🎙️ Como a Engenharia de Prompt dá vida e Personalidade ao nosso J.A.R.V.I.S.

🌌 Projeto CodeVerse Python – #36/2025

👋 Fala, galera dev!

🚀 Chegamos ao artigo #36 do ProjetoCodeVersePython2025, e hoje vamos falar sobre um tema que está mudando o mercado de tecnologia: a Engenharia de Prompt e como ela é fundamental para transformar o nosso Jarvis em um verdadeiro assistente que conversa de forma natural.

🧠 O que é Engenharia de Prompt?

Engenharia de Prompt nada mais é do que a arte de conversar com a Inteligência Artificial da forma correta.

Pensa comigo: a IA não lê sua mente. Ela só entende o que você pede por meio do texto enviado (o prompt). Se você perguntar de forma vaga, a resposta vai sair vaga. Mas se você pedir de forma clara, estruturada e objetiva, a resposta vem muito mais útil e precisa.

É como quando o Tony Stark fala com o Jarvis. Se ele disser apenas “me ajuda”, o Jarvis ficaria perdido sem saber o que fazer. Mas se ele disser “Jarvis, analise a armadura, cheque os níveis de energia e prepare os mísseis”, o assistente entende exatamente o que precisa ser feito e executa de forma impecável.

📌 Hoje, Prompt Engineer já é uma profissão real, com empresas contratando especialistas apenas para criar prompts eficientes. É como saber dar instruções detalhadas para uma máquina muito inteligente. Então não devemos ficar reciosos com as novas tecnologias e sim se adaptar a elas, para evoluirmos juntos e a usarmos ao nosso favor.

👉 Para entender melhor, compare com o passado: há alguns anos, saber mexer no Pacote Office era um diferencial no mercado de trabalho. Hoje, é requisito básico em qualquer vaga. O mesmo vai acontecer com a IA: ou você aprende a operar a ferramenta com eficiência, ou será substituído por quem sabe. "Eu prefiro estar do lado de quem usa a IA. rs"

🎯 Como estruturar um bom prompt?

Saber estruturar um prompt é como aprender a dar ordens claras para um super-herói: quanto mais específico você for, melhores serão os resultados. A IA funciona do mesmo jeito, se você falar de forma vaga, ela pode se perder. Mas se der contexto, limites e identidade, ela vai agir exatamente como você espera. Vamos entender o passo a passo de como montar prompts que realmente fazem diferença e te devolvem o que voce realmente necessita.

Montar um bom prompt é como dar instruções para o Jarvis: quanto mais claro, detalhado e bem definido, melhor será o resultado. Para isso, podemos seguir algumas regras que profissionais de Engenharia de Prompt usam no dia a dia:

Defina o papel da IA (Role Prompting)

Sempre diga quem a IA deve ser.
Exemplo: “Você é Jarvis, assistente do Homem de Ferro. Responda de forma elegante e objetiva.”

Dê contexto e objetivo claros

Explique o que você quer e para quê.
Exemplo: “Explique o conceito de energia limpa para um adolescente, usando exemplos do dia a dia.”

Estabeleça restrições e formato da resposta

Diga se quer a resposta curta, longa, em tópicos, com exemplos, etc.
Exemplo: “Resuma em até 3 linhas, em formato de lista com emojis.”

Mostre exemplos (Few-shot Prompting)

Se possível, dê exemplos de como espera a resposta.
Exemplo:

Pergunta: O que é IA?
Resposta: IA é quando uma máquina consegue aprender e agir como um humano.

Agora peça: “Explique o que é Machine Learning seguindo o mesmo estilo.”

Peça revisão, simulação ou iteração

Mande a IA revisar ou melhorar a própria resposta.
Exemplo: “Revise o texto acima para deixá-lo mais profissional e corrido, sem perder a clareza.”

Evite ambiguidades

Palavras vagas como “bom”, “legal”, “interessante” confundem a IA. Prefira ser específico: “dê 3 exemplos práticos” ou “use linguagem simples”.

Use “passo a passo” (Chain of Thought simplificada)

Quando for algo complexo, peça para a IA pensar por etapas.
Exemplo: “Resolva esse problema de forma passo a passo e só depois dê a resposta final.”

👉 Essas técnicas fazem toda a diferença. Não é a IA que “erra” — muitas vezes é a forma como perguntamos. Ou seja, a qualidade da resposta depende da qualidade do prompt.

Exemplo de prompt mal feito:

Me fale sobre clima.

Exemplo de prompt bem estruturado:

Você é o Jarvis, assistente do Homem de Ferro. Responda de forma elegante e objetiva.  Explique como estará o clima em São Paulo amanhã em no máximo 2 linhas.

Percebeu a diferença? Ela não esta apenas no tamanho do prompt e sim em todo o contexto da pergunta enviada, orientando a IA em como deseja que seja elaborada sua resposta. No segundo exemplo, a IA já sabe quem ela deve ser, o que você quer e como responder.

🤖 Jarvis + IA na prática (código)

Agora vamos aplicar isso no nosso projeto Jarvis, conectando o reconhecimento de voz, o pyttsx3 (para falar) e a API do Google Gemini.

Nesse nosso código, vamos usar diversos conceitos já vistos em artigos anteriores como o usao da biblioteca do google importando-a a a chamando de genai para chama-la no código, assim como a biblioteca pyttsx3 e speech_recognition para captar nossa voz e trasscrever em texto para o que o JARVIS entenda, assim como pegar o texto do JARVIS e o transformar em voz para nos reponda de uma forma mais humana.

import speech_recognition as sr
import pyttsx3
import google.generativeai as genai

# Configuração da API do Google Gemini
google_api_key = "SUA_CHAVE_API_AQUI"
genai.configure(api_key=google_api_key)

# Inicializa voz
engine = pyttsx3.init()
def falar(texto):
  engine.say(texto)
  engine.runAndWait()

# Inicializa reconhecimento de voz
r = sr.Recognizer()

# Prompt base que guia o estilo de resposta do Jarvis
prompt_base = """
Você é o J.A.R.V.I.S., assistente do Homem de Ferro.
Responda de forma elegante, objetiva e inteligente.
Sempre fale como se estivesse ajudando o Tony Stark.
"""

# Inicia microfone
with sr.Microphone() as source:
  print("Jarvis está ouvindo... 🎤")
  r.adjust_for_ambient_noise(source, duration=0.8)
  audio = r.listen(source, timeout=5)

try:
  comando = r.recognize_google(audio, language="pt-BR")
  print("Você disse:", comando)

  # Envia comando para a API do Gemini com o prompt estruturado
  model = genai.GenerativeModel("gemini-1.5-flash")
  resposta = model.generate_content(prompt_base + comando)

  print("Jarvis:", resposta.text)
  falar(resposta.text)

except sr.UnknownValueError:
  print("Jarvis: Não entendi o que foi dito.")
  falar("Perdão, não consegui entender o que o senhor disse.")
except sr.RequestError:
  print("Jarvis: Problema de conexão com o serviço de voz.")
  falar("Infelizmente não consegui me conectar à rede.")

📖 Explicando o código (linha a linha):

prompt_base → é onde configuramos como o Jarvis deve se comportar. Aqui damos identidade e regras (elegante, objetivo, estilo do Homem de Ferro, usando as tecnicas aprendidas de engenharia de prompt).
Reconhecimento de voz (speech_recognition) → transforma sua fala em texto.
Envio para API (genai.GenerativeModel) → manda o comando do usuário + o prompt base.
resposta.text → traz a resposta configurada já no estilo Jarvis.
pyttsx3 → faz o Jarvis falar a resposta em voz alta.

Com isso, temos o ciclo completo: 🎤 Você fala → 🧠 Jarvis entende → ⚡ IA gera resposta → 🗣️ Jarvis responde em voz.

🔮 Conclusão

Chegamos a um ponto incrível no nosso projeto: agora o Jarvis não apenas entende o que falamos, mas também responde configurado para agir como um verdadeiro assistente pessoal com direito ao toque sarcástico que só o J.A.R.V.I.S. teria. 😏

Nossa aplicação já é capaz de reconhecer a voz, transformar em texto e enviar tudo para a IA do Google através de uma API. Esse input vai junto de um prompt pré-programado, que dá ao Jarvis identidade e contexto, garantindo que a resposta venha no estilo esperado. O resultado chega em texto, é convertido em voz novamente, e em questão de segundos temos uma conversa real com nosso próprio Jarvis.

A engenharia de prompt é a chave que transforma respostas genéricas em diálogos inteligentes, personalizados e realmente úteis. E lembre-se: ou você será o profissional que domina a IA para acelerar seu trabalho, ou será substituído por quem sabe usá-la.

🚀 Estamos cada vez mais próximos de ter um Jarvis real!

👉 Curtiu esse artigo? Me siga no GitHub e no LinkedIn para acompanhar cada passo do Projeto CodeVersePython2025.

Porque o futuro não é esperar a tecnologia chegar. É a gente criar ele hoje. ⚡