01 - Por que prompt engineering ainda importa

TL;DR

Em 2025, virou meme dizer que “prompt engineering morreu”. A frase pegou porque era meio verdade e meio venda: o que morreu foi o prompt como bala de prata — a ideia de que a frase mágica isolada resolve qualquer tarefa. O que segue vivo é o prompt como interface, prompt como contrato e prompt como camada dentro de um sistema maior. Esta nota separa um do outro e posiciona a trilha: prompt engineering é uma camada bem-definida dentro do Prompt Layer do AI Engineering Stack, não a disciplina inteira.

A tese “prompt engineering morreu”

A frase ganhou tração em 2025 quando vários nomes do campo — Karpathy à frente — passaram a defender que context engineering era a disciplina que importava, e que prompt engineering tinha virado “jardim de infância”.

Por que a tese pegou:

1. O cansaço com prompt-magia. Threads, cursos e ebooks vendiam “a frase de 50 dólares que muda tudo”. Não mudava — e ficou óbvio.
2. A ascensão dos agentes. Sistemas agênticos rodam por horas, milhões de tokens, múltiplas fontes. Nenhum prompt único sobrevive a isso; o problema verdadeiro é montar o ambiente informacional.
3. Modelos melhores. GPT-4, Claude 3.5, Gemini 1.5 ficaram robustos o suficiente pra entender intenção razoavelmente formulada. A penalidade por prompt ruim caiu — não desapareceu.
4. Marketing de uma disciplina nova. Context engineering precisava de espaço; matar prompt engineering simbolicamente abria mercado conceitual.

Tudo isso é parcialmente verdade — mas a leitura literal vira erro.

O que de fato morreu

Morreu	Por quê
Prompt como bala de prata	A ideia de que a frase certa, isolada, é tudo o que importa. Sem contexto, memória, retrieval e guardrails, prompt nenhum sustenta um sistema.
Prompt sem contexto	Escrever instrução sem pensar no que mais entra na janela de contexto produz demos, não produtos.
Prompt como ritual mágico	”Você é um expert mundial em…” repetido sem propósito não muda nada. Cargo cult.
Prompt como skill terminal	Pessoas vendiam “prompt engineer” como carreira completa. Em 2026, é uma sub-habilidade dentro de AI engineering, não um cargo.

Quem só tinha prompt engineering no portfólio levou impacto real. Quem tinha prompt engineering mais context, evals, guardrails, orquestração — só ficou mais valioso.

O que segue vivo

O ofício do prompt continua sendo a interface mais direta com o modelo. Três framings que sobrevivem:

Prompt como interface

O prompt é a API humana do modelo. Não importa quantas camadas você adicionou em volta — em algum momento, alguém escreve texto que vai pro modelo, e a qualidade desse texto define o teto do sistema. Como toda interface, ele compõe com o resto: bom prompt sobre context ruim falha; context bom sob prompt ruim também falha.

Prompt como contrato

Um prompt bem escrito é um contrato declarativo: estabelece quem o modelo é, o que deve fazer, o que não deve fazer, sob que critério se autoavalia. Roles, constraints e few-shot examples são cláusulas desse contrato. A trilha trata o ofício nesse registro — não como adivinhação, como engenharia de especificação.

Prompt como camada

Quando você modela um sistema em camadas (ver AI Engineering Stack), o prompt vira uma camada nomeada com responsabilidade clara: especificar comportamento. Separada de Context Layer (conhecimento), Output Layer (formato), Guardrail Layer (limites impostos por código). Como qualquer camada, é versionada, testada, deployada.

Onde mora dentro do AI Engineering Stack

Esta trilha mora explicitamente dentro de uma camada: AI Engineering Stack — Prompt Layer. A relação:

AI Engineering Stack (11 camadas)
└── Layer 03 — Prompt Layer
    └── Prompt Engineering (esta trilha)
        ├── Especificidade
        ├── Roles e personas
        ├── Few-shot
        ├── Constraints
        ├── Iteration
        ├── Reasoning models
        └── Anti-patterns

Em paralelo, Context Engineering mora acima de várias camadas — orquestra Prompt Layer + Context Layer + Memory Layer + Retrieval Layer. Context Engineering não substitui Prompt Engineering; contém. A relação não é “morreu / vingou”, é “menor dentro de maior”.

Sinais de que prompt engineering segue carregando peso

• Karpathy publicar prompt. Em 2025, Karpathy circulou o sistema anti-sycophancy (nota 04). Quem diz que prompt morreu não publica template de prompt.
• Anthropic e OpenAI manterem docs de prompt engineering ativas. Páginas de melhores práticas continuam recebendo atualização — porque o efeito é real e mensurável em evals.
• Papers continuam saindo. The Prompt Report (Schulhoff et al., 2024) cataloga 58 técnicas distintas. Disciplina morta não tem survey acadêmico.
• Modelos novos quebram prompts antigos. Cada release exige re-tune do system prompt. Se prompt não importasse, isso não aconteceria.

A síntese honesta

A frase certa é: prompt engineering é uma disciplina menor do que prometeram, e maior do que mataram.

• Menor: não é a disciplina inteira de AI engineering, é uma camada.
• Maior: ainda é onde o comportamento do modelo é especificado, e nenhuma camada acima salva um prompt mal escrito.

A trilha existe pra tratar essa camada com seriedade — sem o ar de promessa mágica de 2023, sem o niilismo de quem leu meio tweet do Karpathy.

Fontes

• @hooeem — Become an AI Engineer, cap #1. Posição “prompt engineering ainda importa” como contraponto ao discurso dominante.
• Andrej Karpathy — Tweet “context engineering > prompt engineering” (jun 2025).
• Anthropic — Prompt engineering overview (docs.anthropic.com).
• Schulhoff et al. — The Prompt Report: A Systematic Survey of Prompting Techniques (arxiv:2406.06608, 2024).

Veja também

• AI Engineering Stack — Prompt Layer — a camada onde esta trilha mora
• Context Engineering — De prompt a context engineering — o framing “evolução” complementar
• 02 - Especificidade — a primeira disciplina — próxima nota: a primeira alavanca prática
• 09 - Anti-patterns e tells de IA — o que evitar — o lado cultural do ofício