01 · Evidência e prompt
O prompt é a ponta. A persona nasce da evidência que entra.
Sem dado real por baixo, o modelo preenche o vazio com o que aprendeu no pré-treino, a leitura em massa da internet que vem antes de qualquer projeto, e a persona vira estereótipo.Clique em cada parte do iceberg para ver o que entra no corpus e como ele é preparado.
02 · Curadoria do corpus
A persona vale o corpus que a sustenta.
Num estudo fictício de rede de farmácias, a persona de quem toma remédio contínuo só fala do que as entrevistas E14, E15 e E16 sustentam. Fonte de outro segmento, sintética ou sem permissão contamina a voz.Decida o que entra e o que fica fora, depois clique em Conferir.
03 · Dado pessoal
Dado pessoal sai do corpus antes de qualquer vetor.
Vetorizar é transformar cada trecho em números para a busca. Depois disso o dado pessoal fica espalhado no índice e é difícil de tirar. O verbatim abaixo é fictício, escrito para o jogo como se viesse de um estudo de delivery de comida.Clique no que identifica uma pessoa. Clique errado conta como alarme falso.
Há nove dados que identificam pessoas: nomes, contato, documento, endereço e data de nascimento.
04 · Chunking
O bloco certo guarda uma ideia inteira, com a fala completa.
Chunking é dividir o corpus em blocos pequenos, cada um com um id, para a busca devolver só o pedaço que importa. O texto é uma entrevista inteira, a E03, de um estudo fictício sobre banco digital para pequenos comerciantes, com seis falas. O professor recomenda blocos de 300 a 500 tokens com sobreposição; token é um pedaço de palavra, e aqui o tamanho é contado em palavras para ficar visível.
onde cortar
desafio · seis falas inteiras, até oito blocos
05 · Busca por sentido
A busca por sentido entrega à persona só o trecho que responde.
A busca semântica compara a pergunta com cada trecho pelo cosseno, um número de 0 a 1 que mede o quanto dois textos apontam para a mesma direção: 1 é igual, 0 é nada em comum. Esta busca roda aqui, nos dezoito trechos do estudo de banco digital da cena anterior, com pesos de palavra.
três desafios
Busca por palavra, como um índice TF-IDF: palavra rara pesa mais, palavra que aparece em todo trecho quase não pesa. Sinônimo que o corpus não usa fica com peso zero.
06 · Engenharia de contexto
A persona responde com o que está na pilha de contexto da rodada.
Engenharia de prompt é a forma de escrever a instrução. Engenharia de contexto é escolher tudo o que o modelo recebe naquela rodada: regras, perfil, trechos, exemplos, pergunta e formato.Arraste as camadas para a ordem certa (ou use as setas). Ao acertar, clique numa camada para ver o exemplo.
exemplo
A ordem decide o peso de cada camada.
Quando as seis estiverem no lugar, cada camada abre aqui com um exemplo de um estudo fictício de plano de saúde.
07 · Prompt contra contexto
Sem a pilha de contexto, a persona vira média da internet.
À esquerda, só uma linha de prompt. À direita, a resposta com as seis camadas, num estudo fictício de educação a distância com alunos que trabalham.Escolha a pergunta e ache os três trechos problemáticos da resposta da esquerda.
Só o prompt
"Você é um aluno de 35 anos de um curso a distância. Responda à pesquisa." Resposta ilustrativa, escrita para esta aula no padrão que um modelo sem base costuma dar.
A pilha completa
Sistema, perfil de E09 e E13, trechos da busca, exemplos, tarefa e formato. Resposta escrita para a aula no formato que a pilha produz. Os ids entre colchetes apontam para o trecho do corpus.
08 · Anatomia do system prompt
O system prompt é a ficha técnica que separa persona de estereótipo.
O system prompt é a instrução fixa que o modelo recebe antes de qualquer pergunta. Cada uma das oito seções fecha uma porta para a caricatura.Clique numa seção para ver o que ela faz, o exemplo e a armadilha.
09 · Escrita do system prompt
O system prompt nasce do corpus, sem caricatura nem jargão.
Os alertas apontam caricatura, gíria que não veio do corpus, vocabulário de marketing e regra que falta.Escreva ou use o exemplo de um estudo de telefonia com jovens de celular pré-pago. A prévia atualiza a cada tecla.
10 · Voz do corpus
A voz sai dos verbatims, nunca de gíria inventada.
O exemplo do professor: "marca boa é a que dura, o resto é conversa". É o tipo de frase que nasce de uma fala real. Decida quais das doze expressões vieram das entrevistas E02, E07 e E08 do estudo de telefonia pré-paga e quais são caricatura.
regra da seção VOZ
Registro e tamanho de frase medidos no corpus, de cinco a oito palavras e expressões com o id de onde vieram. Sem caricatura, sem gíria artificial, sem vocabulário de marketing.
11 · Evidência, inferência ou não sei
Uma persona confiável distingue saber, deduzir e não saber.
Toda resposta cai num de três níveis: evidência do corpus, inferência declarada ou não sei. A persona que não marca o nível inventa sem avisar.Leia cada resposta da persona de um estudo fictício de cerveja, com quem bebe em casa no fim de semana, e diga o nível dela.
12 · Ciclo de calibração
A amostra de validação abre uma única vez, e é ela que prova a fidelidade.
Calibrar é comparar a persona com gente que ela nunca viu. Depois de aberta, a entrevista de validação serve de referência de ajuste e deixa de provar a melhora.Clique nos cinco passos na ordem. Ajustar depois de abrir dispara um alerta.
Uma entrevista humana fora do corpus e fora da vista do modelo.
Regra do curso: o ajuste se faz contra o corpus. Depois de aberta, a amostra de validação vira referência de ajuste, e provar a melhora pede outra amostra de validação.
13 · As seis métricas
Fidelidade se mede contra gente, em seis réguas.
Cada métrica responde a uma dúvida diferente sobre a persona, e cada uma tem uma armadilha de leitura. Os valores de exemplo são ilustrativos, de um estudo fictício de rede de supermercados.Clique numa métrica para ver o que mede, a conta e um valor de exemplo.
14 · Leitura das métricas
Acerto só tem sentido contra o reteste humano e a variação das respostas.
Os valores iniciais são os publicados: o reteste humano e o acerto bruto de Park e colegas (2024), e a variação de resposta medida por Lukauskas e Šarkauskaitė (2026).Mexa nos controles e cumpra as duas missões.
Acurácia normalizada pelo reteste
O reteste é a pessoa respondendo de novo, duas semanas depois. Ele é o teto: ninguém prevê uma pessoa melhor do que ela prevê a si mesma.
normalizado = bruto ÷ reteste
Achatamento
A razão entre a variação das respostas da persona e a das pessoas, medida pelo desvio padrão. Perto de 1, a persona varia como gente. Muito abaixo de 1, ela vira um coro.
razão
roxo: persona · verde: pessoas
15 · Estereótipo
Persona que fala por uma geração inteira virou estereótipo.
A taxa de estereótipo conta as respostas em que a persona fala por uma geração, uma região ou um grupo inteiro. As vividas vêm do corpus de um estudo fictício de ração para cães; as outras foram escritas para o jogo.Marque cada frase como vivida ou estereótipo.
sinal de alerta
Sujeito coletivo (nós da minha idade, todo mundo, no Nordeste), generalização sem caso e traço atribuído a um grupo inteiro. A fala vivida tem uma casa, uma pessoa e um episódio.
16 · Revisão
Do corpus à calibração: o que você domina agora.
Quatro perguntas por bloco. Três ou mais certas num bloco valem o selo dele: Curador, Engenheiro de contexto e Calibrador. A pontuação vai para o placar guardado neste navegador.
Selos
17 · Fontes e créditos
Cada fato tem fonte, e cada exemplo é fictício e declarado.
Fontes da web conferidas em 19/10/2026. Os projetos de exemplo, de banco digital a ração para cães, são fictícios e foram escritos para a aula. A única imagem externa é a fotografia do iceberg, com licença aberta; os demais desenhos são SVG originais.
Fontes
Imagens e material
Iceberg. Fotografia de Uwe Kils (iceberg) e Wiska Bodo (céu), Wikimedia Commons, licença CC BY-SA 3.0, reduzida para a página.
Faixa de chunking e ciclo de calibração. Desenhos originais em SVG, feitos à mão para esta página pelo curso, sem arquivo externo.
Falas, system prompts, respostas e métricas. Escritos para esta página, em projetos fictícios de várias categorias: banco digital, farmácia, delivery, plano de saúde, educação a distância, moda, telefonia, cerveja, seguro de automóvel, supermercado e ração. Nenhuma fala representa participante humano, marca ou empresa real.
Para praticar. Os kits do curso trazem um projeto de treino com corpus, roteiro e entrevista de validação.
Verbatim do caçador de dado pessoal e fontes candidatas do jogo do corpus. Escritos para esta página. Nomes, telefone, e-mail, CPF e endereço são inventados.
Respostas da coluna Só o prompt. Ilustrativas, escritas para a aula.
Professor Cassiano Albuquerque · curso ABEP de dados e personas sintéticas · 20 a 22/10/2026