Os quatro pilares — prompt, context, intent, specification

TL;DR

Engenharia de IA em 2026 não é um disciplina única — são quatro camadas hierárquicas: prompt craft (a frase), context engineering (o ambiente), intent engineering (o objetivo organizacional), e specification engineering (o contrato executável). Cada camada resolve um problema que a anterior não resolve. Ignorar a hierarquia é a razão mais comum de projetos AI travarem após o protótipo.

A pirâmide

graph TB
    D["🏛️ Specification engineering<br/>(contrato executável)"] --> C
    C["🎯 Intent engineering<br/>(metas organizacionais)"] --> B
    B["🌍 Context engineering<br/>(ambiente do modelo)"] --> A
    A["💬 Prompt craft<br/>(a frase certa)"]

Lê de baixo para cima

Cada camada superior governa as camadas inferiores. Specification define quais intents são válidos; intent define qual contexto é montado; contexto define quais prompts fazem sentido.

Camada 1 — Prompt craft

Pergunta: “Como falar com o modelo nesta interação específica?”

• Wording, exemplos few-shot, formatos de output, tokens de controle
• Técnicas: chain-of-thought, role-play, structured output (JSON mode)
• Escopo: uma chamada de API

Quando basta: chatbot simples, tarefas one-shot, exploração inicial.

Quando não basta: qualquer aplicação que mantenha estado, lide com múltiplas fontes, ou precise de garantias.

Camada 2 — Context engineering

Pergunta: “Que ambiente informacional o modelo vê neste step?”

• Decide o que entra, o que é cacheado, o que é recuperado on-demand, o que é descartado
• Endereça context rot, custo de tokens, loops agentic
• Escopo: uma sessão de agente

Adições sobre prompt craft:

• Pipelines que montam contexto antes de cada step
• Hierarquia de memória
• Retrieval dinâmico
• Compactação

Quando basta: aplicação single-purpose, time pequeno, domínio estável.

Quando não basta: quando há vários stakeholders querendo objetivos diferentes do mesmo agente.

Camada 3 — Intent engineering

Pergunta: “Que objetivos organizacionais o agente carrega?”

• Encoda valores, prioridades, trade-offs do negócio na infra do agente
• Resolve conflitos: rapidez vs qualidade, custo vs UX, exploração vs segurança
• Escopo: o produto/agente como conjunto

Exemplos concretos:

• “Sempre prefira respostas curtas a longas” (UX)
• “Em caso de ambiguidade, escale para humano em vez de chutar” (segurança)
• “Priorize tempo-real sobre completude em queries do feed” (negócio)

Por que vem acima de context: o mesmo contexto pode levar a comportamentos diferentes dependendo do intent. Sem intent codificado, o agente faz o que o prompt do usuário quiser — mesmo que viole políticas.

Implementações:

• System prompts no nível organizacional
• Guardrails determinísticos (12 - Guardrails determinísticos)
• Routing rules baseadas em intent classification

Camada 4 — Specification engineering

Pergunta: “Qual é o contrato executável que define sucesso?”

• Specs versionadas, testáveis, auditáveis
• Testes de comportamento (BDD para AI)
• Output schemas estritos como contrato
• Escopo: o programa AI inteiro, ao longo do tempo

Exemplos:

• Spec: “Para queries do tipo X, output deve ser JSON match schema Y” — testável
• Spec: “99% das respostas a queries de classe Z devem ser ≤500 tokens” — auditável
• Spec: “Mudança de prompt requer aprovação se afetar testes ouro” — governável

Conexão com Spec-Driven Development: specification engineering é a versão da disciplina aplicada a sistemas AI — specs como source of truth para comportamento esperado, não só para código.

Tabela comparativa

Pilar	Pergunta	Artefato	Iteração	Stakeholder
Prompt craft	”Que palavra?”	String	Minutos	Engineer individual
Context engineering	”Que ambiente?”	Pipeline + memória	Horas	Time de produto
Intent engineering	”Que objetivo?”	System prompt + rules	Dias	Product manager
Specification engineering	”Que contrato?”	Specs + testes + governance	Sprints	Tech lead + Eng manager

Framing alternativo — as 4 ações sobre contexto (Karpathy/Anthropic)

Coexiste outro framing complementar, focado nas ações sobre o contexto em si:

• Write — persistir contexto importante em vector store ou DB
• Select — usar RAG para carregar só os tokens mais relevantes
• Compress — sumarizar, compactar
• Isolate — particionar contexto entre subsistemas em vez de empilhar tudo

Esse é um framing tático dentro do pilar 2 (context engineering). Os quatro pilares e as quatro ações não se substituem — operam em escalas diferentes.

Anti-pattern: pular camadas

Sintoma	Camada faltante
”Funcionou na demo, falha em produção”	Context engineering ausente
”Cada engenheiro fez do seu jeito”	Intent engineering ausente
”Não conseguimos validar mudanças”	Specification engineering ausente
”Funciona, mas ninguém entende por quê”	Todas — projeto vibe-coded

Veja também

• 01 - De prompt engineering a context engineering
• Spec-Driven Development
• Agentes de Codificação
• 03 - O comprehension gate (Trilha 2)

Referências

• Karpathy — Software Is Changing (Again) (2025).
• IntuitionLabs — What Is Context Engineering? A Guide for AI & LLMs (2026).
• Atlan — Context Engineering Framework for Enterprise AI (2026).
• intent-driven.dev — Intent Engineering and Spec-Driven Development (2026).