Você já ficou frustrado com respostas genéricas da IA? Pois bem, o segredo não está na inteligência artificial – está na forma como você se comunica com ela. Aliás, dominar prompt engineering é como aprender um novo idioma que pode multiplicar sua produtividade em 10x. Portanto, preparei este guia completo com os 10 comandos essenciais que vão transformar completamente seus resultados com IA.
O Que É Prompt Engineering e Por Que Você Precisa Dominar Isso Agora
Antes de mais nada, vamos entender o conceito fundamental. Prompt engineering é a prática de criar comandos precisos para obter os melhores resultados possíveis de modelos de IA como ChatGPT, Claude e Gemini. Essencialmente, é a diferença entre uma pergunta vaga e uma instrução clara e orientada que entrega exatamente o que você precisa.
Diferentemente da programação tradicional onde código controla comportamento, prompt engineering funciona através de linguagem natural. Portanto, é uma habilidade “suave” com consequências “duras”: a qualidade dos seus prompts afeta diretamente a utilidade, segurança e confiabilidade das respostas da IA.
Por Que Isso É Mais Importante Que Nunca em 2025
Certamente, em 2023 você conseguia se virar com truques simples. Entretanto, em 2025 o jogo mudou completamente. Com modelos como GPT-4o, Claude 4 e Gemini 1.5 Pro, prompt engineering agora abrange tudo: desde técnicas de formatação até estruturas de raciocínio, atribuição de papéis e até exploits adversariais.
Além disso, segundo pesquisas recentes, estrutura clara e contexto importam mais que palavras inteligentes – a maioria das falhas de prompt vêm de ambiguidade, não de limitações do modelo. Consequentemente, aprender a se comunicar bem com IA não é mais opcional.
Benefícios concretos de dominar prompt engineering:
- Economia de tempo: Respostas certas na primeira tentativa ao invés de múltiplas iterações
- Qualidade superior: Outputs profissionais ao invés de genéricos
- Produtividade multiplicada: Automatize tarefas que levavam horas
- Vantagem competitiva: Enquanto outros lutam, você domina
- Economia de dinheiro: Menos tokens gastos = menor custo com IA
Portanto, vamos mergulhar nos 10 comandos essenciais que todo mundo deveria conhecer.
Comando #1: O Prompt de Contexto Rico (A Base de Tudo)
Primeiramente, o erro mais comum é fazer perguntas sem contexto suficiente. Afinal, a IA não lê sua mente – ela só trabalha com o que você fornece. Consequentemente, quanto mais contexto relevante, melhores os resultados.
Como Usar Contexto Corretamente
Essencialmente, você precisa fornecer três elementos fundamentais: quem você é, o que você quer e por que você quer. Além disso, inclua qualquer informação de background relevante.
❌ Prompt fraco:
"Como melhorar meu site?"
✅ Prompt efetivo:
"Atue como consultor de marketing digital. Sou dono de uma pequena loja online de produtos artesanais que vende há 6 meses. Meu site atual tem 500 visitantes/mês mas apenas 1% de conversão. Meu objetivo é dobrar as vendas nos próximos 3 meses. Sugira uma estratégia SEO focada em melhorar ranking e engajamento, considerando que tenho orçamento limitado e preciso implementar as ações eu mesmo."
Surpreendentemente, a diferença de qualidade entre essas duas abordagens é astronômica. Portanto, sempre inclua contexto rico e específico.
Estrutura do Contexto Perfeito
Ademais, use esta fórmula comprovada para estruturar contexto:
- Papel/Persona: Quem você quer que a IA seja
- Situação atual: Onde você está agora
- Objetivo: Onde você quer chegar
- Restrições: Limitações importantes (tempo, orçamento, recursos)
- Formato desejado: Como você quer receber a resposta
Consequentemente, seguindo essa estrutura, você elimina 90% dos problemas comuns de prompt.
Comando #2: Chain of Thought (Raciocínio Passo a Passo)
Agora, vamos falar sobre uma das técnicas mais poderosas: Chain of Thought prompting. Essencialmente, você encoraja a IA a articular seu processo de pensamento passo a passo. Portanto, é especialmente útil para resolver problemas complexos.
Como Implementar Chain of Thought
Primeiramente, você simplesmente pede para a IA “pensar em voz alta” antes de dar a resposta final. Ademais, isso ajuda o modelo a quebrar o problema em partes gerenciáveis.
Exemplo prático:
"Um restaurante tem 15 mesas. Cada mesa acomoda 4 pessoas. O restaurante abre para almoço (12h-15h) e jantar (19h-22h). Em média, clientes ficam 1 hora. Quantos clientes o restaurante pode atender por dia?
Pense passo a passo:
1. Primeiro, calcule capacidade por turno
2. Depois, calcule quantos turnos por período
3. Finalmente, multiplique para obter total diário"
Surpreendentemente, quando você direciona o modelo a raciocinar passo a passo, ele evita pular para conclusões incorretas. Consequentemente, a precisão aumenta dramaticamente, especialmente em matemática e lógica.
Variações Poderosas do Chain of Thought
Além disso, existem variações avançadas:
Zero-Shot CoT (sem exemplos): Simplesmente adicione: “Vamos pensar passo a passo sobre isso.”
Few-Shot CoT (com exemplos): Forneça 2-3 exemplos resolvidos antes da sua pergunta.
Self-Consistency: Peça múltiplas soluções e escolha a resposta mais comum.
Portanto, experimente essas variações para problemas diferentes.
Comando #3: Atribuição de Papel/Persona (Role-Playing)
Certamente, uma das técnicas mais eficazes é atribuir um papel específico à IA. Aliás, quando você diz “Atue como um [especialista]”, você implicitamente direciona a resposta para um contexto específico que faz sentido.
Por Que Papéis Funcionam Tão Bem
Essencialmente, diferentes papéis ativam diferentes “áreas” do conhecimento do modelo. Consequentemente, você obtém respostas mais especializadas e relevantes.
Exemplos de papéis poderosos:
Para negócios:
"Atue como CFO experiente de startup. Analise esta projeção financeira e identifique riscos ocultos."
Criatividade:
"Atue como roteirista premiado de Hollywood. Crie um plot twist surpreendente mas plausível para esta história."
Tecnologia:
"Atue como engenheiro de software sênior especializado em performance. Revise este código e sugira otimizações."
Educação:
"Atue como professor de física que explica conceitos complexos para adolescentes. Explique relatividade usando analogias do dia a dia."
Portanto, sempre defina um papel específico e relevante para sua necessidade.
Combinando Papel com Estilo
Ademais, você pode combinar papel com estilo de comunicação:
"Atue como consultor de carreira empático e motivacional. Responda com tom encorajador mas realista. Ajude-me a decidir entre estas duas ofertas de emprego: [detalhes]."
Consequentemente, você não apenas obtém expertise, mas também o tom emocional adequado.
Comando #4: Formatação com Delimitadores (Estrutura Clara)
Agora, vamos falar sobre algo aparentemente simples mas extremamente poderoso: delimitadores. Essencialmente, delimitadores ajudam o modelo entender diferentes partes do seu prompt. Portanto, isso leva a respostas melhores e proteção contra injeções de prompt.
Delimitadores Mais Eficazes
Primeiramente, use delimitadores consistentes para separar seções:
Aspas triplas (“””):
Resuma o seguinte texto:
"""
[Seu texto longo aqui]
"""
Tags XML:
<instrucao>
Analise o seguinte código
</instrucao>
<codigo>
function exemplo() { ... }
</codigo>
<formato>
Liste problemas em bullet points
</formato>
Marcadores visuais:
--- CONTEXTO ---
Sou designer gráfico freelancer
--- TAREFA ---
Crie proposta de logo
--- RESTRIÇÕES ---
- Máximo 3 cores
- Deve funcionar em P&B
Surpreendentemente, essas simples adições podem melhorar resultados em 30-40%. Consequentemente, sempre use delimitadores para prompts complexos.
Por Que Isso Funciona
Ademais, delimitadores ajudam por três razões:
- Clareza: Modelo identifica exatamente o que é instrução vs. dados
- Segurança: Previne que dados de entrada sejam interpretados como comandos
- Consistência: Facilita reutilização e modificação de prompts
Portanto, adote delimitadores como hábito padrão.
Comando #5: Few-Shot Learning (Aprender Por Exemplos)
Certamente, uma das formas mais eficazes de ensinar a IA é através de exemplos. Aliás, few-shot learning significa fornecer 2-4 exemplos antes da sua solicitação real. Consequentemente, o modelo entende exatamente o padrão desejado.
Estrutura do Few-Shot Perfeito
Primeiramente, siga este template comprovado:
Tarefa: [Descreva o que quer]
Exemplo 1:
Input: [Exemplo de entrada]
Output: [Exemplo de saída desejada]
Exemplo 2:
Input: [Exemplo de entrada]
Output: [Exemplo de saída desejada]
Exemplo 3:
Input: [Exemplo de entrada]
Output: [Exemplo de saída desejada]
Agora faça para:
Input: [Sua entrada real]
Output:
Caso prático – Classificação de sentimento:
Classifique o sentimento de avaliações de produtos como POSITIVO, NEUTRO ou NEGATIVO.
Exemplo 1:
Avaliação: "Produto excelente, superou expectativas!"
Sentimento: POSITIVO
Exemplo 2:
Avaliação: "Chegou no prazo, produto ok"
Sentimento: NEUTRO
Exemplo 3:
Avaliação: "Péssima qualidade, não recomendo"
Sentimento: NEGATIVO
Agora classifique:
Avaliação: "Funcionou por uma semana e quebrou"
Sentimento:
Surpreendentemente, exemplos concretos funcionam muito melhor que longas explicações abstratas. Portanto, quando possível, mostre ao invés de explicar.
Quantos Exemplos Usar?
Além disso, a quantidade ideal varia:
- 1 exemplo (One-shot): Para tarefas muito simples ou óbvias
- 2-3 exemplos (Few-shot): Para maioria dos casos
- 4-5 exemplos: Para tarefas complexas ou nuançadas
- Mais de 5: Raramente necessário e pode confundir
Consequentemente, comece com 2-3 exemplos e ajuste conforme necessário.
Comando #6: Especificação de Formato de Saída (Output Control)
Agora, vamos falar sobre controle de formato. Essencialmente, definir explicitamente como você quer receber a resposta elimina ambiguidade e garante resultados utilizáveis. Portanto, sempre especifique o formato desejado.
Formatos Estruturados Poderosos
Primeiramente, aqui estão os formatos mais úteis:
JSON (Para dados estruturados):
Extraia informações do texto abaixo e retorne em JSON válido:
Texto: "João Silva, 35 anos, mora em São Paulo, trabalha como engenheiro."
Formato esperado:
{
"nome": "string",
"idade": "number",
"cidade": "string",
"profissao": "string"
}
Tabela Markdown (Para comparações):
Compare estes 3 produtos em formato de tabela markdown:
| Produto | Preço | Prós | Contras | Nota |
|---------|-------|------|---------|------|
| ... | ... | ... | ... | ... |
Lista numerada (Para processos):
Crie guia passo a passo para [tarefa]. Formate como:
1. Passo um (com explicação breve)
2. Passo dois (com explicação breve)
[...]
Bullet points (Para resumos):
Resuma os 5 pontos principais como bullet points:
- Ponto 1: [descrição concisa]
- Ponto 2: [descrição concisa]
[...]
Surpreendentemente, especificar formato pode reduzir necessidade de edição pós-geração em 80%. Consequentemente, você economiza tempo e frustração.
Forçando Formato JSON (Técnica Avançada)
Ademais, para garantir saídas estruturadas, use esta técnica:
CRÍTICO: Você DEVE retornar apenas JSON válido, sem texto adicional antes ou depois. Não inclua markdown, explicações ou comentários.
Schema obrigatório:
{
"titulo": "string",
"resumo": "string (max 100 caracteres)",
"tags": ["array", "de", "strings"]
}
Portanto, seja explícito e firme sobre requisitos de formato.
Comando #7: Constraints e Limitações (Boundaries Claras)
Certamente, definir o que a IA NÃO deve fazer é tão importante quanto definir o que ela DEVE fazer. Aliás, constraints (restrições) guiam o modelo para se manter dentro de boundaries específicos. Consequentemente, você evita respostas inadequadas ou fora do escopo.
Tipos de Constraints Essenciais
Primeiramente, existem vários tipos de restrições úteis:
Comprimento:
"Explique fotossíntese em exatamente 3 parágrafos curtos. Cada parágrafo deve ter no máximo 4 linhas."
Tom e estilo:
"Escreva email profissional mas amigável. Evite jargão técnico e mantenha tom conversacional. Não use emojis."
Escopo de conteúdo:
"Liste apenas consoles de videogame lançados entre 1990-2000. Não mencione jogos individuais, apenas os consoles, fabricantes e anos."
Exclusões específicas:
"Sugira atividades para crianças de 5 anos. NÃO inclua atividades que requeiram telas (TV, tablet, computador)."
Surpreendentemente, humanos preferem instruções positivas sobre o que fazer, mas constraints negativas são igualmente importantes. Portanto, use ambas estrategicamente.
Template de Constraints Completo
Ademais, use esta estrutura para definir boundaries claras:
TAREFA: [O que fazer]
DEVE incluir:
- [Elemento obrigatório 1]
- [Elemento obrigatório 2]
NÃO DEVE incluir:
- [Exclusão 1]
- [Exclusão 2]
LIMITES:
- Comprimento: [especificação]
- Tom: [especificação]
- Formato: [especificação]
Consequentemente, você elimina 90% das respostas que precisariam de retrabalho.
Comando #8: Iteração e Refinamento (Prompt Chaining)
Agora, vamos falar sobre uma técnica avançada: prompt chaining (encadeamento de prompts). Essencialmente, você quebra tarefas complexas em múltiplas etapas sequenciais. Portanto, ao invés de tentar fazer tudo de uma vez, você cria um pipeline de prompts.
Como Funciona Prompt Chaining
Primeiramente, identifique as etapas naturais da tarefa. Ademais, cada etapa se torna um prompt separado onde a saída de um alimenta o próximo.
Exemplo prático – Criação de conteúdo:
1- Prompt (Pesquisa):
"Liste 10 problemas comuns que donos de pequenos e-commerces enfrentam com marketing digital."
2- Prompt (Seleção):
"Dos 10 problemas listados, escolha os 3 mais impactantes para um artigo de blog. Justifique brevemente cada escolha."
3- Prompt (Estrutura):
"Crie outline detalhado para artigo sobre esses 3 problemas. Inclua introdução, seções principais e conclusão."
Prompt 4 (Escrita):
"Agora escreva a seção [X] do artigo seguindo o outline. Use tom conversacional e inclua exemplos práticos."
Surpreendentemente, essa abordagem gera resultados muito superiores que tentar fazer tudo em um único prompt gigante. Consequentemente, você tem mais controle e qualidade.
Quando Usar Chaining
Além disso, prompt chaining é ideal para:
- Análises complexas: Coleta de dados → Análise → Interpretação → Recomendações
- Criação de conteúdo: Pesquisa → Outline → Escrita → Revisão
- Tomada de decisão: Listar opções → Avaliar prós/contras → Recomendar → Justificar
- Desenvolvimento: Requisitos → Design → Código → Testes
Portanto, sempre que a tarefa tiver múltiplas etapas claras, considere chaining.
Comando #9: Temperature e Parâmetros (Controle Fino)
Certamente, além do texto do prompt, parâmetros do modelo afetam dramaticamente os resultados. Aliás, temperature é o parâmetro mais importante que você precisa entender. Consequentemente, saber quando ajustá-lo faz diferença enorme.
Entendendo Temperature
Primeiramente, temperature controla quão “criativa” ou “determinística” é a resposta. Essencialmente, valores variam de 0 a 2:
1- Temperature 0 (Determinístico):
- Sempre escolhe resposta mais provável
- Resultados consistentes e previsíveis
- Ideal para: análise de dados, extração de informações, Q&A factual
2- Temperature 0.3-0.5 (Levemente variado):
- Pequena variação mantendo coerência
- Ideal para: escrita profissional, resumos, traduções
3- Temperature 0.7-0.9 (Balanceado):
- Mistura previsibilidade com criatividade
- Ideal para: criação de conteúdo geral, brainstorming
4- Temperature 1.0-2.0 (Altamente criativo):
- Respostas imprevisíveis e originais
- Ideal para: ficção criativa, poesia, ideias inovadoras
Surpreendentemente, ajustar temperature é como mudar completamente a personalidade da IA. Portanto, experimente valores diferentes para tarefas diferentes.
Outros Parâmetros Importantes
Ademais, existem outros controles úteis:
Top-p (Nucleus Sampling): Controla diversidade de vocabulário (geralmente deixe em 0.9-1.0)
Max Tokens: Limite rígido de tamanho da resposta (não controla comprimento, apenas limite máximo)
Frequency Penalty: Reduz repetição de palavras (útil para textos longos)
Presence Penalty: Encoraja introdução de novos tópicos (útil para brainstorming)
Consequentemente, combine esses parâmetros estrategicamente para resultados otimizados.
Guia Rápido de Temperature
Portanto, use este guia prático:
| Tarefa | Temperature Ideal |
|---|---|
| Extração de dados | 0 |
| Classificação | 0-0.3 |
| Resumo | 0.3-0.5 |
| Tradução | 0.3-0.5 |
| Escrita técnica | 0.5-0.7 |
| Blog posts | 0.7-0.9 |
| Brainstorming | 0.9-1.2 |
| Ficção criativa | 1.0-1.5 |
| Poesia experimental | 1.5-2.0 |
Comando #10: Meta-Prompting (Pedindo Ajuda à IA)
Finalmente, vamos falar sobre a técnica mais meta de todas: pedir para a IA melhorar seus próprios prompts. Surpreendentemente, modelos modernos são excelentes em analisar e otimizar prompts. Consequentemente, você pode usar a IA como copiloto de prompt engineering.
Como Usar Meta-Prompting
Primeiramente, ao invés de adivinhar como melhorar um prompt, simplesmente peça para a IA analisá-lo:
"Analise o seguinte prompt e sugira melhorias específicas:
[Cole seu prompt aqui]
Identifique:
1. O que está faltando de contexto
2. Onde a instrução poderia ser mais clara
3. Que exemplos ajudariam
4. Que constraints são necessárias
5. Como estruturar melhor
Depois, reescreva o prompt incorporando essas melhorias."
Ademais, você pode ser ainda mais específico:
"Sou iniciante em prompt engineering. Meu objetivo é [descrever objetivo]. Escrevi este prompt mas os resultados não são bons:
[Seu prompt]
Você pode:
1. Explicar os problemas do meu prompt
2. Ensinar-me os princípios que violei
3. Criar versão melhorada com anotações explicando cada melhoria"
Surpreendentemente, essa abordagem transforma cada interação em oportunidade de aprendizado. Consequentemente, você melhora continuamente suas habilidades.
Template de Auto-Crítica
Além disso, você pode pedir para a IA criticar sua própria resposta:
[Após receber uma resposta]
"Avalie sua resposta anterior:
1. Ela atendeu completamente minha solicitação?
2. O que poderia ser melhorado?
3. Que informações importantes faltaram?
4. Como eu poderia ter feito melhor pergunta?
Então forneça versão melhorada."
Portanto, transforme a IA em seu professor pessoal de prompt engineering.
Bônus: Combinando Todas as Técnicas (Prompt Supremo)
Certamente, a verdadeira maestria vem de combinar múltiplas técnicas. Portanto, vou mostrar como criar um “prompt supremo” que incorpora tudo que aprendemos:
--- PAPEL ---
Atue como consultor de marketing digital experiente especializado em pequenos negócios.
--- CONTEXTO ---
Tenho loja online de produtos artesanais há 6 meses.
Situação atual:
- 500 visitantes/mês
- Conversão de 1%
- Orçamento marketing: R$ 500/mês
- Trabalho sozinho (sem equipe)
--- OBJETIVO ---
Dobrar vendas (não tráfego) nos próximos 90 dias.
--- TAREFA ---
Crie estratégia de marketing digital prática e implementável.
--- FORMATO ---
Retorne como JSON com esta estrutura:
{
"diagnostico": "string (2-3 linhas)",
"estrategia_principal": "string",
"acoes": [
{
"acao": "string",
"prazo": "string",
"custo_estimado": "string",
"impacto_esperado": "string"
}
],
"metricas_acompanhar": ["array"]
}
--- CONSTRAINTS ---
- Apenas táticas que posso implementar sozinho
- Orçamento máximo R$ 500/mês
- Evite sugestões que requeiram equipe
- Foco em conversão, não apenas tráfego
--- EXEMPLOS ---
[Se relevante, inclua 1-2 exemplos do formato desejado]
--- INSTRUÇÕES ESPECIAIS ---
Pense passo a passo:
1. Primeiro analise o que está travando conversão
2. Depois identifique maior oportunidade de impacto
3. Finalmente, priorize ações por ROI potencial
Surpreendentemente, prompts dessa qualidade geram respostas que parecem consultoria profissional de R$ 5.000. Consequentemente, você economiza dinheiro e tempo enquanto obtém resultados superiores.
Erros Comuns e Como Evitá-Los
Entretanto, mesmo conhecendo as técnicas, existem armadilhas comuns. Portanto, vamos identificá-las e como evitá-las:
Erro #1: Prompt Muito Vago
Problema: “Me ajude com marketing” Solução: Seja específico sobre situação, objetivo e constraints
Erro #2: Informação Contraditória
Problema: “Escreva texto curto e detalhado” Solução: Defina comprimento exato e o que deve ser detalhado
Erro #3: Expectations Irrealistas
Problema: “Analise 50 páginas de PDF e resuma em 1 parágrafo” Solução: Respeite limites de contexto e use prompt chaining
Erro #4: Não Testar Variações
Problema: Desistir após primeira tentativa Solução: Experimente pelo menos 3-4 variações antes de concluir
Erro #5: Ignorar Temperature
Problema: Usar temperature padrão para tudo Solução: Ajuste temperature para tipo de tarefa
Consequentemente, evitando esses erros você economiza horas de frustração.
Conclusão: Sua Jornada em Prompt Engineering Começa Agora
Finalmente, chegamos ao fim deste guia completo. Certamente, você agora possui conhecimento dos 10 comandos essenciais que transformarão seus resultados com IA. Portanto, recapitulando os pontos fundamentais:
- Contexto Rico – Sempre forneça background detalhado
- Chain of Thought – Para problemas complexos, peça raciocínio passo a passo
- Role-Playing – Atribua papéis específicos para respostas especializadas
- Delimitadores – Use estrutura clara para prompts complexos
- Few-Shot Learning – Mostre exemplos ao invés de apenas explicar
- Formato de Saída – Especifique exatamente como quer receber respostas
- Constraints – Defina boundaries claros sobre o que fazer e não fazer
- Prompt Chaining – Quebre tarefas complexas em etapas sequenciais
- Temperature – Ajuste criatividade vs. determinismo conforme necessidade
- Meta-Prompting – Use a IA para melhorar seus próprios prompts
Ademais, lembre-se: prompt engineering é habilidade que melhora com prática. Portanto, não espere perfeição imediata. Aliás, cada interação é oportunidade de aprendizado.
Próximos Passos Práticos
Consequentemente, recomendo que você:
- Escolha uma técnica e pratique até dominar
- Documente seus melhores prompts para reutilização
- Experimente combinações de técnicas diferentes
- Compartilhe aprendizados com outros e aprenda deles
- Mantenha-se atualizado – modelos evoluem rapidamente
Surpreendentemente, dominar prompt engineering pode ser uma das habilidades mais valiosas que você desenvolverá em 2025. Afinal, IA está se tornando ubíqua, e saber se comunicar efetivamente com ela é diferencial competitivo real.
O Convite Final
Agora que você possui esse conhecimento fundamental, está preparado para multiplicar sua produtividade com IA. Entretanto, conhecimento teórico é apenas o começo.
Imagine ter acesso a biblioteca completa de prompts testados e validados para cada situação. Além disso, pense em poder consultar exemplos avançados sempre que enfrentar desafio novo. Dessa forma, você economiza horas de tentativa e erro.
Portanto, se você está comprometido em dominar completamente prompt engineering e quer acelerar drasticamente sua curva de aprendizado, considere aprofundar seus estudos com recursos especializados.
Afinal, em 2025, prompt engineering é a nova alfabetização digital. Ademais, quem domina essa habilidade primeiro colhe vantagens competitivas enormes – tanto profissionais quanto pessoais.
Gostou deste guia? Então compartilhe com colegas que também querem dominar IA! Além disso, deixe nos comentários: qual dessas técnicas você vai testar primeiro? E qual resultado surpreendente você já obteve com IA?
Quer mais tutoriais práticos sobre IA e tecnologia? Acompanhe o blog para guias passo a passo, dicas exclusivas e as melhores práticas atualizadas. Consequentemente, você estará sempre à frente! 🚀✨
Não deixe de ler: Monetização Digital: Como Viver de Conteúdo em 2025