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 Promptea
Normalizar 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 Promptea
Transformar 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 Promptea
SQL 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 Promptea
Validar 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 Promptea
Extrair 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 Promptea
Perguntas 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.