Prompts de saída estruturada: JSON, tabelas e listas confiáveis em qualquer IA

Técnicas e templates para fazer a IA devolver saídas estruturadas e legíveis por máquina de forma consistente — sem campos inventados, sem desvio de formato e sem texto solto misturado.

Última atualização: · Versão em Markdown

Por que os prompts de saída estruturada falham

  • Nenhum esquema: pedir 'JSON com os dados extraídos' sem especificar os nomes exatos dos campos, os tipos e o aninhamento quase sempre gera resultados inconsistentes entre execuções.
  • Vazamento de texto: o modelo acrescenta uma explicação antes ou depois do bloco JSON. Isso quebra os parsers. Correção: 'Retorne apenas o objeto JSON. Sem explicação, sem blocos de código markdown, sem nenhum outro texto.'
  • Campos inventados: o modelo inventa os nomes de campos que acha que você quer. Correção: forneça o esquema exato — os nomes dos campos, os tipos e o que colocar quando um valor não for encontrado ('null', string vazia ou um marcador como 'N/A').
  • Estrutura aninhada diferente: você pede uma lista e recebe um dicionário, ou o contrário. Correção: mostre um exemplo de saída no prompt — não só uma descrição, mas a estrutura real com valores de exemplo.
  • Formatos de data/número inconsistentes: o modelo formata as datas de jeitos diferentes em cada resposta. Correção: especifique o formato exato ('ISO 8601: YYYY-MM-DD') e dê um valor de exemplo.

Os quatro elementos de um prompt de saída estruturada confiável

  • 1. Descrição da tarefa: o que extrair ou gerar, e a partir de qual entrada. 'Extraia todos os itens da nota fiscal no texto abaixo.'
  • 2. Esquema exato: a estrutura JSON completa, com os nomes dos campos, os tipos e as instruções para valores ausentes. Cole o esquema literalmente, não como uma descrição em texto.
  • 3. Exemplo de saída: um exemplo completo e preenchido, com valores de exemplo realistas. Os modelos aprendem o formato por exemplos mais rápido que por descrições.
  • 4. Restrição de saída: 'Retorne apenas o JSON. Sem comentários, sem formatação markdown, sem introdução.' Coloque isso no fim do prompt — é a última instrução que o modelo vê antes de gerar.

Templates

Extração de dados estruturados para JSON

Extraia dados estruturados do texto abaixo e retorne como JSON.

Texto a processar:
"""
[Cole aqui o texto de entrada — uma nota fiscal, um e-mail, um formulário, um artigo etc.]
"""

Retorne um objeto JSON que siga exatamente este esquema:
{
  "field_one": string,         // [descreva o que este campo contém]
  "field_two": string | null,  // [descreva; null se não for encontrado]
  "field_three": number | null, // [descreva; null se não for encontrado]
  "items": [
    {
      "item_field_a": string,
      "item_field_b": number | null
    }
  ]
}

Regras:
- Use null (não "N/A", não string vazia) para qualquer campo que não esteja no texto
- Datas no formato ISO 8601: YYYY-MM-DD
- Números como tipos numéricos, não como strings
- Não acrescente campos que não estejam no esquema
- Retorne apenas o objeto JSON — sem explicação, sem bloco de código markdown, sem nenhum outro texto

Exemplo de saída (só como referência — use os valores do texto real):
{
  "field_one": "Valor de exemplo",
  "field_two": null,
  "field_three": 42,
  "items": [
    { "item_field_a": "Item A", "item_field_b": 19.99 }
  ]
}
Abre o analisador com o prompt já preenchido.

Tabela de comparação estruturada

Gere uma comparação estruturada dos itens listados abaixo e retorne o resultado como um array JSON.

Itens a comparar:
1. [Item A]
2. [Item B]
3. [Item C — acrescente mais se precisar]

Dimensões de comparação (avalie cada item em cada dimensão):
- [Dimensão 1, ex. "Facilidade de configuração"]
- [Dimensão 2, ex. "Custo"]
- [Dimensão 3, ex. "Escalabilidade"]
- [Acrescente ou remova dimensões conforme necessário]

Retorne um array JSON exatamente neste formato:
[
  {
    "item": string,
    "scores": {
      "dimension_1": { "rating": "high" | "medium" | "low", "note": string },
      "dimension_2": { "rating": "high" | "medium" | "low", "note": string },
      "dimension_3": { "rating": "high" | "medium" | "low", "note": string }
    },
    "best_for": string,
    "avoid_if": string
  }
]

Regras:
- rating deve ser exatamente "high", "medium" ou "low" — nenhum outro valor
- note: uma frase, com menos de 20 palavras, factual, sem superlativos
- best_for: uma frase descrevendo o caso de uso ideal
- avoid_if: uma frase descrevendo quando NÃO escolher este item
- Retorne apenas o array JSON — sem introdução, sem explicação, sem markdown
Abre o analisador com o prompt já preenchido.

Perguntas frequentes

Qual modelo é o melhor para saída estruturada?
A maioria dos modelos atuais oferece um modo nativo de saída estruturada (JSON Schema) e uso de ferramentas: todos os modelos de GPT, Claude, Gemini, Grok, DeepSeek e Kimi que podem ser escolhidos no registro do Promptea têm isso, enquanto os presets da Agent API da Perplexity foram feitos para respostas da web com fontes, não para saídas restritas a um esquema. A qualidade do prompt continua importando: um esquema explícito, descrições dos campos e regras para valores ausentes reduzem campos errados ou vazios mesmo quando o formato em si é imposto. Em pipelines críticos de produção, use o modo JSON nativo do modelo ou a API de function calling em vez de depender só do prompt: ela impõe o esquema no nível da geração, não apenas como um pedido.
O que fazer quando o modelo continua acrescentando texto antes do JSON?
Duas mudanças resolvem isso na maioria dos casos. Primeiro, leve a restrição de saída para o final do prompt: 'Retorne apenas o JSON. Nada antes, nada depois.' Segundo, comece sua mensagem com o que você quer que o modelo produza: alguns modelos tratam o primeiro token da resposta como a continuação do que você começou. Se ainda vier texto, mude para o modo JSON nativo do modelo, se houver — ele impõe a restrição no nível da amostragem, o que torna estruturalmente impossível misturar texto ao JSON.