O que é o Framework APE
O Framework APE é um modelo de prompt que obriga os modelos de linguagem a separar seu pensamento em análise, planejamento e execução. Em vez de obter uma resposta indiferenciada, você vê como o modelo entendeu o problema, como pretende resolvê-lo e o resultado final. Essa estrutura melhora a confiabilidade porque você pode inspecionar cada etapa.
APE é especialmente útil ao lidar com tarefas complexas ou de alto risco. Ao pedir ao modelo que mostre seu caminho de raciocínio explicitamente, você reduz a possibilidade de suposições ocultas ou atalhos permanecerem invisíveis. O mesmo padrão de três partes funciona em todos os modelos — APIs na nuvem e modelos locais via Ollama ou LM Studio — mantendo resultados consistentes.
As Três Etapas: Analisar, Planejar, Executar
O núcleo do Framework APE é que cada prompt instrui o modelo a primeiro analisar o problema, depois planejar a solução, e só então executar a resposta final. Essas três etapas correspondem diretamente a como os humanos lidam com o raciocínio e lhe dão pontos de controle claros.
Um detalhamento típico é o seguinte:
- Analisar: Reformular a tarefa com suas próprias palavras, identificar restrições-chave e detectar informações ausentes.
- Planejar: Propor uma abordagem breve passo a passo que você seguirá para resolver a tarefa.
- Executar: Produzir a resposta final seguindo o plano, com a estrutura e o formato solicitados.
Quando usar o Framework APE
Você deve usar o Framework APE quando sua tarefa é suficientemente complexa para que você se importe com o raciocínio do modelo, não apenas com seu resultado final. Isso inclui análise técnica, pesquisa de múltiplas etapas, redação estratégica e qualquer situação onde os erros sejam custosos.
Os casos de uso típicos incluem:
- Detalhar um requisito de produto em histórias de usuário e critérios de aceitação.
- Projetar uma estratégia de conteúdo a partir de notas brutas e informações de mercado.
- Revisar e refatorar código enquanto explica compensações e riscos.
- Planejar e redigir relatórios de longo alcance onde a estrutura importa tanto quanto o conteúdo.
⚠️ Aviso
APE adiciona sobrecarga de tokens — as etapas de Analisar e Planejar consomem tokens de saída antes do Executar final. Para tarefas de produção de alto volume onde você só precisa da resposta final e não inspeciona o raciocínio, use um prompt de etapa única mais simples para reduzir custo e latência.
Como escrever um prompt APE
Um prompt APE eficaz menciona as três etapas pelo nome e especifica o que você espera em cada parte: notas de análise, um plano passo a passo e um resultado final. Você pode fazer isso de forma compacta para que ainda conte como um único prompt.
Um padrão genérico é:
"Você é função. Primeiro, Analise a tarefa listando os objetivos-chave, restrições e informações ausentes. Depois, Planeje sua abordagem em 3–5 pontos. Finalmente, Execute produzindo formato de resultado desejado, seguindo estritamente seu plano."
Você pode então personalizar esse padrão base com detalhes de domínio como público, tom, estrutura de arquivos ou requisitos de citação. Uma vez definido, você pode reutilizar o mesmo prompt APE em múltiplas tarefas alterando apenas o objetivo e o contexto.
🔍 Dica Pro
Após o modelo completar sua Análise e Plano, leia-os ANTES de ver o resultado do Executar. Se a Análise omitiu uma restrição ou o Plano tem uma etapa incorreta, diga ao modelo para revisá-los — isso é mais econômico e rápido do que regenerar toda a resposta.
Exemplo: Prompt APE Ruim vs Bom
A diferença entre um prompt não estruturado e um prompt APE fica clara quando você os compara na mesma tarefa. Aqui está um exemplo simples para um e-mail de lançamento de produto.
Prompt Ruim
"Escreva um e-mail anunciando nosso novo painel de análises."
Prompt Bom
"Você é um especialista em marketing de produtos SaaS. Objetivo: Criar um e-mail de anúncio para nosso novo painel de análises direcionado a clientes existentes. Estrutura APE: 1) Analise: Liste brevemente o público-alvo, seus principais pontos de dor e os benefícios-chave que este painel aborda. 2) Planeje: Esboce a estrutura do e-mail em 3–5 pontos (gancho, benefícios-chave, chamada para ação, etc.). 3) Execute: Escreva o e-mail final (máx. 220 palavras) em um tom claro e profissional. Inclua linha de assunto, texto de prévia e corpo."
Com o Framework APE, o modelo mostra sua compreensão do problema e o plano antes de produzir o e-mail, tornando mais fácil detectar desalinhamentos cedo.
Como o PromptQuorum implementa o Framework APE
PromptQuorum é uma ferramenta de despacho de IA multi-modelo que inclui o Framework APE como uma de suas estruturas de prompt integradas, para que os usuários possam aplicar o prompting Analisar–Planejar–Executar com um único clique. Quando você escolhe a opção APE no PromptQuorum, o aplicativo injeta automaticamente a estrutura de três etapas em torno do seu objetivo e contexto.
Dentro do PromptQuorum, o Framework APE:
- Fornece seções rotuladas para análise, planejamento e expectativas de execução, para que você não precise lembrar o padrão cada vez.
- Envia o mesmo prompt estruturado com APE para múltiplos modelos em paralelo, facilitando comparar como diferentes modelos respondem em cada etapa.
- Pode ser salvo como modelo para fluxos de trabalho repetitivos como revisões de código, memorandos de estratégia ou relatórios de pesquisa.
Escolher APE vs Outros Frameworks
Você deve escolher o Framework APE sobre outros frameworks de prompt quando quiser etapas de raciocínio explícitas mas não precisar de um grande número de parâmetros ou seções. APE é deliberadamente compacto: três etapas geralmente são suficientes para melhorar a clareza sem sobrecarregar o usuário.
Na prática:
- Escolha APE para tarefas complexas mas autocontidas onde o raciocínio importa.
- Escolha um framework de etapa única quando você já conhece o formato exato do resultado e só precisa de uma instrução bem especificada.
- Escolha frameworks mais detalhados (com muitas seções e parâmetros) apenas quando você tem padrões internos rígidos que devem ser codificados no prompt.
| Framework | Etapas/Seções | Ideal Para | Raciocínio Visível? |
|---|---|---|---|
| APE | 3 (Analisar, Planejar, Executar) | Tarefas complexas que exigem raciocínio inspecionável | Sim — etapas explícitas |
| Single-Step | 1 (uma instrução) | Tarefas simples e bem definidas | Não |
| CRAFT | 5 (Contexto, Função, Ação, Formato, Objetivo) | Definição de contexto completo | Opcional |
| CO-STAR | 6 (Contexto, Objetivo, Estilo, Tom, Público, Resposta) | Marketing e comunicações | Não |
| SPECS | 5 (Situação, Problema, Exemplos, Restrições, Estilo) | Resolução de problemas com exemplos | Opcional |
| Chain-of-Thought | 1 (com "pense passo a passo") | Matemática, lógica, raciocínio em etapa única | Sim — mas sem estrutura |
🔍 Você sabia?
A estrutura de três etapas do APE corresponde diretamente a como especialistas humanos abordam problemas complexos: entender o problema (Analisar), projetar a abordagem (Planejar), depois produzir o resultado (Executar). A pesquisa em ciências cognitivas mostra que essa separação reduz erros tanto no raciocínio humano quanto no da IA.
APE também significa: Engenharia Automática de Prompts (Conceito Diferente)
Nota: "APE" também é usado para se referir à Engenharia Automática de Prompts — uma técnica separada do framework Analisar-Planejar-Executar descrito acima. A Engenharia Automática de Prompts (Zhou et al., 2022) usa IA para gerar e pontuar variantes de prompts automaticamente, encontrando formulações ótimas sem tentativa e erro manual. Veja como funciona:
- 1Defina sua tarefa, métrica de sucesso e alguns exemplos iniciais. Exemplo: Tarefa = 'classificar o sentimento de comentários de clientes.' Métrica de sucesso = 'precisão em 20 exemplos rotulados.' Exemplos iniciais = 3 mensagens de clientes variadas com rótulos de sentimento corretos.
- 2Use uma ferramenta APE ou ChatGPT para gerar automaticamente variantes de prompts. Forneça sua tarefa e exemplos, e pergunte: 'Gere 5 variações diferentes de prompt que possam resolver esta tarefa. Varie o estilo de instrução, os exemplos e as restrições.' Avalie cada variante em seu conjunto de testes.
- 3Pontue cada variante em sua métrica de sucesso. Execute todas as variantes em seus exemplos reservados. Registre precisão, velocidade e custo. O objetivo do APE é encontrar o melhor prompt sem tentativa e erro manual.
- 4Itere: escolha as 2 melhores variantes, peça ao otimizador que gere mutações delas. Se a variante 3 obteve 85% de precisão e a variante 5 obteve 82%, peça ao otimizador que 'gere variações semelhantes à variante 3 mas com ajuste específico.' Refine iterativamente.
- 5Uma vez que você tenha um prompt sólido, teste-o com dados novos para confirmar que generaliza. Seu prompt otimizado teve bom desempenho em seu conjunto de testes — agora verifique se funciona com exemplos novos não vistos. Se o desempenho cair, você pode ter superajustado seus dados de teste.
Leitura Relacionada
- Prompting Chain-of-Thought — a técnica de raciocínio que o APE formaliza em três etapas
- Qual Framework de Prompt Você Deve Usar? — comparação de APE vs CRAFT vs CO-STAR vs SPECS
- O Método de Prompt de Etapa Única — quando você NÃO precisa das três etapas do APE
- 5 Blocos de Construção que Todo Prompt Precisa — os blocos universais que as etapas do APE organizam
- Prompting de Persona — combine com a definição de função do APE para análise específica de domínio
- Encadeamento de Prompts — para tarefas muito complexas para um único prompt APE, encadeie múltiplas etapas APE
Fontes
- White et al. (2023). "A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT." arXiv:2302.11382 — taxonomia de padrões de prompt incluindo padrões de raciocínio estruturado
- Zhou et al. (2022). "Large Language Models Are Human-Level Prompt Engineers." arXiv:2211.01910 — o artigo original de Engenharia Automática de Prompts (APE)
- Anthropic. "Prompt Engineering Guide." docs.anthropic.com — melhores práticas de prompting estruturado
- OpenAI. "Prompt Engineering Guide." platform.openai.com — orientação de raciocínio passo a passo e saída estruturada