Bom, pessoal, ainda falando aí em zero-shot, já dá para perceber que é uma das coisas que a gente mais faz no dia a dia. Por outro lado, quando a gente está falando em desenvolvimento, nós também, de forma geral, a gente tem boas práticas, tá? E muitas dessas boas práticas são feitas por empresas grandes, tá? E é isso que eu queria falar aqui para vocês, tá? Que quando a gente fala de zero-shot, chamado in-context instruction learning. Ou seja, mesmo sem exemplo, porque o grande ponto do zero-shot, novamente eu reafirmo aqui com você, é quando você escreve algo, pede algo, e não dá nenhum exemplo do que você está querendo. Então, existe algo que a gente chama de in-context instruction learning. Isso significa o quê? Mesmo sem exemplo, exemplo do que você está querendo. Então, existe algo que a gente chama de In Context Instruction Learning. Isso significa o quê? Mesmo sem exemplo, a gente consegue estruturar prompts com clareza, tá? Ou seja, a gente fala persona, quem é o público, quem é a pessoa ou qual que é a especialidade dela, o formato que a gente quer trabalhar e o objetivo. Então, isso vai ajudar a gente a responder melhor o modelo. Ou seja, a gente vai ter instruções mais detalhadas de performance com o zero shot. Por exemplo, explique o que é uma goal routine. Agora, eu posso colocar, você é um especialista em goal. Escreva dois parágrafos explicando o que é uma goal routine, como ela é usada e quais são suas limitações. Seja claro, técnico e direto. Você consegue perceber que a gente já vai para um outro nível. Eu falo quem é a persona, eu falo qual é o formato que eu quero trabalhar e qual é o meu objetivo daquilo que eu estou pedindo. E perceba, estou fazendo isso de forma declarativa. A Microsoft gerou também, né? Um guia de boas práticas pra você conseguir trabalhar, né? Então, aqui eu tô trazendo alguns pontos de boas práticas, eu tô deixando o link aqui também da Microsoft, pra que você consiga olhar com mais calma depois. Então, boas práticas da Microsoft. Especificar o papel do modelo. Você é um especialista em especificar a saída desejada, responda em tópicos ou retorne isso em JSON e garantir que o modelo compreenda a meta, ou seja, o objetivo que ele tem. Então, você é um consultor técnico, o seu trabalho é analisar esse trecho de código e sugerir melhorias de performance, responda tópicos e justifique cada sugestão. Galera, você consegue perceber, novamente, né, eu fico bem empolgado na hora que eu tô falando sobre prompt, eu nunca pensei que eu iria ficar na realidade, mas dá para perceber, se você olhar a forma como talvez nos dias de hoje você use a IA, e da forma como esse texto foi feito, como as coisas podem trazer diferenças bem grandes para você, então tem um ponto aqui que é importante, apesar desse exemplo fornecer instruções estruturadas, ele não apresenta nenhum exemplo anterior. O modelo precisa inferir a tarefa com base apenas na instrução natural. Por que eu estou dizendo isso? Porque apesar de eu falar quem é o especialista e eu especificar a ideia de saída, tem muita gente que começa a falar e perguntar, será que esse, então, ao invés de ser um zero-shot learning, isso é um one-shot ou um few-shot learning? A gente vai falar sobre esses outros tipos em seguida. Mas será que isso não é? Então, basicamente é, se não tem exemplo anterior, é zero shot. Pronto, tá? Então, independente do nível de complexidade que é a pergunta, se não tem exemplo, é zero shot, tá? E aqui é um link da Microsoft, vou até abrir rapidamente aqui com você, onde ela gera aqui para a gente, tá? Como, né, aqui ele, obviamente, ele tá falando do Codex, que é uma ferramenta de OpenAI e tudo mais, como que ele trabalha com Prompt Engineering, mas aqui ele começa, na realidade, explicar meio que pra gente o Beabá. Mas o mais legal de tudo isso é que como, nesse momento, ele tá ensinando você a utilizar uma ferramenta da OpenAI que é o Codex, por exemplo ele vai mostrar pra você como você pode utilizar as chamadas escolher os tipos de resultado aqui tem tarefas que ele dá exemplo, tarefas que ele não dá exemplo, e aquias que ele não dá exemplo, e aqui ele vai te ajudar, né, a mostrar como que a diferença da forma do prompt muda completamente o resultado, né? Então, isso aqui é bem bacana, ele dá exemplos, aí ele fala sobre o zero shot, one shot, few shot, e aqui ele vai encadeando, tá? Então, esse material é muito legal, eu recomendo que você leia. Então, ó, o contexto com o exemplo, né? Daí ele vai dar contexto, exemplos, história, né? Então, vai aumentando o nível de camada até a gente ter, no final das contas, né? Mais entradas pra você fazer algo que a gente chama de fine-tuning, onde você vai comparando dados, comparando inclusive modelos, e vai ajustando detalhes bem finos para ele ficar cada vez melhor. Então, isso aí é algo bem interessante. Então, dê uma olhada com calma. Apesar disso aqui ser um exemplo específico que ele traz sobre o Codex, né, e também a utilização de ferramenta, ele fala bastante sobre isso. Inclusive, tem links aqui explicando, né, onde ele manda pra Wikipedia explicando o que é Prompt Engineering e etc. Então, saiba, pessoal, que o nome, inclusive, Prompt Engineering, não é só um nome que algum maluco colocou, não. São nomes nesse momento, tá? Formais, que empresas grandes utilizam. Então, não é algo simplesmente inventado por um carinha que queria fazer uma modinha, tá? São nomes realmente formalizados no mundo de inteligência artificial, tá? Usado por Microsoft, OpenAI, Anthropic, todas essas grandes empresas falam a mesma língua e reconhecem Prompt Engineering ali como uma técnica e hoje em dia tem, vamos dizer assim, profissões realmente de pessoas especializadas em fazer isso, porque é complexo, pessoal. É complexo. Fechou? Então, voltando, a gente estava falando aqui especificamente sobre o zero-shot learning. A gente falou de um pouco de boas práticas. Espero que tenha feito sentido para você. Novamente, você vai perceber que durante esse curso tudo tem a ver com nuances. Tudo tem a ver com uma pequena frase muda completamente o resultado. E você vai perceber que isso vai aumentando a intensidade conforme a gente vai escolhendo e entendendo outros tipos de prompt, fechou? Então é isso aí, somente para a gente complementar essa parte de In Context Instruction Learning. Um grande abraço e até mais.