Foto: Nick Tiemeyer / Unsplash
IA
Empilhar no prompt de sistema regras que se contradizem faz o modelo escolher sozinho qual seguir e o comportamento mudar de uma conversa pra outra
Pedro Toledo · 2 de novembro de 2026 · 3 min de leitura
Empilhar no prompt de sistema regras que se contradizem faz o modelo escolher sozinho qual seguir e o comportamento mudar de uma conversa pra outra — porque a hierarquia entre instruções é aprendida no treinamento, não garantida por regra, e pesquisas mostram que os modelos nem sempre dão prioridade à instrução do desenvolvedor diante de um conflito. Por que acrescentar uma regra a cada problema parecer manutenção, o que caracteriza um prompt de sistema sem conflitos, e como perceber se as instruções atuais estão se contradizendo.
Acrescentar uma regra ao prompt a cada erro do modelo costuma parecer a forma natural de manter o sistema. Relê-lo inteiro, procurando regras que mandam coisas opostas, revela os conflitos que a manutenção linha a linha esconde.
Empilhar no prompt de sistema regras que se contradizem faz o modelo escolher sozinho qual seguir e o comportamento mudar de uma conversa pra outra — porque a hierarquia entre instruções é aprendida, não garantida.
Por que acrescentar uma regra a cada problema parece manutenção
Cada falha vira uma linha nova, e o prompt cresce sem que ninguém releia o conjunto. Com o tempo, duas regras passam a mandar coisas opostas pra uma mesma situação — por exemplo, "seja breve" e "explique sempre os motivos" —, e o modelo resolve o conflito a cada conversa de um jeito, o que dá a impressão de comportamento aleatório.
O que caracteriza um prompt de sistema sem conflitos
Um prompt consistente tem regras curtas, prioridade explícita quando há tensão e revisão do conjunto a cada mudança. Isso tem relação direta com ajustar o prompt e a instrução de sistema especificamente pro comportamento de um modelo de IA e criar dependência escondida — os dois casos apontam pro mesmo princípio de fundo: o prompt de sistema é uma peça frágil que precisa ser tratada como código, com revisão e teste, seja pela dependência de um modelo específico, seja pelas regras que se chocam.
O que a pesquisa mostra sobre a hierarquia
Um artigo de 2025, "Control Illusion", afirma que a separação entre instruções de sistema e do usuário não garante uma hierarquia confiável, e que os modelos se confundem até com conflitos simples. A OpenAI descreve uma hierarquia treinada e relata melhora com treinamento específico. Uma fonte de praticantes diz que a regra do sistema costuma prevalecer sobre uma contradição vinda de uma página da web, mas trata o comportamento como aprendido, não garantido.
Como perceber se as instruções se contradizem
A forma prática é reler o prompt de sistema e procurar pares de regras que mandam coisas opostas pra uma mesma situação, e montar perguntas de teste que as colocam em choque. Se o modelo segue uma regra numa conversa e outra na seguinte, o conflito está no prompt, e a solução é reescrevê-lo com uma prioridade clara, não acrescentar outra regra.
Um exemplo prático
O prompt de um assistente de atendimento diz "responda sempre em até três linhas" e, mais abaixo, "sempre explique a política de reembolso completa". Em algumas conversas o modelo responde curto e omite a política, em outras escreve um parágrafo longo. A equipe reescreve o prompt com uma prioridade ("respostas curtas, exceto quando o cliente perguntar sobre reembolso, quando a política completa deve ser explicada") e testa os dois casos.
O ponto central
Antes de acrescentar mais uma regra ao prompt, vale reler as que já existem. Instrução que se contradiz não é cumprida; é decidida pelo modelo, de um jeito diferente a cada vez.
