Prompt Layer

TL;DR

A Prompt Layer define como o modelo deve se comportar — não o que ele sabe (isso é Context Layer), nem o que ele entrega (isso é Output Layer). Aqui ficam role, primary job, padrões obrigatórios, ações permitidas, ações proibidas, comportamento sob incerteza, estilo de raciocínio. É o system prompt tratado como artefato versionado, não como bloco de texto improvisado. Quando bem feita, a Prompt Layer transforma o modelo num executor com persona estável; quando mal feita, o sistema é instável a cada mudança de input.

O que é esta camada

A Prompt Layer materializa comportamento desejado em texto. É o lugar onde você converte “queremos um assistente cuidadoso e direto” em instruções que o modelo segue de forma reprodutível.

O template mínimo (adaptado do thread @hooeem):

role: <quem o modelo é nesta interação>
primary_job: <herda do Purpose Layer>
primary_standard: <o critério principal pelo qual o modelo se autoavalia>
allowed_actions:
  - <ação 1>
  - <ação 2>
forbidden_actions:
  - <proibição 1>
  - <proibição 2>
uncertainty_behavior: <o que fazer quando não sabe>
reasoning_style: <conciso, exploratório, step-by-step, ...>

Note que forbidden_actions na Prompt Layer não substitui Guardrail Layer. Prompt Layer pede comportamento; Guardrail Layer impõe comportamento por código fora do modelo. As duas trabalham juntas — ver 10 - Guardrail Layer.

Decisões-chave

1. Role específico vs genérico. “Você é um assistente útil” é zero informação. “Você é editor sênior de uma revista de tecnologia que prioriza clareza e ceticismo” molda decisões reais.

2. Tom do uncertainty_behavior. Três comportamentos comuns: (a) ask back — pede esclarecimento; (b) flag and proceed — segue com aviso de baixa confiança; (c) stop and escalate — recusa e pede humano. A escolha define UX inteira.

3. Tamanho do system prompt. Prompt longo gasta tokens em todo request (janela de contexto mais cheia, custo a cada chamada). Use prompt caching quando disponível; ainda assim, prune o que não muda comportamento.

4. Few-shot vs zero-shot. Adicionar 2-3 exemplos no system prompt geralmente sobe qualidade mais do que reescrever instruções. Custa tokens, mas é a alavanca de melhor ROI quando o modelo “quase acerta”.

5. Versionamento. Trate o system prompt como código: arquivo separado, diff no PR, número de versão. A nota 11 - Logging Layer precisa registrar qual versão rodou em cada chamada.

Onde aprofundar no Codex

• Prompt Engineering — trilha-irmã dedicada a técnicas (CoT, few-shot, ToT, role prompting). Em construção.
• De prompt engineering a context engineering — onde a Prompt Layer se posiciona no panorama maior.
• Dicionário: prompt engineering.

Veja também

• 02 - Purpose Layer — o que o sistema é — primary_job desta camada vem de lá
• 04 - Context Layer — separa conhecimento do sistema (lá) de comportamento (aqui)
• 10 - Guardrail Layer — forbidden_actions aqui é aspiracional; lá é imposto

Fontes

• @hooeem — Become an AI Engineer, chapter #18, Step 2 (Prompt layer template).
• Anthropic — Prompt engineering overview. Estrutura recomendada de system prompt.
• OpenAI — Prompt engineering guide.