Guia de Prompt do OpenAI GPT-5.5: Tutorial Passo a Passo

Pré-requisitos

Antes de começar, certifique-se de ter:

• Chave de API OpenAI com acesso ao modelo gpt-5.5 (registre-se em platform.openai.com se necessário).
• Python 3.10+ instalado.
• O SDK OpenAI Python mais recente: execute pip install openai.
• Conhecimento básico de API (completamentos de chat ou API de Respostas).

O GPT-5.5 está disponível na API e oferece suporte a até 1M+ tokens de contexto, saídas estruturadas e novos controles como reasoning_effort e text.verbosity.

Etapa 1: Atualizar seu Modelo e Ambiente

Migre para gpt-5.5 e configure um cliente básico. Prompts legados do GPT-5 ou anteriores geralmente têm desempenho inferior—comece de forma nova.

pip install --upgrade openai

from openai import OpenAI
client = OpenAI(api_key="your-api-key-here")

response = client.chat.completions.create(
    model="gpt-5.5",
    messages=[{"role": "user", "content": "Test prompt"}]
)
print(response.choices[0].message.content)

Saída esperada: Uma resposta concisa e direta. Sem enrolação.

Etapa 2: Aprenda o Princípio Central – Prompting com Prioridade no Resultado

O GPT-5.5 se destaca quando você descreve o resultado desejado, critérios de sucesso, restrições e evidências disponíveis—e então permite que o modelo escolha o caminho. Dispense cadeias longas e passo a passo.

Mau exemplo (estilo legado):

Primeiro leia a política, então verifique os dados da conta, então compare os campos, então decida...

Bom exemplo (estilo GPT-5.5):

Resolva o problema do cliente de forma completa.

Sucesso significa:
- A decisão de elegibilidade usa apenas a política e os dados da conta disponíveis
- Qualquer ação permitida é concluída antes de responder
- A resposta final inclui: ações_completadas, mensagem_para_cliente, bloqueadores
- Se faltar evidência, solicite o menor campo necessário

Teste esse padrão imediatamente—ele reduz ruído e melhora a precisão.

Etapa 3: Defina Personalidade e Estilo de Colaboração

O GPT-5.5 é, por padrão, eficiente e orientado à tarefa. Para aplicações conversacionais, adicione blocos de personalidade curtos.

# Personalidade
Você é um colaborador capaz: acessível, constante e direto. Presuma que o usuário é competente. Mantenha-se conciso sem ser abrupto. Adapte-se ao tom do usuário dentro dos limites profissionais.

Insira isso no início do seu prompt de sistema. Mantenha-o com menos de 150 palavras. Para assistentes expressivos, adicione calor ou curiosidade explicitamente.

Etapa 4: Adicione Preambos para uma Melhor Experiência do Usuário

Para tarefas multi-etapa ou que usam ferramentas, instrua o modelo a enviar primeiro uma breve atualização visível ao usuário:

Antes de qualquer chamada de ferramenta para uma tarefa multi-etapa, envie uma breve atualização visível ao usuário que reconhece a solicitação e declara o primeiro passo. Mantenha-a em uma ou duas sentenças.

Isso melhora a percepção de velocidade em aplicações de streaming. Combine com a API de Respostas para fluxos de trabalho com estado.

Etapa 5: Utilize Novos Parâmetros para Controle

Use-os nas suas chamadas da API:

• reasoning_effort: none (mais rápido), low, medium (padrão), high, xhigh.
• text.verbosity: low para saída concisa, medium (padrão) para equilíbrio.

Exemplo de código:

from openai import OpenAI
client = OpenAI()

response = client.chat.completions.create(
    model="gpt-5.5",
    messages=[
        {
            "role": "system",
            "content": "Você é um assistente de programação útil."
        }, {
            "role": "user",
            "content": "Implemente uma função rápida de Fibonacci em Python."
        }
    ],
    reasoning_effort="low",      # Mais rápido para tarefas simples
    temperature=0.7,
    max_tokens=500
)
print(response.choices[0].message.content)

Comportamento esperado: Código mais curto e direto com explicação mínima, exceto se você definir verbosidade maior.

Etapa 6: Adicione Condições de Parada e Regras de Evidência

Evite excesso de reflexão com regras de parada explícitas:

Resolva com os menores passos úteis necessários.
Após cada resultado de ferramenta, pergunte: "Posso responder à solicitação principal agora com evidência?" Se sim, forneça a resposta final imediatamente.
Use o mínimo de evidência suficiente; cite precisamente.

Isso é crucial para agentes ou tarefas de longa duração.

Etapa 7: Teste, Itere e Use Saídas Estruturadas

Faça benchmarking sempre:

1. Execute 10 prompts representativos com estilo antigo vs. novo.
2. Meça a qualidade da saída, uso de tokens e latência.
3. Prefira response_format={ "type": "json_schema", ... } sobre JSON descrito em prompt para estrutura garantida.

Exemplo de chamada para saída estruturada:

response = client.responses.create(
    model="gpt-5.5",
    input="Extraia nome e e-mail deste texto: ...",
    text_format={"type": "json_schema", "schema": {...}}
)

Problemas Comuns & Solução

• Resultados inferiores ao GPT-5? Sua prompt antiga está muito detalhada. Remova passos do processo e mantenha apenas os resultados.
• Excesso de reflexão / alta latência? Reduza reasoning_effort para low e fortifique condições de parada.
• Respostas muito curtas? Configure text.verbosity: "medium" ou adicione "explique seu raciocínio brevemente".
• Chamadas de ferramentas falhando? Mova orientações para as descrições das ferramentas, não no prompt principal.
• Problemas de consciência de data? Remova quaisquer linhas de "data atual"—GPT-5.5 conhece UTC por padrão.

Execute avaliações em um pequeno conjunto de teste antes do lançamento em produção.

Próximos Passos

• Explore o guia oficial completo no seu painel da OpenAI.
• Experimente a habilidade de migração do Codex: $openai-docs migrate this project to gpt-5.5.
• Construa um pequeno agente usando a API de Responses e teste preâmbulos + personalidade.
• Monitore custos de tokens—GPT-5.5 recompensa prompts mínimos.

Aplique esses padrões hoje e observe seus fluxos de trabalho tornar-se mais rápidos, mais baratos e mais confiáveis.