Codex Technomanticus

02 - Deliverable-first, não scene-first

Leitura de 13 min

02 - Deliverable-first, não scene-first

TL;DR

A diferença entre image prompt que funciona e image prompt que dá voltas mora numa virada simples: descreva o entregável (poster, infográfico, slide, thumbnail, mockup, hero), não a cena. Cena (“dois empreendedores apertando a mão em escritório moderno”) deixa o modelo escolher tudo o que importa pra entregável: formato, hierarquia, audiência, espaço pra texto. Entregável (“poster 11×17 pra evento de tecnologia, título ‘AI Summit 2026’ no topo, hero abstrato no centro, data e local rodapé”) carrega essas constraints embutidas. O modelo já entra calibrado. O template @hooeem (Goal / Deliverable / Canvas / Audience / Subject / Composition / Style / Text / Constraints / Iteration) operacionaliza essa virada.

Por que scene-first falha

O prompt “scene-first” descreve o que está acontecendo na imagem como se fosse roteiro:

“Two business people shaking hands in a modern office, sunlight coming through window, laptop on desk, professional atmosphere.”

Problemas:

  1. Sem âncora de formato. O modelo escolhe um aspect ratio default (1:1 no DALL-E, 1:1 no Midjourney sem --ar). Se você precisava de 16:9 pro hero do post, foi pro lixo.
  2. Sem hierarquia. O modelo distribui peso visual uniforme; tudo importa igual. Hero claro? Subtítulo? Espaço pra overlay? Inexistente.
  3. Sem decisão de canal. O mesmo “two business people” funciona como capa de ebook, slide de deck, thumbnail YouTube ou banner LinkedIn? Cada um quer composição diferente.
  4. Sem texto. Se você precisa de título embutido, o modelo não sabe.
  5. Iteração às cegas. Não saiu como queria — mas qual variável mudar? Aspect ratio? Estilo? Composição? Vira reroll.

Resultado típico: 5 a 15 gerações até chegar perto, com 60-70% delas inutilizáveis por motivo de formato.

Por que deliverable-first funciona

Prompt “deliverable-first” começa pelo objeto:

“Poster pra evento de tecnologia ‘AI Summit 2026’. Canvas vertical 11×17. Hero abstrato (network neural fluido em gradiente azul/violeta) ocupa centro. Título ‘AI Summit 2026’ em sans-serif bold no topo, branco sobre fundo escuro, ocupa ~15% da altura. Subtítulo ‘Building the next decade’ abaixo do título, 50% do tamanho. Data e local (‘March 15-17 · São Paulo’) no rodapé centralizado. Espaço negativo nas laterais. Estilo: limpo, corporativo-moderno, paleta dark mode.”

A diferença não é só tamanho — é estrutura. O entregável carrega:

  • Formato (11×17 vertical) → o modelo já entra com aspect ratio certo
  • Hierarquia (hero centro, título topo, info rodapé) → distribuição de peso visual
  • Audiência implícita (evento de tecnologia → vibe corporativa-moderna)
  • Canal implícito (poster → portrait, alta densidade, sobrevive de longe e de perto)
  • Texto (palavras exatas, posição, tamanho relativo)

O modelo perde menos graus de liberdade. As gerações convergem. A iteração vira: “tá quase — só o tamanho do título; mantenha o resto”.

O template canônico (Goal / Deliverable / Canvas / Audience / Subject / Composition / Style / Text / Constraints / Iteration)

Versão do template apresentado por @hooeem, com gloss curto em cada campo:

Goal

Pra que serve esta imagem. Não é “um poster bonito” — é “promover o AI Summit 2026 em redes sociais e print”. A meta enquadra todas as decisões abaixo.

Deliverable

O tipo do entregável. Vocabulário curto: poster | infográfico | slide | thumbnail YouTube | mockup mobile | mockup desktop | hero README | hero blog | carousel slide | social card | ebook cover | sticker | icon. Esse é o anchor mais importante — modelos modernos têm prior forte pra cada palavra.

Canvas

Aspect ratio + orientação + resolução-alvo. Exemplos: 16:9 landscape, 9:16 portrait (story), 1:1 square, 11:17 portrait print, 4:5 portrait (Instagram feed). Modelos como Midjourney usam --ar 16:9; DALL-E e Imagen aceitam descrição textual ou parâmetro.

Audience

Pra quem é. Engenheiro sênior? Recrutador? Audiência geral de LinkedIn? Comunidade open-source? Isso afeta tom visual: sério/lúdico, técnico/abstrato, denso/limpo.

Subject

O que aparece. Aqui sim entra a “cena” — mas como subordinada ao entregável, não como protagonista. “Network neural fluido em gradiente” no exemplo do poster.

Composition

Hierarquia visual. Onde fica cada elemento. “Hero centro, título topo, info rodapé”. Use vocabulário de composição: rule of thirds, centered, top-heavy, left-aligned, negative space at right. O modelo entende essas convenções.

Style

Linguagem visual. Paleta de cor (dark mode, pastel, monochrome blue), tipo de ilustração (flat, isometric, 3D rendered, watercolor, photorealistic, vector), mood (corporate-modern, playful, vintage, cyberpunk). Quanto mais específico, melhor.

Text

Palavras exatas que devem aparecer, com posição e tamanho relativo. Em 2026, texto ainda é o ponto fraco da maioria dos modelos (Ideogram, Imagen 4 quando disponível e FLUX lideram). Se texto é crítico, escolha modelo ou pré-aceite que vai rodar texto no Figma/Canva depois.

Constraints

O que não pode aparecer. “Sem pessoas”, “sem stock photo vibe”, “sem texto borrado”, “sem moldura/borda decorativa”. Modelos respondem melhor a constraints explícitas que a tom geral.

Iteration

Plano de iteração — qual variável você mudaria primeiro se o output não bater. Não vai no prompt, mas vai no seu caderno (ou no Keep/Change/Do-not da próxima geração — ver 06 - Iteração visual — controlled changes).

Comparação lado a lado

Mesmo objetivo: hero pra post de blog sobre RAG.

Versão scene-first (anti-padrão)

“Librarian in a library full of books with computer chips, neural network glowing around, futuristic mood.”

Output esperado: 1:1, bibliotecário central, sem espaço pra título, cores aleatórias, retrato estilo render genérico. Uso direto no post: zero.

Versão deliverable-first

“Hero image pra post de blog técnico sobre RAG (Retrieval-Augmented Generation). Canvas 16:9 landscape, 1920×1080. Audiência: engenheiros de IA. Subject: metáfora visual de bibliotecário-IA — figura abstrata sugerindo arquivista digital, com elementos de busca e conexão. Composição: figura à esquerda ocupando ~40% do canvas, espaço negativo à direita pra overlay de título. Estilo: ilustração vetorial flat, paleta azul-profundo + ciano, mood técnico-elegante, sem ser corporativo genérico. Sem texto na imagem. Sem stock photo vibe. Sem bibliotecário humano realista.”

Output esperado: 16:9, hero à esquerda, espaço à direita, paleta consistente. Uso direto no post: alta probabilidade.

Quando scene-first é ok

Casos onde “descrever a cena” basta:

  • Exploração inicial. Você não sabe o que quer ainda; quer ver opções.
  • Imagem de uso único, descartável. Ilustração rápida pra apresentação interna que ninguém vai revisar.
  • Estudo de estilo. Está testando como um modelo responde a um conceito; output não vai virar entregável final.

Pra qualquer entregável que sai pro mundo (post público, README, deck pra cliente, asset de marketing), volte pro template deliverable-first.

O hábito a internalizar

Antes de escrever o prompt, responda em voz alta:

  1. O que estou entregando? (poster, hero, thumbnail, …)
  2. Em que formato? (aspect ratio, resolução)
  3. Pra quem? (audiência)
  4. Onde vai aparecer? (canal — README, Twitter, deck)

Só depois descreva o subject. Esse hábito de quatro perguntas previne 80% do retrabalho de image prompting.

Canvas e aspect ratio — tabela de referência

Errar o canvas é o erro mais barato de evitar — e um dos mais comuns. Referência rápida por canal:

Canal / usoAspect ratioDimensões típicasNotas
Hero blog / README16:91920×1080Landscape, espaço pra título overlay
Thumbnail YouTube16:91280×720 mínTexto deve ser visível em 120px de altura
Post Instagram (feed)1:1 ou 4:51080×1080 ou 1080×13504:5 ocupa mais tela no feed mobile
Story Instagram / TikTok9:161080×1920Portrait full-screen
Post LinkedIn1.91:11200×628Landscape com espaço textual
Capa de e-book6:91600×2400Portrait livro
Poster print A4√2:12480×3508 (300dpi)Portrait A4
Slide (16:9)16:91920×1080 ou 2560×1440Landscape, margens maiores que blog
Card social quadrado1:11080×1080Mínimo seguro pra todas as redes
Open Graph (SEO)1.91:11200×630Thumbnail em links compartilhados

Antes de escrever o prompt, fixe o canvas. Mudar após a geração exige inpainting (outpaint das bordas) ou recorte, que raramente termina sem retrabalho.

Construindo o prompt passo a passo — exercício

Conversão de scene-first pra deliverable-first em 5 passos explícitos:

Cena original: “A robot reading a book in a cozy library.”

Passo 1 — Deliverable: O que é isso? Um hero image pra post de blog sobre IA e aprendizado.

Passo 2 — Canvas: Post de blog → 16:9, 1920×1080.

Passo 3 — Subject: A metáfora do robô-lendo segue, mas como asset pra 16:9 — robô à esquerda, espaço à direita pra título overlay.

Passo 4 — Style: Blog técnico-educativo → ilustração flat, paleta quente (laranja/âmbar + creme), sem fotorealismo.

Passo 5 — Constraints: Sem texto na imagem. Sem biblioteca real (só prateleiras abstratas). Sem clutter no fundo.

Prompt resultante:

Hero image para post de blog técnico sobre IA e aprendizado.
Canvas 16:9, 1920×1080.
Subject: robô abstrato e amigável lendo livro aberto, estilo flat illustration.
Composição: robô ocupa terço esquerdo do canvas, prateleiras de livros estilizadas ao fundo,
espaço negativo creme no terço direito para overlay de título.
Estilo: flat illustration, paleta âmbar/laranja + creme + azul suave, mood educativo-acolhedor.
Sem texto na imagem. Sem fotorealismo. Sem clutter no fundo.

O processo leva 2-3 minutos mas elimina 4-8 rerolls. A regra é: tempo de pensar antes de gerar é mais barato que tempo de retrabolhar depois. Para um entregável simples (blog hero), 5 minutos de planejamento de prompt economizam 20-30 minutos de iteração às cegas.

Vocabulário de estilo — âncoras visuais por categoria

Lista de descritores que funcionam como âncora e reduzem ambiguidade. Use combinações:

Estilo de ilustração

flat design | isometric | 3D rendered (Cinema 4D style) | vector illustration | watercolor | ink drawing | pixel art | low-poly | cel-shaded | photorealistic | concept art | editorial illustration

Paleta de cor

dark mode (fundo #0d1117) | pastel muted | monochrome blue | limited palette (3 cores) | earth tones | neon on dark | warm cream + amber | cool slate + cyan

Mood/atmosfera

corporate-clean | playful-educational | technical-precise | vintage-editorial | cyberpunk | brutalist | soft-modern | editorial magazine

Composição

rule of thirds | centered subject | left-heavy, right negative space | top-heavy | full bleed | framed (white border) | diagonal composition | golden ratio crop

Combine uma de cada categoria: flat design, limited palette (azul + ciano + branco), corporate-clean, left-heavy é um estilo determinístico que o modelo vai replicar de forma consistente entre gerações.

Template em código — helper de prompt

Para pipelines que geram imagens programaticamente, encapsular o template em uma função elimina o risco de esquecer campos obrigatórios:

from dataclasses import dataclass, field
from typing import Optional
 
@dataclass
class ImageBrief:
    deliverable: str           # "hero blog", "thumbnail YouTube", "poster A4"
    canvas: str                # "16:9", "1:1", "9:16", "A4 portrait"
    subject: str               # descrição do conteúdo visual
    composition: Optional[str] = None
    style: Optional[str] = None
    text_in_image: Optional[str] = None
    constraints: list[str] = field(default_factory=list)
 
    def to_prompt(self) -> str:
        parts = [
            f"{self.deliverable.capitalize()}.",
            f"Canvas: {self.canvas}.",
            f"Subject: {self.subject}.",
        ]
        if self.composition:
            parts.append(f"Composição: {self.composition}.")
        if self.style:
            parts.append(f"Estilo: {self.style}.")
        if self.text_in_image:
            parts.append(f"Texto na imagem: {self.text_in_image}.")
        if self.constraints:
            parts.append("Constraints: " + "; ".join(self.constraints) + ".")
        return " ".join(parts)
 
 
# Uso
brief = ImageBrief(
    deliverable="Hero image para post de blog técnico sobre RAG",
    canvas="16:9, 1920×1080",
    subject="bibliotecário-IA abstrato, figura sugerindo arquivista digital com elementos de busca",
    composition="figura à esquerda em ~40% do canvas, espaço negativo à direita para overlay de título",
    style="flat illustration, paleta azul-profundo + ciano, mood técnico-elegante",
    constraints=["sem texto na imagem", "sem stock photo vibe", "sem bibliotecário humano realista"],
)
 
print(brief.to_prompt())

Output do to_prompt() vai direto no campo prompt de qualquer API de geração. A vantagem do dataclass: campos obrigatórios (deliverable, canvas, subject) geram TypeError se omitidos — o helper força a disciplina deliverable-first no próprio tipo.

Armadilhas comuns

Preencher Subject primeiro e depois tentar encaixar o resto — destrói o benefício do deliverable-first

O instinto de todo mundo ao imaginar uma imagem é descrever o que vê na cabeça — a cena. O deliverable-first exige inverter: defina o objeto (poster, hero, thumbnail) antes de descrever o visual. Se você começa escrevendo “um robô lendo um livro…” e só depois pensa “vai ser um hero de blog 16:9”, o prompt vai priorizar a cena e ignorar o formato — e você vai ajustar via reroll em vez de via estrutura. A ordem correta: Deliverable → Canvas → Subject. Sempre.

Esquecer o Canvas e deixar o modelo escolher o aspect ratio — incompatibilidade com o canal

DALL-E sem parâmetro de size gera 1:1 default. Midjourney sem --ar gera 1:1. Imagen sem aspect_ratio gera 1:1. Um hero de blog precisa de 16:9. Um story precisa de 9:16. Um poster precisa de portrait vertical. Se você não especificar o Canvas, vai receber 1:1 que não se encaixa em nenhum canal sem crop ou borda — que destrói a composição que o modelo gerou. Canvas é um dos dois campos obrigatórios (junto com Deliverable). Nunca omita.

Descrever o estilo em termos de sentimento ("aconchegante", "moderno", "elegante") sem ancora visual — modelo interpreta diferente do que você pensa

“Aconchegante” pra um modelo pode ser laranja e madeira. Pra você pode ser azul e minimalista. “Moderno” pode ser flat design ou glassmorphism ou brutalism. Sentimentos como adjective de estilo são ambíguos. Sempre siga com uma ancora visual: “aconchegante — paleta âmbar, textura de madeira, iluminação suave de lamparina” ou “moderno — flat design, paleta limited, sem textura, tipografia sans-serif”. A ancora elimina a ambiguidade sem banir o sentimento.

Como explicar em inglês

Interview quote: “Deliverable-first image prompting means you anchor the prompt to the artifact — poster, hero, thumbnail — before describing the visual content. The deliverable carries implicit constraints: format, hierarchy, audience, text space. Scene-first prompts lose 60-70% of generations to format mismatch. The template has 10 fields; you need at least Deliverable, Canvas, and Subject to converge faster.”

PortuguêsInglês
Deliverable-first promptingDeliverable-first prompting
Prompt orientado a cenaScene-first prompt
Canvas / aspect ratioCanvas / aspect ratio
Hierarquia visualVisual hierarchy
Espaço negativo pra overlay de títuloNegative space for title overlay
Composição (terço esquerdo, centro, rodapé)Composition (left third, center, footer)
Constraints do entregávelDeliverable constraints
Reroll / regenarReroll / regenerate
Iteração convergenteConvergent iteration

O que vem a seguir

Com deliverable-first como mentalidade central, a nota 03 mapeia quais modelos existem em 2026 e como a escolha de modelo segue a escolha de entregável — poster com texto vai pra Ideogram, photorealismo vai pra Imagen 3, artístico vai pra Midjourney, pipeline OSS vai pra FLUX.

Fontes

  • @hooeem — Become an AI Engineer, cap #16 (Image Prompting). Template canônico Goal/Deliverable/Canvas/etc.
  • OpenAI — Image generation guide (docs). Recomendações de prompt estruturado pro DALL-E.
  • Midjourney — Prompting guide (docs). Vocabulário de composição e estilo.
  • Ideogram — Prompting tips (docs). Técnicas pra texto-na-imagem via prompt estruturado.
  • Black Forest Labs — FLUX.1 prompt guide (docs). Prompt adherence e parâmetros de controle.

Veja também

Visão de gráfico

Backlinks