O problema da dívida de prompts

Prompts escritos em linguagem natural parecem fáceis no início, mas viram uma armadilha silenciosa quando o sistema cresce. Cada correção, 'não responda isso', 'seja mais curto', 'nunca diga isso', é um grão de areia na engrenagem. Com o tempo, o prompt vira um texto confuso, cheio de repetições, todas voltadas a compensar a imprecisão do modelo. Não é um bug, é um design falho: você está tentando programar com poesia, não com código.

Equipes inteiras perdem tempo decifrando prompts que nem os autores originais entendem mais. E quando surge um novo modelo, o prompt que funcionava no GPT-4o quebra em silêncio, sem erro claro. O desenvolvedor não sabe se o problema é o modelo, o prompt, ou ambos. O custo disso não está no computador, está no tempo perdido e na inércia. O que parecia uma vantagem de prototipagem rápida vira uma prisão de código legado, só que em texto, não em Python.

Se você constrói sistemas com IA, não pode tratar prompts como documentação temporária. Eles são parte da lógica do seu produto. Quando o prompt é feito à mão, você não tem testes, não tem versão, não tem reuso. Cada mudança é um salto no escuro. A solução não é escrever melhor prompts, é deixar de escrevê-los. Medir saídas, automatizar testes e usar ferramentas como DSPy ou GEPA transforma o prompt de um artefato frágil em um componente testável. Isso não é futuro, é o que já fazem equipes que não querem ser reféns de modelos desatualizados.