Google Gemini, Claude, ChatGPT e Perplexity permitem guardar instruções que moldam a linguagem, as fontes e o formato das respostas. Para o usuário, isso reduz a repetição de comandos, libera espaço na conversa e transforma um chatbot genérico em uma ferramenta voltada a tarefas específicas.
O mecanismo aparece com nomes diferentes em cada serviço. O Gemini oferece as Gems, o Claude e o ChatGPT concentram a configuração em Projetos, enquanto o Perplexity reúne instruções e arquivos em Espaços (Spaces), que a empresa vem reorganizando como Projetos. A disponibilidade e os limites podem variar conforme o plano, a conta e a versão do aplicativo.
Esses recursos atacam um problema recorrente da inteligência artificial generativa. Sem contexto persistente, a pessoa precisa explicar novamente o objetivo, o público, as restrições e a estrutura desejada a cada conversa.
As regras armazenadas não tornam o modelo infalível. Elas diminuem a margem para respostas genéricas e dão ao usuário mais controle sobre a forma como a tecnologia executa uma tarefa.
Comece por uma função concreta
Um assistente personalizado funciona melhor quando recebe uma missão delimitada. “Ajudar no trabalho” deixa decisões demais nas mãos do modelo. “Organizar atas de reunião em decisões, responsáveis e prazos” define uma entrega verificável.
A mesma lógica serve para pesquisa, estudo, planejamento financeiro, curadoria de notícias e organização de projetos. Um profissional pode configurar a ferramenta para resumir documentos sem alterar números. Uma estudante pode exigir explicações em etapas e pedir que toda afirmação venha acompanhada da referência usada.
O objetivo deve dizer quem utilizará o resultado e para qual finalidade. Também precisa separar o que o sistema pode fazer daquilo que depende de decisão humana.
Escreva regras que possam ser conferidas
As instruções mais úteis tratam de comportamento observável. O usuário pode determinar o tamanho máximo da resposta, proibir certos termos, exigir tabelas, estabelecer uma ordem de trabalho ou limitar a pesquisa a documentos selecionados.
Pedidos vagos como “seja melhor” ou “responda com qualidade” oferecem pouca orientação. Uma regra como “apresente primeiro a conclusão, depois três evidências e, no fim, as lacunas encontradas” permite conferir se a entrega respeitou o combinado.
Um conjunto básico pode reunir objetivo, função, público, fontes autorizadas, formato, limites e rotina. Também convém informar quando o sistema deve admitir que não encontrou elementos suficientes, em vez de completar a resposta com uma suposição.
O usuário pode pedir ao próprio chatbot que ajude a elaborar essas instruções. Um comando inicial deve informar a finalidade do assistente e solicitar perguntas sobre público, materiais disponíveis, frequência de uso, formato esperado e condutas proibidas.
As respostas servem de matéria-prima para uma versão consolidada. Antes de salvá-la, a pessoa precisa remover ambiguidades e conferir se duas ordens não entram em conflito.
Escolha as fontes antes da resposta
A personalização também permite reduzir a dependência de informações aleatórias encontradas na internet. Quando a plataforma aceita arquivos de referência, o usuário pode fornecer manuais, planilhas, relatórios, normas ou textos próprios para orientar o trabalho.
Esse cuidado não garante precisão absoluta. Modelos generativos ainda podem interpretar um documento de forma errada, ignorar uma exceção ou atribuir ao arquivo algo que ele não contém.
Uma regra de segurança pode exigir que cada resposta identifique o documento e o trecho que sustentam a conclusão. Se a informação não estiver no material autorizado, o assistente deve declarar a ausência em vez de improvisar.
Arquivos confidenciais pedem uma verificação adicional. Dados pessoais, contratos, informações médicas e segredos comerciais não devem ser enviados antes da leitura das condições de armazenamento, treinamento e retenção adotadas pelo serviço e pelo plano contratado.
Monte o assistente na plataforma
No Gemini, a configuração fica na área de Gems. O usuário cria uma nova ferramenta, escolhe um nome, insere as instruções e, quando a opção estiver disponível, acrescenta arquivos que servirão de referência.
Claude e ChatGPT organizam esse trabalho em Projetos. Neles, conversas relacionadas podem compartilhar orientações e materiais, o que evita reconstruir o contexto em cada sessão.
O Perplexity guarda instruções e arquivos nos Espaços (Spaces). Como nomes de menus e funções mudam entre versões, o caminho exibido na tela pode variar, embora a lógica permaneça semelhante.
O texto salvo precisa informar o que fazer, como entregar e onde parar. Uma configuração para pesquisa, por exemplo, pode ordenar que o sistema use apenas fontes indicadas, separe fatos de hipóteses, preserve datas e números e sinalize informações sem confirmação.
Teste com casos difíceis
A primeira versão das regras raramente cobre todas as situações. O teste deve incluir um pedido comum, uma instrução ambígua, um documento incompleto e uma solicitação que contrarie os limites definidos.
Se o assistente aceitar uma fonte proibida, inventar um dado ausente ou mudar o formato, a correção deve entrar nas instruções. Exemplos curtos de uma resposta adequada e de outra inaceitável também ajudam o modelo a reconhecer o padrão esperado.
Regras demais podem produzir o efeito contrário. Um bloco longo, repetitivo ou contraditório consome parte da capacidade de contexto e dificulta a identificação das prioridades. Ordens essenciais devem aparecer primeiro, com verbos diretos e critérios mensuráveis.
A economia de tokens surge porque o usuário deixa de colar o mesmo conjunto de comandos em toda mensagem. Isso não elimina o custo das instruções armazenadas, que ainda precisam ser processadas pelo sistema, mas reduz a repetição dentro da conversa e preserva mais espaço para documentos e pedidos novos.
A responsabilidade final continua com a pessoa. Gems, Projetos e Espaços organizam preferências e aumentam a produtividade, mas não substituem a conferência de fatos, cálculos, referências e decisões de maior impacto.