Prompts de dados
Templates prontos para copiar. Escolha um e abra no Promptea.
Extrator de JSON estrito (sem inventar)
Aja como um parser estrito.
Texto-fonte:
[cole aqui]
Esquema esperado (JSON Schema ou Zod):
[cole aqui]
Regras:
- NÃO invente valores.
- Se faltar um campo, retorne null e adicione um aviso.
- Retorne SOMENTE JSON válido (sem crases).
Saída:
{
"data": <objeto de acordo com o esquema>,
"warnings": [<strings>]
}Abre o analisador com o prompt já preenchido.
Abrir no PrompteaNormalizar dados (nomes, datas, unidades)
Conjunto de dados (tabela ou JSON): [cole aqui] Objetivo: normalizar para análise. Regras: - datas em ISO-8601 (YYYY-MM-DD) quando possível; caso contrário, null + aviso - unidades: converter para [unidade padrão] (declare as suposições) - strings: trim + padrão consistente de maiúsculas e minúsculas - deduplicação: critério explícito Retorne: 1) dados normalizados 2) lista de suposições 3) avisos de ambiguidade
Abre o analisador com o prompt já preenchido.
Abrir no PrompteaTransformar CSV (mapear para um novo esquema)
CSV de entrada: [cole aqui] Quero mapeá-lo para este esquema de destino: [descreva as colunas de destino + tipos + regras] Faça: - defina um plano de mapeamento (col A -> col B) - liste as regras de limpeza por campo - detecte colunas ausentes e pergunte só o necessário - retorne o CSV transformado (com os novos cabeçalhos) Se houver ambiguidade: null + aviso.
Abre o analisador com o prompt já preenchido.
Abrir no PrompteaSQL a partir de requisitos (com suposições)
Aja como um analista de dados. Requisito: [o que quero medir] Esquema das tabelas: [cole tabelas + colunas] Entregue: 1) SQL (com comentários) 2) suposições (se faltar informação) 3) testes rápidos: 3 consultas para validar que nada quebrou Regra: se houver ambiguidade, faça até 3 perguntas de esclarecimento antes de escrever o SQL final.
Abre o analisador com o prompt já preenchido.
Abrir no PrompteaValidar JSON contra regras (QA)
JSON: [cole aqui] Regras de negócio: [cole aqui] Tarefa: - verifique cada regra e marque PASS/FAIL - para cada FAIL: caminho exato (ex.: data.items[2].price) + motivo - proponha a correção mínima (patch) Saída em Markdown com uma tabela de resultados + JSON patch (RFC 6902, se aplicável).
Abre o analisador com o prompt já preenchido.
Abrir no PrompteaExtrair entidades para uma tabela (NLP leve)
Texto: [cole aqui] Extraia as entidades para uma tabela com as colunas: - entity_type (person/company/product/date/amount/location/other) - value - confidence (0-1) - evidence (citação exata) Regras: - evidence deve ser uma citação literal do texto - em caso de dúvida, confidence < 0.6 Retorne um CSV com cabeçalhos.
Abre o analisador com o prompt já preenchido.
Abrir no PrompteaPerguntas frequentes
Como uso estes templates?
Escolha um exemplo e clique em “Abrir no Promptea”. O prompt, o propósito (Dados) e um modelo sugerido já vêm preenchidos.
Por que selecionar 'Dados' faz diferença?
Porque o Promptea prioriza estrutura e verificabilidade: esquema, null para o que falta, avisos e caminhos exatos.
Como reduzo as alucinações?
Exija “não inventar” + null + avisos e peça evidência literal ou caminhos exatos para os campos críticos.
O que acontece com os meus dados?
O Promptea evita enviar o texto do prompt na telemetria. O objetivo é medir uso e qualidade sem guardar conteúdo sensível.