# Como escrever prompts para IA com imagens e arquivos (multimodal)

> Prompts multimodais combinam instruções em texto com imagens, PDFs ou capturas de tela. Aprenda a direcionar a atenção da IA para o que importa e a extrair saídas estruturadas de forma confiável.

Fonte: Promptea — https://www.promptea.me/pt/guides/multimodal-prompts · Idioma: Português · Última atualização: 2026-11-14

## O que os modelos de IA multimodais conseguem e não conseguem fazer

- Eles conseguem: descrever o conteúdo de uma imagem, ler textos em imagens (algo parecido com OCR), extrair dados de tabelas e formulários, analisar gráficos e diagramas, comparar várias imagens e responder a perguntas com base no que veem.
- Eles não conseguem: ler com confiabilidade textos muito pequenos em imagens de baixa resolução, contar objetos com precisão em cenas cheias nem garantir precisão no nível do pixel em diagramas complexos.
- A qualidade da saída depende muito da resolução e da nitidez da imagem. Imagens borradas ou com pouco contraste geram descrições vagas.
- Para PDFs: algumas APIs aceitam PDFs diretamente; outras exigem converter as páginas em imagens antes. Consulte a documentação do seu modelo.

## Como direcionar a atenção da IA em imagens

- Diga o que você quer analisado: 'Concentre-se no gráfico de barras no canto superior direito' é mais claro que 'analise esta imagem'.
- Descreva o que a imagem contém se o modelo puder não reconhecer o contexto: 'Esta é uma captura de tela de um painel de gestão de estoque que mostra os níveis de inventário.'
- Em documentos e formulários, especifique quais campos importam: 'Extraia só o nome do fornecedor, o número da nota fiscal, a data e o valor total. Ignore os itens.'
- Use referências espaciais: 'a tabela na segunda coluna', 'a linha destacada', 'a legenda na parte de baixo'.
- Se a imagem tiver vários elementos, diga ao modelo o que priorizar primeiro e o que pular.

## Erros comuns em prompts multimodais

- Nenhuma descrição da imagem: perguntar 'o que isto mostra?' sem contexto obriga o modelo a adivinhar o propósito. Diga que tipo de documento ou imagem você está enviando.
- Esperar precisão de entradas bagunçadas: a foto de um bilhete escrito à mão, tirada em ângulo e com pouca luz, vai gerar resultados incertos — digitalize ou recorte antes de mandar o prompt.
- Nenhum formato de saída especificado: sem ele, o modelo pode descrever a imagem em texto corrido quando você precisava de JSON, ou entregar uma tabela quando você precisava de um resumo.
- Supor que ele lê todo o texto: os modelos processam imagens como padrões visuais. Textos muito pequenos, girados ou sobre fundos complexos podem passar despercebidos ou ser lidos errado.

## Templates

### Extração de dados visuais de uma imagem ou captura de tela

```text
Estou enviando [uma captura de tela de um painel / a foto de um formulário / a imagem de um gráfico].

Contexto: [descreva o que a imagem contém e de onde vem — ex. "Esta é uma captura de tela do relatório semanal de vendas da nossa ferramenta interna de relatórios."]

Extraia os seguintes campos:
- [Campo 1]: [como ele é ou onde aparece]
- [Campo 2]: [como ele é ou onde aparece]
- [Campo 3]: [como ele é ou onde aparece]

Retorne APENAS JSON:
{
  "field_1": "valor ou null",
  "field_2": "valor ou null",
  "field_3": "valor ou null",
  "extraction_notes": "qualquer incerteza ou ambiguidade observada"
}

Regras:
- Use null para qualquer campo que você não consiga ler com clareza.
- Não adivinhe nem deduza valores que não estejam visíveis na imagem.
- Acrescente uma nota em extraction_notes se algum campo tiver sido difícil de ler.
```

[Abrir no Promptea](https://www.promptea.me/pt/analyzer?prompt=Estou+enviando+%5Buma+captura+de+tela+de+um+painel+%2F+a+foto+de+um+formul%C3%A1rio+%2F+a+imagem+de+um+gr%C3%A1fico%5D.%0A%0AContexto%3A+%5Bdescreva+o+que+a+imagem+cont%C3%A9m+e+de+onde+vem+%E2%80%94+ex.+%22Esta+%C3%A9+uma+captura+de+tela+do+relat%C3%B3rio+semanal+de+vendas+da+nossa+ferramenta+interna+de+relat%C3%B3rios.%22%5D%0A%0AExtraia+os+seguintes+campos%3A%0A-+%5BCampo+1%5D%3A+%5Bcomo+ele+%C3%A9+ou+onde+aparece%5D%0A-+%5BCampo+2%5D%3A+%5Bcomo+ele+%C3%A9+ou+onde+aparece%5D%0A-+%5BCampo+3%5D%3A+%5Bcomo+ele+%C3%A9+ou+onde+aparece%5D%0A%0ARetorne+APENAS+JSON%3A%0A%7B%0A++%22field_1%22%3A+%22valor+ou+null%22%2C%0A++%22field_2%22%3A+%22valor+ou+null%22%2C%0A++%22field_3%22%3A+%22valor+ou+null%22%2C%0A++%22extraction_notes%22%3A+%22qualquer+incerteza+ou+ambiguidade+observada%22%0A%7D%0A%0ARegras%3A%0A-+Use+null+para+qualquer+campo+que+voc%C3%AA+n%C3%A3o+consiga+ler+com+clareza.%0A-+N%C3%A3o+adivinhe+nem+deduza+valores+que+n%C3%A3o+estejam+vis%C3%ADveis+na+imagem.%0A-+Acrescente+uma+nota+em+extraction_notes+se+algum+campo+tiver+sido+dif%C3%ADcil+de+ler.&purpose=data&target=gpt)

### Perguntas e respostas sobre um documento, com citação da fonte

```text
Estou enviando [um PDF / um conjunto de imagens de um documento / um contrato digitalizado].

Contexto: [descreva brevemente o que é o documento — ex. "Este é um contrato de licenciamento de software com um fornecedor, de cerca de 12 páginas."]

Responda às perguntas a seguir com base APENAS no conteúdo visível no documento:
1. [Sua pergunta 1]
2. [Sua pergunta 2]
3. [Sua pergunta 3]

Para cada resposta:
- Cite a frase ou a seção exata que sustenta sua resposta.
- Se o documento não contiver a resposta, diga "Não encontrado no documento" — não deduza.
- Se a resposta for ambígua, explique por quê e cite o trecho relevante.

Formato:
**P1:** [reformule a pergunta]
**Resposta:** [sua resposta]
**Fonte:** "[citação exata do documento]" (Página X / Seção Y, se for possível identificar)
```

[Abrir no Promptea](https://www.promptea.me/pt/analyzer?prompt=Estou+enviando+%5Bum+PDF+%2F+um+conjunto+de+imagens+de+um+documento+%2F+um+contrato+digitalizado%5D.%0A%0AContexto%3A+%5Bdescreva+brevemente+o+que+%C3%A9+o+documento+%E2%80%94+ex.+%22Este+%C3%A9+um+contrato+de+licenciamento+de+software+com+um+fornecedor%2C+de+cerca+de+12+p%C3%A1ginas.%22%5D%0A%0AResponda+%C3%A0s+perguntas+a+seguir+com+base+APENAS+no+conte%C3%BAdo+vis%C3%ADvel+no+documento%3A%0A1.+%5BSua+pergunta+1%5D%0A2.+%5BSua+pergunta+2%5D%0A3.+%5BSua+pergunta+3%5D%0A%0APara+cada+resposta%3A%0A-+Cite+a+frase+ou+a+se%C3%A7%C3%A3o+exata+que+sustenta+sua+resposta.%0A-+Se+o+documento+n%C3%A3o+contiver+a+resposta%2C+diga+%22N%C3%A3o+encontrado+no+documento%22+%E2%80%94+n%C3%A3o+deduza.%0A-+Se+a+resposta+for+amb%C3%ADgua%2C+explique+por+qu%C3%AA+e+cite+o+trecho+relevante.%0A%0AFormato%3A%0A**P1%3A**+%5Breformule+a+pergunta%5D%0A**Resposta%3A**+%5Bsua+resposta%5D%0A**Fonte%3A**+%22%5Bcita%C3%A7%C3%A3o+exata+do+documento%5D%22+%28P%C3%A1gina+X+%2F+Se%C3%A7%C3%A3o+Y%2C+se+for+poss%C3%ADvel+identificar%29&purpose=text&target=claude)

## Perguntas frequentes

### Quais modelos de IA aceitam imagens como entrada?

A maioria dos modelos atuais. No registro de modelos do Promptea (conferido com a documentação dos provedores em setembro e outubro de 2026), a entrada de imagem aparece para GPT-6 Astra, GPT-6.1 Sol e GPT-6 Luna; Claude Opus 5.5, Fable 5.1, Sonnet 5.5 e Haiku 5.5 (que também leem PDFs); os modelos Gemini 3.x Flash (que também aceitam áudio, vídeo e PDF); Grok 4.7 e Grok 4.3; DeepSeek Flash; e Kimi K3 (também vídeo). DeepSeek V4 Pro e os presets da Agent API da Perplexity aparecem ali como só texto. O suporte pode ser diferente entre o app de chat e a API e muda com o tempo, então confirme na documentação atual do provedor.

### Como extraio uma tabela de um PDF usando IA?

O caminho mais confiável: converta a página do PDF que contém a tabela em uma imagem de alta resolução (300 DPI ou mais) e envie com um prompt que especifique onde está a tabela, as colunas de que você precisa e o formato de saída (JSON ou tabela Markdown). Peça ao modelo para sinalizar as células que ele não consegue ler com clareza. Em PDFs nativamente digitais, em que o texto pode ser selecionado, copie e cole o texto da tabela diretamente no prompt — a extração de texto é mais confiável que o OCR visual.
