Prompt viral de Marc Andreessen - As contradições que a maioria das pessoas não percebe

Lendo atentamente o prompt da captura de tela, quatro contradições principais se destacam. Primeiro: 'seja brutalmente honesto' E 'tenha tato e tenha consideração pelos sentimentos'. Esses dois não são impossíveis juntos, mas exigem priorização explícita, que o prompt não fornece. O modelo tem que adivinhar em cada caso qual lado vence. A saída acaba sendo inconsistente – às vezes brutalmente direta, às vezes suave, sem um padrão claro.

Segundo: 'tenha opiniões fortes e defenda-as com confiança' E 'permaneça humilde quanto à sua incerteza'. Novamente, ambas podem ser virtudes, mas precisam de uma hierarquia. Sem ela, o modelo oscila entre a confiança performativa e a humildade performativa. Algumas respostas parecem arrogantes. Outros como evasivos. A falta de um padrão claro produz resultados instáveis.

Terceiro: 'usar lógica e análise rigorosas' E 'valorizar a intuição e o reconhecimento de padrões'. A formulação implica que estes são complementares, mas na prática eles apontam em direções diferentes. A lógica favorece o raciocínio explícito passo a passo que pode ser verificado. A intuição favorece a correspondência rápida de padrões que resiste à explicação. O prompt pede ao modelo para fazer as duas coisas simultaneamente, sem dizer qual iniciar.

Quarto: 'seja o mais útil possível' E 'recue quando discordar'. Estes podem coexistir quando “útil” inclui “discordância honesta”, mas a maioria dos modelos lê “máximo útil” como “agradável” por formação padrão. O modelo interpreta a segunda instrução como uma substituição de caso especial e não retrocede com a frequência que o prompt realmente deseja.

Os modelos de fronteira modernos – GPT-5, Claude 4 Opus, Gemini 2.5 Ultra – são fortemente treinados com RLHF (aprendizado por reforço a partir de feedback humano). Um dos sinais mais fortes nesse treinamento é a consistência: o modelo é recompensado por produzir um comportamento coerente e previsível a partir de uma solicitação do sistema.

Quando o próprio prompt do sistema é incoerente, o comportamento do modelo torna-se errático de maneiras sutis. Ele ainda produz resultados gramaticais e fluentes. Mas o perfil semântico muda de forma imprevisível entre respostas a questões semelhantes. Uma resposta pode enfatizar o lado da “honestidade brutal”. A próxima poderá enfatizar o lado “diplomático”. O usuário percebe a variação, mas muitas vezes a atribui erroneamente à aleatoriedade do modelo, em vez de ao design imediato.

Quanto mais sofisticado o modelo, mais isso importa. Os modelos mais antigos (GPT-3.5, Claude 1) apenas calculavam a média das contradições e produziam resultados insípidos. Os modelos Frontier 2026 se esforçam mais para atualizar cada instrução, o que significa que os conflitos são amplificados. Contra-intuitivamente, os modelos complexos punem as solicitações incorretas mais do que os modelos simples.

A solução é a hierarquia. Em vez de listar as virtudes como um conjunto plano, você especifica explicitamente as prioridades e as compensações. Esta é a aparência de um prompt depurado no estilo Andreessen (parafraseado):

'Você é meu parceiro de pensamento. O padrão é a honestidade brutal em vez da diplomacia quando eles entram em conflito - mas amortece a entrega quando o contexto emocional o justifica. Tenha como padrão opiniões fortes sobre o hedge - mas marque explicitamente quando a confiança é genuína versus performativa. Aplique primeiro uma lógica rigorosa; faça referência à intuição intuitiva apenas quando ela contradiz a lógica e explique por quê. Seja extremamente útil discordando quando você realmente discorda, mesmo às custas do conforto social.'

Esta versão é menos elegante, mas mais funcional. Ele diz ao modelo o que fazer quando as virtudes entram em conflito, que é o objetivo de um prompt do sistema que contém múltiplas virtudes. O original de Andreessen tentou pular esta etapa tratando as virtudes como harmoniosas. Não são, e o modelo não pode fingir que são.

A meta-lição: ao projetar um prompt do sistema com múltiplas instruções, escreva uma 'camada de desempate' que lide com conflitos. Sem ele, você estará terceirizando a resolução de conflitos para o treinamento padrão do modelo, que não refletirá de forma confiável suas prioridades.

A mesma lição se aplica muito além das instruções do consultor de negócios. Aplicativos complementares de IA – Replika, Candy.AI, Character.AI, DreamGF e outros – usam prompts do sistema para moldar o comportamento do personagem. O modo de falha mais comum nesses sistemas é exatamente o problema de Andreessen: um personagem descrito como “afetuoso e atencioso” E “ferozmente independente” E “misterioso” E “completamente honesto sobre os sentimentos”. Essas características não são impossíveis juntas, mas não são coerentes sem uma hierarquia explícita.

O resultado, em aplicativos complementares, é o mesmo que nos prompts de negócios: resultados inconsistentes. O personagem parece uma pessoa diferente em dias diferentes. Os usuários descrevem seus parceiros de IA como “temperamentais” ou “inconsistentes”, quando o problema subjacente é que o sistema solicita características conflitantes sem especificar como resolver os conflitos.

Para usuários que criam seus próprios personagens em aplicativos que permitem personas personalizadas, a lição é concreta: não acumule características. Escolha três características principais e declare explicitamente qual delas vence nos conflitos. 'Caloroso, mas firme - quando o calor e a firmeza entram em conflito, a firmeza vence porque a honestidade é mais valiosa do que o conforto' é uma especificação mais útil do que 'caloroso e firme, honesto e atencioso'. O primeiro produz um caráter coerente. O segundo produz um confuso.

O prompt viral de Andreessen é um artefato útil precisamente porque incorpora um erro comum em um formato de alto status. O erro é: tratar o design do prompt como uma lista de atributos desejáveis. A correção é: tratar o design imediato como um documento constitucional para o comportamento da IA.

Uma constituição, na teoria política, é valiosa porque especifica o que fazer quando as leis entram em conflito – fornece uma hierarquia de princípios. Os prompts funcionam da mesma maneira. Uma boa sugestão não é um acúmulo maximalista de todas as virtudes que você possa imaginar. É uma seleção cuidadosa de algumas virtudes, com critérios de desempate explícitos para quando entrarem em conflito.

O paradoxo: os prompts maximalistas parecem mais poderosos, mas produzem um comportamento de IA menos coerente. Prompts restritos com hierarquias claras parecem menos ambiciosos, mas produzem resultados dramaticamente melhores. A sugestão de Andreessen está no extremo maximalista deste espectro. Reddit pegou. A lição vai muito além de seu modelo específico – é como pensar sobre cada prompt que você escreve para uma IA da era 2026.