Nesta página
Imagine um catálogo de produtos que muda na segunda-feira. O prompt de um assistente ainda contém a lista da sexta. A equipe atualiza o prompt. Uma segunda cópia da lista antiga permanece nos exemplos usados para treinar o modelo. O assistente agora dá uma resposta atual e outra desatualizada na mesma sessão.
Essa falha é ilustrativa, mas o mecanismo é comum: o mesmo fato passou a morar em mais de um lugar.
Uma apresentação sobre prompts, recuperação e pesos de modelos traça uma divisão útil. O prompt diz ao assistente como se comportar. A recuperação traz conhecimento atual e citável para uma tarefa específica. A adaptação do modelo pode ensinar um padrão estável. Tratar os três como uma escada, começando pelo prompt, depois a recuperação e enfim o ajuste quando a resposta ainda estiver errada, diagnostica mal os erros factuais.
O prompt é um catálogo ruim
Prompts atraem porque são fáceis de editar. Acrescente um parágrafo e a próxima solicitação o carregará. Essa conveniência esconde dois custos. O fato é enviado em toda chamada, mesmo quando não importa. E um prompt longo torna mais difícil saber qual cópia de uma regra o modelo usou.
Uma instrução duradoura como “pergunte antes de enviar uma campanha” pertence perto do agente. Uma lista dos campos personalizados atuais desta loja, não. Ela pode mudar quando um administrador da conta acrescenta um atributo. Pode variar entre contas. Pode ser visível em um espaço de trabalho e proibida em outro.
O guia do conector da Brevo mostra por que as definições de campos importam na sincronização de contatos. Se um atributo não estiver declarado na conta de destino, um mapeamento que parecia lógico pelo nome talvez não produza o campo pretendido. O agente deve consultar o contrato atual da conta, não lembrar uma lista genérica de campos vista no treinamento.
Um resultado de busca útil é pequeno o bastante para ser questionado. Ele deve dizer a qual conta se aplica, quando foi lido e qual operação ou campo descreve. Se dois trechos recuperados discordarem, o sistema deve expor o conflito em vez de escolher silenciosamente o mais fluente. O próximo passo pode ser uma nova consulta ou revisão, não mais uma tentativa de reforçar o texto do prompt.
Recupere o fato com seu escopo
Um registro útil de conhecimento contém mais que texto. Precisa de fonte, versão ou momento da consulta, escopo da conta e um jeito claro de ser removido ou substituído. Uma definição de campo encontrada na conta de uma loja nunca deve virar regra universal para outra.
Uma pergunta sobre um atributo de contato pode então recuperar o menor trecho que responde a ela: nome do campo, tipo e conta onde ele existe. A resposta pode apontar de volta para essa fonte. Se o mapeamento falhar, a equipe pode perguntar se o fato estava desatualizado, se foi retornado um resultado da conta errada ou se o modelo entendeu mal um trecho correto.
São reparos diferentes. Uma mudança de prompt não corrige um filtro de busca que atravessa limites entre contas. Um modelo maior não consegue fornecer a definição de um atributo que ninguém consultou.
A explicação sobre MCP mostra como um agente consulta ferramentas. A ferramenta deve retornar o contrato relevante, enquanto a aplicação impõe quem pode vê-lo. Uma instrução textual dizendo “não revele dados de outra conta” não substitui uma consulta limitada à conta autorizada.
Essa divisão também acelera os reparos. Se um campo do destino for renomeado, atualize a fonte do esquema e invalide o mapeamento afetado. Se o agente entender repetidamente uma instrução estável de forma errada, mude a instrução ou teste um treinamento direcionado. Se a resposta estiver errada porque o buscador selecionou a conta incorreta, alterar os pesos do modelo não alcançará a causa. Cada classe de erro tem um responsável e um caminho de correção diferentes.
- Instrução duradoura
Como o assistente deve agir
- Consulta limitada ao contexto conta · versão · data
O que é verdade agora
- Decisão de mapeamento
Usar o fato atual nesta tarefa
- Gravação controlada
O código verifica permissão e escopo
Ensine padrões somente depois que se estabilizarem
Uma objeção justa seria: “Se um fato é usado o tempo todo, por que não treiná-lo em um modelo menor?”. Repetição por si só não basta. O fato precisa continuar correto entre atualizações do modelo, e o modelo precisa distinguir os contextos.
Um estilo estável de classificação pode, com o tempo, justificar um ajuste. A lista atual de campos de um fornecedor é uma candidata ruim. Mesmo que mude raramente, uma única resposta desatualizada pode gerar um mapeamento errado aplicado a muitos registros. Mantenha o fato onde uma pessoa possa inspecioná-lo e atualizá-lo.
A apresentação também adverte contra usar recuperação para resolver toda falha de raciocínio. Se o modelo não consegue comparar corretamente dois documentos relevantes, acrescentar outros cinquenta não vai ensiná-lo a raciocinar. Primeiro pergunte se o trecho certo chegou. Depois, se o julgamento sobre ele foi sólido.
Para quem cria uma integração, isso forma uma sequência de reparo: identifique a afirmação incorreta; examine o trecho recuperado sobre o campo ou a API; verifique conta e versão; corrija a fonte ou a busca se necessário; teste a decisão outra vez. Só então considere mudar o modelo.
O custo é manter uma camada real de conhecimento: atualização de fontes, controles de acesso e citações. O ganho é um fato que pode ser corrigido em um só lugar.
Um contrato mutável nunca deveria esperar que um modelo o esquecesse.
Perguntas frequentes
O que deve ficar no prompt de um agente?
Instruções curtas e duradouras sobre comportamento e limites. Um catálogo mutável, uma lista de campos específica de uma conta ou uma regra atual de fornecedor devem ser consultados em uma fonte autorizada quando necessários.
Por que não ajustar um modelo com a documentação atual?
O ajuste pode incorporar um fato mutável em pesos difíceis de inspecionar e atualizar. Primeiro garanta que o documento certo seja recuperado e citado na hora da decisão.
Como corrigir uma resposta factual errada?
Inspecione o documento fonte, sua versão, o filtro de busca e o trecho retornado. Corrija o fato ou o caminho de recuperação antes de mudar o modelo.