Estude um artigo e explique-o a ele, solicitando que corrija e complemente eventuais pontos críticos que você se equivocou ou deixou passar.

O que é o OpenEvidence?

O OpenEvidence é uma plataforma de apoio à decisão clínica baseada em IA, desenvolvida especificamente para médicos e profissionais de saúde. Diferente dos modelos de uso geral (como ChatGPT e Gemini), o OpenEvidence foi treinado e otimizado para consultas médicas, com acesso a literatura médica específica e curada por seu time editorial.

A plataforma possui acordos de conteúdo com diversas organizações de referência como NEJM (New England Journal of Medicine), JAMA, NCCN (National Comprehensive Cancer Network), Cochrane, Wiley, ACC (American College of Cardiology), ADA (American Diabetes Association) e outras sociedades médicas.

Como funciona?

O funcionamento é simples e muito parecido com a lógica por trás dos demais LLMs:

1. Você faz uma pergunta clínica em inglês ou português
2. A ferramenta busca nas próprias bases de literatura médica
3. Retorna uma resposta com citações das fontes originais (com links para os artigos)
4. Você pode fazer perguntas de acompanhamento para aprofundar a resposta

Acesse em: www.openevidence.com

Melhores práticas de prompt para o OpenEvidence

Como qualquer ferramenta de IA, a qualidade da resposta depende da qualidade da pergunta. Para o OpenEvidence, as práticas abaixo fazem diferença significativa:

1. Inclua o contexto clínico relevante do paciente

Em vez de perguntar genericamente "qual é o tratamento da hipertensão?", forneça contexto:

Paciente de 68 anos, masculino, hipertenso há 10 anos, diabético tipo 2, com TFG de 45 mL/min/1,73m². Atualmente em uso de losartana 50mg/dia e metformina 500mg 2x/dia. Pressão arterial atual: 155/95 mmHg. Quais são as opções terapêuticas recomendadas pelas principais diretrizes para otimização do controle pressórico neste cenário?

2. Especifique o tipo de informação desejada

Quais são as indicações atuais de anticoagulação em fibrilação atrial não valvular? Inclua:
- Escore CHA2DS2-VASc e pontos de corte para anticoagulação
- Escore HAS-BLED e sua utilidade clínica
- Comparação entre anticoagulantes orais diretos (DOACs) e varfarina nas principais populações
- Situações especiais: DRC avançada, obesidade, reversão de anticoagulação

3. Solicite níveis de evidência e qualidade dos estudos

Qual a evidência atual sobre o uso de ivermectina no tratamento de COVID-19? Por favor:
- Cite apenas ensaios clínicos randomizados e meta-análises
- Indique o nível de qualidade de evidência (GRADE quando disponível)
- Diferencie desfechos primários clínicos (mortalidade, hospitalização) de desfechos secundários

4. Compare opções terapêuticas diretamente

Compare a eficácia e a segurança dos inibidores de SGLT-2 versus agonistas do receptor de GLP-1 em pacientes com diabetes tipo 2 e doença cardiovascular estabelecida, com base em ensaios clínicos randomizados com desfechos cardiovasculares duros (MACE, mortalidade cardiovascular, hospitalização por insuficiência cardíaca).

5. Use perguntas de acompanhamento para aprofundar

O OpenEvidence permite perguntas de acompanhamento na mesma sessão. Por exemplo, após obter uma resposta sobre tratamento inicial, você pode perguntar:

E se este paciente também tiver insuficiência cardíaca com fração de ejeção reduzida (ICFEr)? Como isso modifica as escolhas terapêuticas e quais as combinações com maior evidência de benefício em mortalidade?

Cautelas fundamentais no uso do OpenEvidence

O OpenEvidence é uma ferramenta poderosa, mas seu uso inadequado pode levar a erros clínicos. Três cautelas são especialmente importantes:

Embora as IAs sejam ferramentas poderosas, seu uso exige responsabilidade e conhecimento de suas limitações, especialmente em áreas críticas como a saúde. Abaixo destacamos quatro pontos de atenção fundamentais.

1) Alucinação (Hallucination)

O termo "alucinação" na IA refere-se à geração de informações que parecem corretas e são apresentadas com alta confiança, mas que são falsas ou inventadas. Isso ocorre porque o modelo prevê a próxima palavra mais provável, não necessariamente a verdade. Em saúde, isso pode significar a invenção de condutas, doses de medicamentos ou citações de artigos que não existem. Sempre verifique as fontes.

2) Risco de Viés (Bias)

Os modelos de IA são treinados em vastos conjuntos de dados da internet, que contêm os preconceitos e vieses da sociedade. Isso pode resultar em respostas que perpetuam estereótipos de gênero, raça ou socioeconômicos, ou que apresentam viés em diagnósticos médicos (por exemplo, subdiagnosticando certas condições em grupos demográficos específicos). Esteja atento a essas distorções.

3) O Paradigma "Caixa-Preta" (Black Box)

Não sabemos exatamente como ou por que uma IA chegou a determinada conclusão. Não sabemos quais materiais foram utilizados no treinamento nem quais fontes específicas embasaram uma resposta particular. Além disso, os processos internos das redes neurais são complexos e pouco transparentes. Isso é crítico na prática clínica, onde a explicabilidade é fundamental para a segurança e a confiança na tomada de decisão.

4) O que diz a regulação brasileira

Desde 26 de agosto de 2026, o uso de inteligência artificial na prática médica no Brasil passou a ser regulado pela Resolução CFM nº 2.454/2026. Você não precisa decorar os detalhes, mas vale conhecer os princípios centrais, porque eles confirmam — agora também como norma — exatamente o que já vínhamos reforçando neste e-book:

Como toda norma recente, é possível que existam atualizações ou regulamentações complementares depois da publicação deste material — vale a pena consultar o texto vigente diretamente no site do CFM (cfm.org.br) antes de basear qualquer decisão de compliance nele.

Esta seção funciona como um catálogo de consulta: técnicas de prompting mais sofisticadas, cada uma com um exemplo genérico (pronto para editar) e, na maioria dos casos, um segundo exemplo já aplicado a um contexto — clínico, jurídico ou administrativo — para você ver o padrão em ação. Não é preciso decorar os nomes em inglês; volte aqui sempre que precisar copiar e adaptar um desses modelos à sua tarefa do momento.

Prompt para decomposição de Tarefas Complexas (para Produtividade)

[DECOMPOSIÇÃO DE TAREFA - EXEMPLO REAL]

Minha tarefa principal é: Preparar um relatório de análise de gastos departamentais de 2025 para apresentação ao conselho executivo.

Por favor, divida isso em subtarefas sequenciais, numeradas de 1 a N.

Para CADA subtarefa, forneça:
- Número e título da subtarefa
- Descrição do que fazer
- Critério de sucesso
- Qualquer dependência anterior
- Tempo estimado

Contexto adicional:
- Temos dados em três fontes: SAP, planilhas internas e recibos de departamentos
- A apresentação é em 2 semanas
- Audiência: 8 executivos não-técnicos
- Formato esperado: 15-20 slides com gráficos principais

Exemplo editável

[DECOMPOSIÇÃO DE TAREFA]

Minha tarefa principal é: [DESCREVA A TAREFA GERAL]

Por favor, divida isso em subtarefas sequenciais, numeradas de 1 a N.

Para CADA subtarefa, forneça:
- Número e título da subtarefa
- Descrição do que fazer
- Critério de sucesso (como saber que foi bem feito)
- Qualquer dependência anterior
- Tempo estimado

Depois, apresente um cronograma recomendado para execução.

Cadeia de Pensamento (Chain of Thought)

Exemplo editável:

[Chain of Thought - EDITÁVEL]
Você é um [ESPECIALISTA EM QUÊ?].
Analise: [DESCREVA O CASO/PROBLEMA]

Pense passo a passo:
1. [QUAL É O PRIMEIRO PASSO LÓGICO?]
2. [QUAL É O SEGUNDO PASSO?]
3. [QUAL É O TERCEIRO PASSO?]

Responda detalhando cada etapa do seu raciocínio.

Exemplo completo:

[Chain of Thought - COMPLETO]
Você é um gerente de projetos. Analise: Um projeto de implementação de ERP estava planejado para 6 meses e orçado em R$ 500 mil. Estamos no 4º mês, consumimos R$ 450 mil, mas apenas 60% da funcionalidade foi entregue. O cliente está insatisfeito.

Pense passo a passo:
1. Diagnose: Qual foi a causa raiz do atraso (escopo, recursos, planejamento)?
2. Análise de impacto: Quanto tempo e custo adicionais serão necessários?
3. Estratégia: Que opções existem (extensão, redução de escopo, equipe maior)?

Responda detalhando cada etapa.

Árvore de Pensamento (Tree of Thought)

Exemplo editável:

[Tree of Thought - EDITÁVEL]
Analise: [DESCREVA UM CENÁRIO COMPLEXO COM MÚLTIPLAS OPÇÕES]

Elabore uma árvore de pensamentos simulando múltiplos cenários:

Cenário 1: [PRIMEIRA OPÇÃO]
- Sub-consequência 1a: [...]
- Sub-consequência 1b: [...]
- Desfecho provável: [...]

Cenário 2: [SEGUNDA OPÇÃO]
- Sub-consequência 2a: [...]
- Sub-consequência 2b: [...]
- Desfecho provável: [...]

Cenário 3: [TERCEIRA OPÇÃO]
- Sub-consequência 3a: [...]
- Sub-consequência 3b: [...]
- Desfecho provável: [...]

Síntese: Qual cenário apresenta maior probabilidade de sucesso?

Exemplo completo:

[Tree of Thought - COMPLETO]
Uma empresa precisa decidir sobre expansão internacional. Analise os três cenários principais:

Cenário 1: Mercado da Ásia (alto risco, alto retorno)
- Investimento inicial: $10M
- Barreiras regulatórias: altas
- Potencial de mercado: 500M pessoas
- Desfecho provável: Retorno em 4-5 anos se conseguir entrada

Cenário 2: Mercado da América Latina (risco médio, retorno médio)
- Investimento inicial: $5M
- Barreiras regulatórias: médias
- Potencial de mercado: 150M pessoas
- Desfecho provável: Retorno em 2-3 anos

Cenário 3: Mercado Europeu (baixo risco, baixo retorno)
- Investimento inicial: $3M
- Barreiras regulatórias: altas
- Potencial de mercado: 100M pessoas
- Desfecho provável: Retorno estável em 1-2 anos

Síntese: América Latina oferece melhor equilíbrio risco-retorno para expansão no curto prazo.

Cadeia de Aprendizagem (Chain of Learning)

Exemplo editável:

[Chain of Learning - EDITÁVEL]
Atuará como simulador interativo para meu treinamento em [QUAL DOMÍNIO?].

[Seu Papel]
1. Crie um cenário/problema inicial sobre [TÓPICO ESPECÍFICO]
2. Não revele a solução imediatamente
3. Forneça informações neutras conforme eu progresso
4. Ajuste a dificuldade conforme meu desempenho
5. Revise meu raciocínio e aponte gaps

[Formato de Interação]
- Eu apresento minha análise/solução
- Você fornece feedback construtivo
- Iteramos até atingir domínio do tópico

Estou pronto para começar. Qual é o domínio e tópico?

Exemplo completo:

[Chain of Learning - COMPLETO]
Atuará como simulador interativo para meu treinamento em Epidemiologia Clínica.

[Seu Papel como Professor-Simulador]
1. Crie um cenário de surto epidemiológico realista (ex: "Detectamos 15 casos de gastroenterite em uma creche em 3 dias")
2. Não revele a etiologia provável imediatamente
3. Forneça dados conforme eu os solicite (sintomas, incubação, exposições, lab)
4. Aumente a complexidade conforme eu demonstre compreensão (ex: fatores de confusão)
5. Revise meu raciocínio epidemiológico (foi adequada minha hipótese inicial?)

[Minha Abordagem]
- Formularei hipóteses sobre fonte, modo de transmissão
- Solicitarei dados específicos para testar hipóteses
- Você fornecerá feedback sobre adequação da investigação

Estou pronto. Apresente um cenário de surto.

[Chain of Verification]
Responda: Quais são as principais interações medicamentosas da Varfarina com alimentos e antibióticos comuns? Após responder, siga este protocolo de verificação: 1. Crie 3 perguntas para checar se as interações citadas são verdadeiras (ex: 'A vitamina K realmente interfere?'). 2. Responda a essas perguntas de forma independente. 3. Forneça uma resposta final revisada e corrigida com base nessas verificações.

[Chain of Verification]
Liste 3 decisões recentes do STJ sobre responsabilidade civil hospitalar. Siga o protocolo CoVe: 1. Gere perguntas para confirmar número de processo e ano. 2. Responda se os processos existem e tratam do tema. 3. Entregue apenas os casos confirmados.

[Chain of Debate]
Você atuará como dois médicos especialistas debatendo internamente. Contexto: Paciente idoso, frágil, com múltiplas comorbidades, diagnóstico recente de câncer avançado. Tarefa: Simule um debate interno estruturado: Especialista A defende tratamento agressivo e Especialista B defende cuidados paliativos precoces. Cada um deve apresentar seus argumentos, refutar os do outro e reconhecer limitações. Finalize com uma síntese equilibrada.

[Chain of Debate]
Simule uma discussão entre um Advogado de Defesa, um Promotor e um Juiz sobre a admissibilidade de prova obtida via WhatsApp sem autorização em caso de corrupção. Debatam 'Frutos da Árvore Envenenada' vs 'Interesse Público'.

[Self-Consistency]
Gere três análises independentes sobre o mesmo caso clínico de suspeita de tromboembolismo pulmonar (TEP). Produza três raciocínios diagnósticos separados. Depois, compare as três análises, identifique os pontos de convergência mais consistentes e formule a conclusão final.

[Self-Consistency]
Gere três análises jurídicas independentes sobre o mesmo caso contratual. Identifique os pontos comuns entre elas e use-os para formular a conclusão mais robusta.

[Reflexion]
Escreva um guia de orientações pós-operatórias para cirurgia de catarata. Após gerar o texto, execute: 'Reflita criticamente sobre sua resposta: Onde posso ter simplificado demais? Que premissas podem estar erradas? Que informação adicional mudaria minha conclusão?'. Após essa reflexão, refine sua resposta original.

[Reflexion]
Reflita criticamente sobre o parecer jurídico que você acabou de produzir. Identifique fragilidades, pressupostos questionáveis e pontos que poderiam ser melhor fundamentados. Revise o parecer após a análise.

[Prompt Chaining]
Prompt 1: Analise este caso clínico e gere um diagnóstico diferencial estruturado. Prompt 2: Com base no diagnóstico diferencial acima, proponha uma conduta inicial baseada em evidências.

[Prompt Chaining]
Prompt 1: Resuma os principais riscos jurídicos do caso apresentado. Prompt 2: Com base nos riscos identificados, elabore uma estratégia jurídica defensiva.

[Generated Knowledge]
Antes de analisar o caso clínico abaixo, gere um resumo técnico sobre: Fisiopatologia do choque séptico, Critérios diagnósticos atuais e Princípios gerais de tratamento. Somente depois aplique esse conhecimento ao caso clínico apresentado.

[Generated Knowledge]
Antes de analisar o caso, gere um resumo técnico sobre: Princípios da boa-fé contratual e Hipóteses legais de rescisão. Depois, aplique esse conhecimento ao caso concreto.

[Least-to-Most]
Explique inicialmente, em linguagem simples, o que é insuficiência cardíaca. Depois: 1. Explique os mecanismos fisiopatológicos. 2. Diferencie IC com fração preservada e reduzida. 3. Relacione isso à escolha terapêutica.

[Least-to-Most]
Para realizar uma due diligence em uma startup, identifique primeiro as 4 áreas críticas de risco. Resolvido isso, para a primeira área, liste os documentos indispensáveis e crie um checklist de verificação.

[Directional Stimulus]
Ao responder sobre este caso clínico, priorize rigorosamente: Segurança do paciente, Medicina baseada em evidências e a prevenção de overdiagnosis/overtreatment. [Descreva o caso clínico aqui].

[Directional Stimulus]
Ao responder sobre este litígio, priorize: Minimização de riscos legais, Interpretação conservadora da lei e Proteção patrimonial do cliente. [Descreva o caso].

[Program-Aided Language]
Represente o raciocínio diagnóstico de um caso suspeito de sepse em formato de pseudo-código lógico (if/then) antes de explicar em linguagem natural, para garantir precisão algorítmica.

[Program-Aided Language]
Calcule o valor de uma dívida de R$ 50.000, vencida em 10/01/2023, com juros de 1% e IPCA de 4,5%. Escreva um script Python que realize os cálculos e execute-o para me dar o valor exato.

[ReAct]
Você atuará no formato ReAct para gerenciar um caso de intoxicação exógena: Pensamento 1: Preciso saber qual substância foi ingerida. Ação 1: Pergunte ao usuário. Pensamento 2: Com base na resposta, devo consultar o antídoto. Ação 2: Forneça a dose. Prossiga no ciclo até a estabilização.

E em um contexto jurídico:

[ReAct]
Alterne entre raciocínio jurídico e ação: Pensamento: O que esta notificação significa? Ação: Que documento analisar? Pensamento: Implicações? Ação: Resposta recomendada. Continue até a estratégia final.

Se você já reparou que "o mesmo ChatGPT" se comporta de formas muito diferentes conforme onde você o usa? A lógica é mais ou menos a seguinte: GPT é o modelo e ele é colocado em vários contextos diferentes: via página da internet, você acessa o chatGPT; no computador, para gerar código, você usa o codex — o modelo é o mesmo, mas as ferramentas que ele tem acesso e as instruções básicas que dizem o que ele pode ou não fazer são diferentes. Esse ambiente em volta do modelo é o que chamamos de harness.

A palavra vem do arreio (e do cinto de segurança)

Harness, em inglês, é o arreio de um cavalo, a coleira-peitoral de um cão, o cinto de segurança de quem escala (e outros exemplos, sem preconceitos). Essa estrutura que se veste ao redor da pessoa define qual o contexto do trabalho dela, segurança, com quais ferramentas ela vai trabalhar... A figura é autoexplicativa

Na inteligência artificial, o harness é exatamente isso: a camada de software que envolve o modelo e lhe dá ferramentas, memória, permissões, validação e a capacidade de agir. É a infraestrutura que transforma "um previsor de texto" (o modelo) em "um assistente que faz diferentes coisas" (de acordo com o harness).

O modelo sozinho faz muito pouco

Vale resgatar o que vimos na seção Funcionamento básico: um modelo de linguagem (LLM), isoladamente, faz uma única coisa — recebe um texto e devolve a continuação mais provável, token a token. Sozinho, o modelo não navega na internet, não executa código, não abre os seus arquivos, não lembra da conversa de ontem e não realiza nenhuma ação no mundo. Ele apenas gera texto.

Tudo aquilo que parece "a IA fazendo" — pesquisar, ler um PDF, rodar um cálculo, gerar uma planilha, citar a fonte exata, lembrar suas preferências — é o harness trabalhando ao redor do modelo.

Como o harness funciona, na prática

Quando você envia uma tarefa, o harness executa mais ou menos este ciclo:

1. Recebe a tarefa e monta o contexto (junta seu pedido, instruções fixas, memória relevante e, se for o caso, trechos de documentos que ele foi buscar para você).
2. Envia ao modelo e lê a resposta.
3. Se o modelo "pede" uma ferramenta (buscar na web, executar um código, ler um arquivo, consultar uma API), é o harness que de fato executa essa ação e devolve o resultado ao modelo.
4. Repete o ciclo quantas vezes forem necessárias — raciocinar, agir, observar o resultado, raciocinar de novo — até a tarefa ficar pronta.
5. Aplica as travas (guardrails): o que é permitido, o que exige sua confirmação, o que precisa ser validado.
6. Entrega o resultado — muitas vezes com registro dos passos e das fontes (observabilidade).

A analogia do motor e do veículo

É a mesma lógica das bicicletas e dos carros que usei na seção Modelos de IA, agora um andar acima. Referência de velho: com um motor de Fusca, você pode fazer tanto o Herbie quanto um ultraleve. O modelo é o motor e a carcaça - o que está em volta - é o harness. Nesse exemplo bizarro é evidente que o harness dá funções e características muito diferentes ao modelo!

Por isso "qual é o melhor modelo?" é uma pergunta incompleta. Na prática, você quase nunca usa um modelo puro: você usa um modelo + harness. Quando compara o ChatGPT com o Gemini Notebook, ou o Claude no site com o Claude dentro de um editor de código, boa parte da diferença que você sente é o harness, não o modelo.

De ferramenta a agente

Quando o harness dá ao modelo autonomia para planejar, agir em ciclos e decidir os próprios passos — e, às vezes, acionar "subagentes" especializados (um para código, um para imagens, um para pesquisa) —, é disso que as pessoas falam quando dizem agente de IA ou IA agêntica. Um agente, de forma simples, é modelo + harness com liberdade para agir.

Exemplos de harnesses que você provavelmente já usou

Resumindo: o modelo é o que pensa; o harness é o que permite pensar com ferramentas, agir com limites e prestar contas do que foi feito. Sem harness, o modelo não opera no mundo real — e é o harness que, na prática, você contrata, configura e fiscaliza.