E agora a gente vai falar com um camarada chamado Directional Stimulus ou Directed Prompting. E ele pode gerar um pouquinho de confusão na sua cabeça para confundir em relação aos outros itens que a gente viu, mas eu vou tentar mostrar as diferenças mais sutis aqui. Então o Directed Prompting ou Directional Stimulus é uma técnica que guia a resposta do modelo a utilizar verbete, comando ou estímulos direcionais. Ou seja, quando você tenta deixar ela mais direcionada para responder de alguma forma. Ou seja, ao invés de eu trabalhar com um prompt completamente vago, eu vou indicar ao modelo a forma de como ele deve pensar. Ou seja, eu influencio o modelo a pensar da forma como eu estou querendo. Quando que eu utilizo? Quando é necessário obter respostas previsíveis ou formatadas. Ou seja, a formatação da mensagem, ou a resposta, para mim é importante. A forma de como ela vai trazer. E aí você já deve estar pensando, qual a diferença disso do Skeleton of Thoughts? Segura a onda. Quando eu desejo guiar o raciocínio para um estilo de resposta. Então a onda, quando eu desejo guiar o raciocínio para um estilo de resposta, então perceba que nesse caso, eu não estou falando apenas no esqueleto final de resposta ou seja, eu estou fazendo o raciocínio tender para ele responder num determinado estilo, mas isso não significa que nessa determinação de estilo vai forçá-lo ele responder de uma forma totalmente engessada. Quando a resposta precisa estar num formato parciável. Isso aqui é interessante, né? Responde em JSON, responde em XML, responde em Emo, tá? Quando a tarefa exige um foco explícito, responda como um arquiteto. Explique em tópicos, tá? Mas, se você perceber eu estou apenas direcionando eu não estou engessando diretamente uma resposta baseada nas sessões no esqueleto tão forte quanto no skeleton of thought qual que é o grande benefício disso eu diminuo a ambiguidade contradições e alucinações. Eu padronizo um pouco o formato das respostas. Ele vai melhorar a utilidade programática de saída, ou seja, a forma de como ele pode trazer pra mim dados estilizados no formato de interface, por exemplo, tá? Outro ponto, ele permite um controle educado do comportamento do modelo, sem a necessidade de complexidade. Ou seja, eu garanto que o modelo, ele não vai ficar viajando e pensando em muitos outros caminhos de raciocínio que é o que nesse caso a gente não quer, que acaba sendo um pouquinho oposto do Tree of Thoughts, por exemplo. Tá? Então tá aqui o link do paper, tá? E vamos andar aqui pra ele pra gente conseguir ter palavras-chave pra direcionamento, tá? Então, por exemplo, list, compare, explique com exemplo, responde em JSON, justifique cada item. Explique como um arquiteto faria. Divida em tópicos, contexto, estratégia, risco e conclusão. Se você perceber, tá? Eu só estou estimulando, na maioria das vezes. Eu não estou necessariamente criando um esqueleto. Por isso que eu estou querendo fazer, tentar deixar um exemplo bem claro de que eu não estou trabalhando com Skeleton of Thought. Falar que vai ter exemplo, ele força a trazer exemplos para mim, mas não necessariamente quantos exemplos, no formato exatamente dos exemplos. Então, quando eu falo em lista, eu estou forçando com que ele traga em bullet points. Quando eu falo para ele comparar eu estou falando pra ele trabalhar entre essas opções, então se você perceber eu não estou engessando um modelo, trabalhar necessariamente de uma única forma mas eu estou estimulando ele a pelo menos trabalhar com um mínimo de formato pra eu conseguir ter uma direção mais clara baseado na minha própria linha de raciocínio ou da forma como eu quero utilizar aquele tipo de resposta. Então, eles são comandos que atuam como estímulos condicionais. Ele altera tanto o formato quanto a profundidade da resposta. Então, isso muda o jogo também, pessoal. Então, aplicações e engenharia de software, gerar documentação técnica com uma estrutura específica, ou seja, eu consigo setar uma estrutura de uma determinada documentação similar ao Skeleton of Thought. Por outro lado, listar vantagem e desvantagem. Nesse caso, eu estou estimulando trabalhar com listas. Descrever um fluxo, cash, filas, escalabilidade. Ou seja, eu estou focando na... Como que eu posso dizer? Eu estou focando numa ideia passo a passo, mas esse passo a passo eu estou estimulando ele pensar em qual esse passo a passo, mas esse passo a passo eu estou estimulando ele pensar em qual esse passo a passo, tá? Ou padronizar o output para consumo de um sistema. Por exemplo, o JSON-EM, o sistema vai consumir aquelas informações naquele determinado formato. Então perceba que aquilo ali é um estímulo, mas não é um estímulo algo tão factual. Não é um estímulo extremamente forte e pesado como as outras linhas de raciocínio que a gente acabou falando. Por isso que, normalmente, esse cara é utilizado um pouquinho combinado. Então, exemplo, comparação de tecnologias com Direction Stimulus. Compare as tecnologias Kafka, RabbitMQ e Amazon SQS para um sistema distribuído. Responda nos tópicos, características, isso, isso, aquilo. Então, se você perceber, nesse momento, eu estou pedindo para ele fazer uma comparação, estou falando que o sistema é distribuído. Ou seja, nesse caso, eu já faço ele aprofundar a minha resposta baseada em sistema distribuído. Responda nos tópicos, ou seja, apesar de ele ter também uma espécie de um esqueleto, tá? Eu estou pedindo tipos de resposta. Então, se você olhar pessoal, esse cara ele estimula o resultado da IA e ele é utilizado em conjunto com todos os tipos de encadeamento de pensamento, trio of thoughts, skeleton of thoughts porque esses encadeamentos, eles só, trio of thoughts, skeleton of thoughts. Porque esses encadeamentos, eles só acontecem porque nós estimulamos. E o estímulo é exatamente isso que eu estou trabalhando. Então, resposta esperada, característica, throughput, ele está trazendo isso em um formato de lista, cada um dos caras. Ou seja, ele trouxe essa análise, eu consegui formatar um pouco a resposta, tá? e eu estimulei ele responder dessa forma então perceba que o estímulo é algo inclusive que é utilizado nos outros tipos de prompt que a gente acabou falando, tá? então por isso que é interessante você saber que você estimula a IA pra ela trazer de alguma determinada forma e aqui eu gerei uma tabelinha, porque eu sei que isso acaba gerando um pouco de confusão, que é o estímulo direcional versus skeleton of thought. Por exemplo, skeleton of thought em relação a tipo de controle. A estrutura é rígida com seções muito definidas. O direct prompting, o estímulo é leve, baseado em instruções textuais. Ou seja, eu consigo determinar uma estrutura, mas essa estrutura é mais leve. Você dá uma flexibilidade um pouco maior. O modelo deve seguir tópicos? Sim. O skeleton of thoughts, eu falo, tem que ser isso, isso, aquilo. O direct prompting, não necessariamente eu posso falar pra ele trabalhar em cima daqueles tópicos. Liberdade de formatação. O Skeleton of Thoughts tem uma liberdade baixa, porque ele é extremamente rígido. O Direct Prompting, ele dá liberdade de de formatação é média, porque ainda assim, você consegue gerar aquela formatação é média, porque ainda assim você consegue gerar aquela formatação, mas não necessariamente ela é a formatação mais rígida do mundo, onde eu especifico detalhe por detalhe. Uso típico, documentação, especificação, planejamento. A direct prompting, a comparação, resposta formatada, controle no estilo. Perceba que não é controle necessariamente na resposta, é inclusive no estilo. Perceba que não é controle necessariamente na resposta, é inclusive no estilo da resposta. Então, isso aí é importante. Por exemplo, responda como um adolescente de 16 anos. Estou usando um estímulo direcional. Então, isso aí é importante para você se ligar. Exemplo de prompt, preenche os tópicos. Visão geral, arquitetura, risco, conclusão. Directed, né? Liste as vantagens e desvantagens da arquitetura em tópicos. O direct prompt eu posso colocar liste as vantagens, ah, aqui tá duplicado, tá galera? Erro meu aqui, falha minha. Basicamente esse é o skeleton of thought até a conclusão e o directed é liste as vantagens e desvantagens na arquitetura em tópicos. Eu estou falando, estimulando ele a responder estópicos, estou falando vantagem e desvantagem. Agora, preencha os tópicos, visão geral, arquitetura, risco e conclusão, eu estou sendo extremamente rígido, tá? Então, essa que acaba sendo aí essas diferenças que acabam fazendo a diferença pra você estimular, mas não ter uma arquitetura extremamente rígida com isso aí. Maravilha? Estou de bola? O próximo que a gente vai falar vai ser o React. Vamos nessa.