Toda marca que coloca um assistente de IA no site, no WhatsApp ou no atendimento escreve, em algum momento, um texto que o cliente nunca vê: quem o assistente é, como fala, o que pode prometer e o que deve recusar. Esse texto é o system prompt. Ele costuma ser tratado como redação, revisado uma vez e esquecido.
O que quase ninguém conta é que esse texto não é lido uma vez. Ele acompanha cada mensagem da conversa e entra na conta a cada resposta. Por isso o system prompt é, ao mesmo tempo, a peça mais importante do comportamento do bot e uma linha recorrente da fatura. Este guia trata das duas coisas.
O que é system prompt?
System prompt (em português, prompt de sistema) é o bloco de instruções que quem constrói o assistente envia ao modelo de IA antes da conversa. Ele define o papel, o tom, as regras e os limites que valem para todas as respostas. Na API da Anthropic, por exemplo, ele vai num campo próprio, chamado system, separado das mensagens trocadas com o usuário.
Um aviso de vocabulário, porque a busca mistura as coisas: system prompt não tem relação com o prompt de comando do Windows (o cmd), aquela janela preta onde se digitam comandos do sistema operacional. O nome parecido é coincidência. Aqui, “prompt” é o texto entregue a um modelo de linguagem, e “system” indica que ele vem de quem opera o produto, não de quem conversa.
A própria Anthropic resume o efeito do campo: definir um papel ali concentra o comportamento e o tom do modelo no caso de uso, e até uma frase faz diferença. É a forma mais barata de controle que existe sobre a IA, e por isso é a primeira coisa que uma marca deveria escrever com cuidado.
Qual a diferença entre system prompt e user prompt?
O user prompt é o que o cliente digita: “qual o prazo de entrega para Campinas?”. O system prompt é o que a empresa escreveu antes: “você é o assistente da loja, responde em frases curtas, não promete prazo sem consultar o pedido”. O primeiro muda a cada mensagem; o segundo, em tese, é o mesmo para todo mundo.
Na prática, o system prompt funciona como as regras da casa e o user prompt como o pedido do cliente. Quando os dois entram em conflito, os modelos tendem a dar mais peso às instruções de sistema, mas isso é tendência, não garantia. Um usuário insistente, ou um texto de terceiro que o agente lê, pode tentar passar por cima delas. É o tema do nosso artigo sobre prompt injection e a ordem escondida no que o agente lê.
| System prompt | User prompt | Base de conhecimento | |
|---|---|---|---|
| Quem escreve | A empresa, uma vez | O cliente, a cada mensagem | A empresa, em documentos |
| O que contém | Papel, tom, regras, limites | A pergunta ou o pedido | Fatos: preços, fichas, políticas detalhadas |
| Quando entra | Em toda chamada | Na chamada daquela mensagem | Só quando a pergunta pede |
| Tamanho ideal | O menor que cubra o comportamento | O que o cliente escrever | Pode ser grande, se for buscável |
| Efeito no custo | Recorrente, multiplica por mensagem | Variável | Só o trecho recuperado é cobrado |
Comparativo elaborado pela Alliance Comunicação a partir da documentação das APIs de IA consultada em 19/11/2026.
O que a marca coloca no system prompt de um assistente?
O system prompt de uma marca deveria responder a cinco perguntas, nesta ordem de importância:
- Quem é você? O papel: “assistente de atendimento da marca X, para clientes que já compraram”. Uma frase bem escrita aqui faz mais que dez regras soltas.
- Como você fala? O tom de voz, escrito em comportamento e não em adjetivos: “frases curtas, trata por você, sem gírias, sem emojis em reclamação”. Como montar isso está no nosso guia de tom de voz escrito para a IA.
- O que você pode e não pode fazer? Os limites: não negocia preço, não promete prazo sem consulta, não comenta concorrente, não dá orientação jurídica.
- Quando você passa a vez? A regra de escalada: em que situação o assistente transfere para um humano e como avisa o cliente.
- Como você responde? O formato: tamanho máximo, uso de listas, idioma, o que fazer quando não sabe.
Repare que nenhuma dessas perguntas é “qual o preço do plano Ouro?”. Fato que muda (preço, estoque, condição comercial, endereço de loja) não mora no system prompt. A Anthropic também recomenda explicar o motivo por trás de cada instrução, porque o modelo usa o porquê para acertar os casos que a regra não previu. “Não prometa prazo, porque o prazo depende da transportadora” funciona melhor que “nunca fale de prazo”.
O que vai no system prompt e o que vai na base de conhecimento?
A regra que usamos na Alliance é simples: comportamento vai no system prompt; fato vai na base de conhecimento. O system prompt diz como o assistente age. A base diz o que é verdade sobre a empresa, e é consultada só quando a pergunta pede, em vez de ser carregada inteira em toda mensagem.
Essa separação tem um motivo técnico, que é o assunto deste artigo, e um motivo de manutenção. Quando o preço muda, quem cuida do comercial atualiza um artigo da base, sem tocar nas instruções do bot. Quando o tom muda, quem cuida da marca mexe no system prompt, sem risco de apagar uma política de troca. A anatomia desses artigos está no nosso texto sobre como escrever a base de conhecimento que a IA lê sozinha; o critério do que entra sempre, do que entra sob demanda e do que fica de fora está em engenharia de contexto para a marca. Aqui o foco é outro: o que acontece com o texto que fica.
Por que o system prompt é cobrado em toda mensagem?
Porque a API não guarda a conversa por você. A documentação da Anthropic diz isso sem rodeio: a Messages API é stateless, e quem a usa envia sempre o histórico completo da conversa. Cada vez que o cliente manda uma mensagem, o sistema do assistente monta um pacote novo com o system prompt, as definições de ferramentas, todas as mensagens anteriores e a pergunta nova, e envia tudo de uma vez.
Tudo o que entra no pacote é token de entrada, e token de entrada é cobrado. Logo, um system prompt de 4.000 tokens numa conversa de seis mensagens é processado seis vezes. Numa operação com milhares de conversas por mês, o texto que a marca escreveu uma vez vira o maior item recorrente da conta de entrada, antes mesmo da pergunta do cliente. (A Anthropic tem um recurso em beta, as message threads, em que a API mantém a conversa e o pedido seguinte manda só as mensagens novas; o efeito disso na fatura deve ser conferido na documentação do recurso. Este artigo trata do modo padrão.)
É por isso que o tamanho do system prompt não é só questão de qualidade. Cada parágrafo de “contexto institucional” que ninguém pediu é pago de novo em toda mensagem. A visão geral de quanto custa a operação inteira, com WhatsApp e desenvolvimento, está no nosso artigo sobre quanto custa um agente de IA; aqui interessa só a parte que se repete.
O que é prompt caching e quanto ele barateia o system prompt?
Prompt caching é o recurso que deixa o provedor guardar, por alguns minutos, o processamento do começo do pacote. Se a chamada seguinte começa exatamente com o mesmo texto, esse trecho é lido do cache em vez de processado de novo, a uma fração do preço. O system prompt, por ser o texto que mais se repete, é o candidato natural.
Os números da Anthropic, conferidos na documentação oficial em 19/11/2026, são estes:
- Leitura do cache: 0,1 vez o preço base de entrada na maior parte dos modelos; 0,05 vez no Claude Opus 5.5 e no Claude Sonnet 5.5; 0,025 vez no Claude Fable e no Claude Mythos das versões 5.1 e 5.2.
- Gravação no cache: 1,25 vez o preço base, com validade de 5 minutos; 2 vezes, com validade de 1 hora.
- Validade: 5 minutos por padrão, renovados sem custo a cada uso.
- Tamanho mínimo: de 512 a 4.096 tokens, conforme o modelo. Abaixo disso, o trecho não é cacheado, e a API não devolve erro.
O detalhe que vira armadilha está na gravação: ela custa mais que o preço normal. Se o assistente recebe uma mensagem a cada dez minutos, o cache de 5 minutos expira entre uma e outra, e toda chamada paga a gravação sem nunca aproveitar a leitura. Nesse cenário, ligar o cache encarece. A conta abaixo mostra os dois extremos.
| Cenário (só a parte do system prompt) | Tokens no mês | Preço aplicado | Custo no mês |
|---|---|---|---|
| Sem cache | 480 milhões | US$ 2,00 por milhão | US$ 960 |
| Cache acertando em quase toda chamada | 480 milhões | US$ 0,10 por milhão (leitura) | cerca de US$ 48, mais as gravações |
| Cache expirando entre toda chamada | 480 milhões | US$ 2,50 por milhão (gravação de 5 min) | US$ 1.200 |
Conta ilustrativa da Alliance Comunicação: system prompt de 4.000 tokens, 20.000 conversas por mês com 6 mensagens cada (120.000 chamadas), no Claude Sonnet 5.5, com os preços por milhão de tokens publicados pela Anthropic em 19/11/2026. Não inclui mensagens, ferramentas nem saída.
A leitura prática: o cache compensa quando o mesmo começo de texto é reaproveitado ao menos uma vez dentro da validade. Uma gravação seguida de uma única leitura já sai mais barata que duas chamadas sem cache. Para atendimento com movimento constante, a economia é grande. Para um bot que recebe três mensagens por hora, vale olhar a validade de 1 hora, ou aceitar que o cache não é a alavanca certa.
Por que a ordem do texto decide se o cache funciona?
Porque o cache não procura trechos iguais em qualquer lugar: ele compara o pacote do começo até o ponto marcado, e só acerta se esse prefixo for 100% idêntico. A documentação da Anthropic descreve a ordem em que o pacote é montado (ferramentas, depois system, depois mensagens) e a regra que decorre dela: uma mudança em qualquer nível invalida aquele nível e todos os seguintes.
Daí sai o erro mais comum em system prompt de marca: começar o texto com o que muda. “Hoje é terça-feira, 19 de novembro, 14h32. Você está atendendo a Fulana, cliente do plano Ouro.” É natural escrever assim, porque é a informação mais concreta. Mas, com a data e o nome no primeiro parágrafo, o prefixo nunca se repete, e o cache nunca acerta, mesmo que as outras 3.900 palavras sejam idênticas em todas as conversas.
A correção é mudar a ordem, não o conteúdo. Papel, tom, políticas e regras, que são iguais para todo cliente, vão no começo. O ponto de cache fica logo depois deles. Data, hora, nome do cliente, plano e qualquer dado que varie vêm depois, ou numa mensagem separada. Nos modelos mais recentes da Anthropic há ainda a opção de inserir uma mensagem de sistema no meio da conversa; segundo a documentação, ela tem a mesma autoridade do campo system e, como vai para o fim do histórico, não invalida o prefixo que já estava em cache.
Vale o mesmo para as ferramentas, que ficam antes do system na fila. Acrescentar uma integração nova ao agente reprocessa tudo na chamada seguinte. Não é motivo para evitar mudanças, mas é motivo para agrupá-las numa versão, em vez de mexer na lista de ferramentas a cada tarde.
Como escrever um bom system prompt, na prática
1. Comece pelo papel, em uma ou duas frases
Quem é o assistente, para quem ele fala e qual o objetivo da conversa. “Você é o assistente de pós-venda da marca X e ajuda clientes que já compraram a acompanhar pedidos e resolver trocas.” Isso orienta o modelo mais do que qualquer lista de proibições.
2. Escreva o tom como comportamento observável
“Acolhedor e profissional” não diz nada a uma máquina. “Frases de até 20 palavras, trata por você, admite o erro antes de explicar, nunca usa ponto de exclamação em reclamação” diz. Se a marca já tem guia de voz, traduza os adjetivos em regras desse tipo.
3. Dê o motivo de cada limite
Regra com porquê generaliza; regra sem porquê vira lista de exceções. “Não informe prazo antes de consultar o pedido, porque o prazo varia por transportadora e uma promessa errada gera reclamação” cobre casos que você não previu.
4. Separe o estável do variável, nessa ordem
Tudo o que vale para todos os clientes, no começo e sempre com o mesmo texto, sem versões que mudam espaço ou pontuação. Tudo o que muda por conversa, depois do ponto de cache. Se o time edita o system prompt toda semana, a cada edição o cache recomeça do zero: agrupe as mudanças.
5. Tire os fatos e aponte para a base
Tabela de preços, endereço de lojas, ficha técnica e política de troca completa vão para a base de conhecimento. No system prompt fica a instrução de consultar a base e de dizer que não sabe quando a resposta não estiver lá.
6. Teste com as perguntas difíceis antes de publicar
Monte uma lista com as vinte perguntas que mais aparecem e as cinco que mais dão problema (reclamação, pedido de desconto, pergunta fora do escopo, tentativa de tirar o bot do papel). Rode a lista a cada versão do system prompt e compare as respostas.
O system prompt é secreto ou o usuário consegue ver?
O cliente não vê o system prompt na tela, mas isso não o torna secreto. Com as perguntas certas, usuários conseguem fazer o modelo repetir ou parafrasear as instruções, e há coleções públicas de system prompts vazados de produtos conhecidos. A própria Anthropic, na página sobre como reduzir vazamento de prompt, admite que nenhum método é infalível.
A orientação da documentação é pragmática: não coloque no prompt detalhe proprietário de que o modelo não precise, monitore as saídas com filtros e audite o prompt com regularidade. Ela também avisa que blindar demais o texto contra vazamento pode piorar o desempenho do assistente no resto da tarefa (Anthropic, “Reduce prompt leak”). Para a marca, a regra é direta: escreva o system prompt como se ele fosse ser publicado. Senha, chave de API, margem de negociação e dado de cliente não entram ali, nunca.
Quais os erros mais comuns em system prompt de marca?
- Abrir com o que muda. Data, saudação personalizada ou nome do cliente no topo impedem o cache de acertar. É o erro mais caro e o de conserto mais rápido.
- Usar o system prompt como depósito. Colar o manual da marca inteiro, a tabela de preços e o histórico da empresa. O texto cresce, é pago em toda mensagem, e as regras importantes ficam diluídas, como mostramos no artigo sobre a janela de contexto e o manual que a IA esquece no meio.
- Ficar logo abaixo do mínimo do cache. Um prompt de 3.000 tokens num modelo cujo mínimo é 4.096 nunca é cacheado, e a API não avisa. Ou o texto é enxuto de propósito, ou é a parte estável inteira que vai ao cache.
- Editar toda hora. Cada troca de vírgula na parte estável zera o cache. Versione o prompt e publique as mudanças em lote.
- Pôr segredo no texto. O que está no system prompt pode ser extraído. Se não pode vazar, não pode estar ali.
- Regras sem motivo. Listas de “nunca faça” sem explicação geram um assistente rígido nos casos previstos e perdido nos outros.
Como medir se o system prompt está custando o que deveria?
A resposta da API traz o consumo detalhado em cada chamada. Na Anthropic, os campos cache_creation_input_tokens e cache_read_input_tokens mostram quantos tokens foram gravados e quantos foram lidos do cache. Se os dois vêm zerados, o cache não está funcionando: ou o prefixo muda, ou o trecho está abaixo do mínimo, ou o ponto de cache não foi marcado.
Três números bastam para acompanhar, numa planilha mensal:
- Tamanho do system prompt em tokens, a cada versão. Se cresceu, alguém precisa justificar o que entrou.
- Taxa de acerto do cache: tokens lidos do cache sobre o total de tokens de entrada. Em atendimento com movimento constante, ela deveria ser alta; se não é, comece pelas três primeiras linhas do prompt.
- Custo de entrada por conversa, separado do custo de saída. É o número que mostra se uma mudança de texto ou de ordem fez efeito.
Na leitura da Alliance, o ganho maior raramente vem de trocar de modelo; vem de reorganizar um texto que já existe. Antes de pedir orçamento de outra plataforma, vale medir o que o prompt atual está fazendo.
Por onde começar hoje?
Se a marca já tem assistente no ar, o primeiro passo é abrir o system prompt e fazer duas perguntas a ele: o que aqui é comportamento e o que é fato, e o que aqui muda de uma conversa para outra. Fato sai para a base. O que muda desce para depois do ponto de cache. O que sobra é o texto que define a marca na conversa, e ele merece revisão de quem cuida da marca, não só de quem cuida do código.
Se ainda não tem, comece pelo papel e pelo tom, em poucas linhas, e cresça só com o que os testes mostrarem que falta. É esse o trabalho do nosso serviço de Base de Conhecimento de Marca para IA: separar o que a IA precisa saber sempre do que ela consulta quando precisa, na ordem que faz a conta fechar. E, se a dúvida é anterior (onde a IA entra no marketing da empresa e por onde começar), o diagnóstico de marketing gratuito da Alliance leva cerca de 30 minutos e aponta as prioridades por área.






















