Prompts de Ancoragem: Como Impedir que a IA Invente Sintaxe de um Pacote (2026)

Este artigo sobre prompts de ancoragem começa com um exemplo real: no nosso teste de alucinações ao vivo, o Gemini acertou o nome de um pacote Python real e recente, o tabulate-html, e mesmo assim inventou a forma de o usar: escreveu tables[0].to_dicts(), um método que não existe. A função real chama-se parse_html_tables e já devolve os dados prontos, sem passo extra nenhum. O pacote era verdadeiro. A sintaxe, não. Este artigo mostra a técnica mais direta para evitar precisamente este tipo de erro: ancorar a IA na documentação real antes de pedires código.

Resposta rápida

Chama-se prompts de ancoragem (ou “grounding” em inglês) à técnica de colar a documentação real de um pacote, biblioteca ou API diretamente no prompt, antes de pedires código, e instruir explicitamente a IA a usar só o que está ali escrito. Funciona porque tira a IA do modo “adivinhar com base no que aprendi” e põe-na no modo “ler e citar o que tenho à frente”, que é uma tarefa muito mais fácil para um modelo de linguagem. É especialmente útil para pacotes lançados depois da data de corte de conhecimento da IA, que ela nunca viu durante o treino.

Como Impedir que a IA Invente Sintaxe de um Pacote, Passo a Passo?

1. Encontra a documentação real do pacote. Na página do pacote no PyPI (ou no npm, para JavaScript) há normalmente um separador com o conteúdo do README. Se não houver, o repositório no GitHub tem quase sempre o ficheiro README.md na raiz.
2. Copia o texto bruto, não a versão formatada. No GitHub, clica em “Raw” para veres o markdown sem formatação. É mais denso, mas garante que copias tudo, incluindo blocos de código que às vezes se perdem ao copiar a versão renderizada.
3. Cola o texto completo no prompt, antes do pedido. Não resumas nem cortes partes “que parecem não interessar”. A IA precisa do contexto completo para saber o que existe e o que não existe.
4. Dá a instrução de ancoragem explícita. Por exemplo: “Usa estritamente as funções, classes e métodos listados no texto acima. Se precisares de algo que não está descrito aqui, diz-me claramente que não sabes, não inventes a sintaxe.”
5. Pede o código depois disso, na mesma conversa. Não abras uma conversa nova a meio, perdes a ancoragem que acabaste de construir.

Um exemplo de prompt completo, juntando tudo: “Aqui está o README do pacote X [cola o texto]. Usando estritamente as funções listadas neste texto, escreve uma função em Python que faça Y. Se a função de que precisas não estiver descrita aqui, diz-me isso em vez de inventares o nome ou os parâmetros.”

Quais São os Limites dos Prompts de Ancoragem?

Ancorar não é uma garantia absoluta, e vale a pena dizê-lo claramente em vez de vender isto como solução perfeita:

• READMEs incompletos continuam a ser um problema. Muitos pacotes novos têm documentação mínima. Se o README não descreve um parâmetro que existe, a IA continua sem saber dele, e a instrução “não inventes” só evita que ela minta, não lhe dá conhecimento que não tens para lhe dar.
• Documentação muito longa pode ultrapassar o que vale a pena colar de uma vez. Para um pacote pequeno, um README inteiro cabe sem problema. Para um framework grande com dezenas de páginas de documentação, colar tudo de uma vez deixa de ser prático, e aí a técnica certa passa a ser outra, que já explicámos no RAG Caseiro: dar à IA acesso pesquisável a vários documentos, em vez de colar tudo de uma vez num único prompt.
• Continua a precisar de verificação. Ancorar reduz drasticamente a probabilidade de erro, mas não a elimina. Corre sempre o código antes de o levares para produção, exatamente como recomendámos no teste de alucinações.

Vale ainda referir que já existem ferramentas que automatizam esta ideia de prompts de ancoragem sem teres de copiar e colar manualmente, como o Context7, um servidor MCP gratuito e de código aberto que injeta documentação atualizada diretamente no teu editor (Cursor, VS Code, entre outros) sempre que pedes código. É o mesmo princípio de ancoragem, só que automático em vez de manual.

Para resumir

O caso do Gemini a inventar .to_dicts() num pacote que existia de verdade mostra onde o risco real está: não na mentira óbvia, mas no detalhe pequeno que soa perfeitamente credível. Os prompts de ancoragem, ou seja, colar a documentação real no prompt com uma instrução explícita para não inventar o que não está lá, são a forma mais direta e gratuita de reduzir esse risco, sobretudo em pacotes lançados depois da data de corte da IA que estás a usar. Não substitui testar o código, mas tira a IA do papel de “adivinhar” e põe-na no papel, muito mais fiável, de “ler e citar”.