O que é o framework CO-STAR para prompts?
Resposta rápida
CO-STAR é uma estrutura de prompt de 6 partes para outputs consistentes de LLM: Context (contexto), Objective (objetivo), Style (estilo de escrita), Tone (registro emocional), Audience (audiência), Response (formato de resposta). Ajuda a produzir outputs direcionados e coerentes ao tornar cada restrição explícita.
- ▸C = Context: informações de contexto que o LLM precisa
- ▸O = Objective: a tarefa específica a ser concluída
- ▸S/T/A = Style, Tone, Audience: como e para quem escrever
- ▸R = Response: formato (lista, parágrafo, JSON, etc.)
Atualizado: 2 de junho de 2026
Pontos principais
- ✓CO-STAR significa Context, Objective, Style, Tone, Audience, Response — uma estrutura de prompt de 6 componentes para outputs consistentes
- ✓O framework força você a tornar cada suposição explícita, reduzindo respostas vagas ou desalinhadas de modelos de linguagem grandes
- ✓CO-STAR funciona melhor para redação de documentos, comunicações com clientes e qualquer tarefa que exija uma voz ou formato específico
- ✓Para consultas factuais simples ou comandos de uma linha, CO-STAR adiciona overhead sem ganho significativo de qualidade
O que CO-STAR representa
CO-STAR é uma estrutura de prompt de 6 partes: Context, Objective, Style, Tone, Audience, Response format. É um dos frameworks mais citados para estruturar prompts complexos de LLM porque obriga o escritor a especificar cada dimensão que afeta a qualidade do output.
O framework foi desenvolvido para resolver um problema recorrente em prompt engineering: prompts que são tecnicamente claros, mas perdem restrições implícitas. Quando você escreve "Resuma este documento", o modelo faz suposições sobre comprimento, formalidade, audiência e formato. CO-STAR substitui essas suposições por instruções explícitas.
Cada componente foca em uma dimensão diferente do output. Context ancora o modelo na situação relevante. Objective define o entregável exato. Style e Tone controlam o registro de escrita. Audience calibra vocabulário e complexidade. Response especifica o formato estrutural.
| Letra | Elemento | Propósito |
|---|---|---|
| C | Context | Informações de fundo que o modelo precisa |
| O | Objective | O que você quer que o modelo faça |
| S | Style | Estilo de escrita (formal, casual, técnico, etc.) |
| T | Tone | Registro emocional (neutro, encorajador, direto) |
| A | Audience | Quem lê o output (especialista, iniciante, executivo) |
| R | Response format | Estrutura (marcadores, parágrafos, JSON, tabela) |
Quando CO-STAR supera os prompts rápidos
CO-STAR não é a ferramenta certa para cada tarefa. Adiciona mais valor para criação de documentos, comunicações com clientes, relatórios formais e qualquer output onde voz, formato e consistência de audiência importam. Um prompt CO-STAR bem estruturado tipicamente leva 60–120 palavras de configuração, mas elimina múltiplas rodadas de correção.
Considere um exemplo real. ANTES: "Escreva um e-mail para a equipe sobre o atraso do projeto." DEPOIS: "Context: O projeto Q2 está 3 semanas atrasado devido a atrasos do fornecedor. Objective: Informar a equipe e tranquilizá-la. Style: Profissional. Tone: Empático, focado em soluções. Audience: 12 engenheiros, senioridade variada. Response: E-mail de 150 palavras com linha de assunto." A versão CO-STAR produz um rascunho inicial mais específico e utilizável.
Para consultas factuais simples, geração de código ou pesquisas pontuais, CO-STAR adiciona overhead sem ganho significativo de qualidade. Perguntar "O que faz a função `zip()` do Python?" não se beneficia de uma estrutura de 6 componentes. Reserve o CO-STAR para tarefas onde o output será lido por pessoas reais em um contexto específico. Para uma análise mais profunda de padrões de prompt que funcionam bem com CO-STAR, veja o guia completo de prompt engineering CO-STAR que cobre exemplos avançados e modos de falha comuns.