Engenharia de Prompt + Programação: Como Trabalhar com IA na Prática (Com Código Python Integrado)

A engenharia de prompt vai além de simplesmente escrever frases bem formuladas para a IA.

Na prática, os engenheiros de prompt de maior sucesso são aqueles que conseguem unir a força da linguagem natural com a lógica da programação. Eles criam automações, sistemas inteligentes, aplicações e fluxos de trabalho reais que resolvem problemas complexos — e, claro, recebem bem por isso.

Se você está curioso sobre como é o cotidiano de um engenheiro de prompt que também é programador, você está no lugar certo.

Neste artigo, você vai aprender:

✅ Como usar Python para interagir com IA

✅ Como estruturar prompts em contextos técnicos

✅ Como integrar IA com APIs, bancos de dados e sistemas reais

✅ Como gerar código, transformar texto em ações e criar automações inteligentes

Prepare seu VSCode e vamos nessa.

1. O básico: como usar Python para se comunicar com a OpenAI

Primeiro, o engenheiro de prompt precisa integrar sua aplicação ao modelo da OpenAI (ex: GPT-4). Com a biblioteca oficial, isso é bem simples de fazer.

pip install openai
python
CopiarEditar
import openai

openai.api_key = 'SUA_CHAVE_AQUI'

def gerar_resposta(prompt):
  resposta = openai.ChatCompletion.create(
      model='gpt-4',
      messages=[
          {'role': 'system', 'content': 'Você é um especialista em código Python.'},
          {'role': 'user', 'content': prompt}
      ]
  )
  return resposta['choices'][0]['message']['content']

Agora, qualquer prompt técnico pode ser enviado, e a resposta será utilizada diretamente no seu código.

2. Gerando código real com prompts

Imagine que você precisa de um script que leia dados de um arquivo CSV e os salve em um banco SQLite. Em vez de escrever tudo manualmente, você pode usar um prompt direcionado:

prompt = """
Gere um código Python que leia um arquivo CSV chamado 'dados.csv', trate os dados removendo linhas vazias,
e insira o conteúdo em uma tabela chamada 'usuarios' em um banco SQLite chamado 'meubanco.db'.
"""
print(gerar_resposta(prompt))

O retorno será um código funcional que pode ser executado, testado e adaptado conforme necessário. Isso acelera o desenvolvimento e transforma o programador em um verdadeiro arquiteto de soluções.

3. Criando assistentes de programação personalizados

Você pode ir além e criar um assistente de programação que aprende com o seu projeto. Para isso, basta fornecer o contexto correto:

def gerar_assistente(contexto_codigo, tarefa):
  return gerar_resposta(f"""
Você está ajudando a desenvolver um sistema. Aqui está o código existente:
{contexto_codigo}


Baseado nisso, {tarefa}
""")

Exemplo de uso:

codigo_existente = open('app.py').read()
tarefa = "crie uma nova função que calcula o total de vendas por cliente"
print(gerar_assistente(codigo_existente, tarefa))

A IA entenderá o código e sugerirá complementos compatíveis.

4. Criando uma API REST com IA auxiliando em cada etapa

Suponha que você deseje gerar uma API Flask. Você pode iterar com a IA passo a passo:

etapas = [
  "crie um esqueleto básico de uma API REST com Flask",
  "adicione rota POST para cadastrar usuário (nome, email)",
  "adicione rota GET que lista todos os usuários (use SQLite)",
  "adicione autenticação por token na rota POST"
]


for etapa in etapas:
  print(gerar_resposta(etapa))

A cada etapa, a IA gera um trecho de código. Você insere no projeto, testa e continua. Assim, você progride no desenvolvimento com a IA guiando o processo.

5. Prompt + Programação + Automação: Um caso real

Imagine que seu cliente deseja um sistema que:

1. Recebe um texto do cliente
2. Resume esse texto
3. Salva o resumo em um banco
4. Envia o resumo por e-mail

Você pode realizar tudo isso com Python + Engenharia de Prompt:

import sqlite3
import smtplib
from email.message import EmailMessage


def resumir_texto(texto):
  prompt = f"Resuma o texto abaixo em até 5 linhas, com linguagem clara e objetiva:\n\n{texto}"
  return gerar_resposta(prompt)


def salvar_resumo(no_banco, texto_original, resumo):
  conn = sqlite3.connect(no_banco)
  cursor = conn.cursor()
  cursor.execute('CREATE TABLE IF NOT EXISTS resumos (id INTEGER PRIMARY KEY, original TEXT, resumo TEXT)')
  cursor.execute('INSERT INTO resumos (original, resumo) VALUES (?, ?)', (texto_original, resumo))
  conn.commit()
  conn.close()


def enviar_email(resumo, para_email):
  msg = EmailMessage()
  msg.set_content(resumo)
  msg['Subject'] = 'Resumo Gerado com IA'
  msg['From'] = 'seuemail@exemplo.com'
  msg['To'] = para_email


  with smtplib.SMTP('smtp.exemplo.com', 587) as smtp:
      smtp.starttls()
      smtp.login('seuemail@exemplo.com', 'sua_senha')
      smtp.send_message(msg)

O fluxo principal seria:

texto = input("Cole o texto aqui:\n")
resumo = resumir_texto(texto)
salvar_resumo('resumos.db', texto, resumo)
enviar_email(resumo, 'cliente@exemplo.com')
print("Resumo enviado com sucesso!")

Você criou uma solução de produtividade real com IA.

6. Você não é substituído pela IA. Você comanda a IA.

O engenheiro de prompt que tem domínio técnico não é apenas um usuário do ChatGPT.

Ele:

 💡 Pensa como estrategista

💻 Codifica como desenvolvedor

🧠 Planeja como arquiteto de soluções

🔧 Utiliza a IA como uma ferramenta poderosa — não como um atalho

Com essa abordagem, mantivemos a essência do conteúdo, mas com um toque mais fluido e conciso.

No fim das contas, trabalhar com IA na prática é saber unir criatividade com código. A engenharia de prompt não é sobre escrever “textão bonito” — é sobre conversar com a IA de forma estratégica, dando a ela as instruções certas pra construir algo útil, funcional e até lucrativo.

Se você programa e aprende a fazer prompts bem estruturados, está um passo à frente da maioria. E quanto mais você experimenta, mais descobre que a IA vira praticamente um co-piloto do seu processo de desenvolvimento.

Agora é com você: abre o VSCode, testa os exemplos e começa a brincar com suas próprias ideias. Porque o futuro da programação não é só código — é código com conversa.