> For the complete documentation index, see [llms.txt](https://docs.hablla.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.hablla.com/fluxos-de-automacoes/todos-os-componentes/hablla-gpt/prompt.md). # Prompt O Componente Hablla GPT (identificado no barramento interno como `habllaGpt`) é um nó de processamento cognitivo baseado em Grandes Modelos de Linguagem (LLMs). Sua função principal é submeter instruções contextuais, dados agregados do contato ou perguntas abertas a um motor de Inteligência Artificial parceiro. O componente analisa o input recebido em tempo real e gera uma resposta de texto de forma autônoma, sendo ideal para criar fluxos de triagem inteligentes, resumir históricos, analisar sentimentos de mensagens ou responder a dúvidas complexas sem depender de caminhos rígidos de decisão. ### 2. Parâmetros de Configuração A parametrização do nó gerencia a escolha do cérebro de processamento e os limites de inferência da IA por meio dos seguintes critérios: * Modelo (\* Campo Obrigatório): Menu suspenso utilizado para selecionar o modelo de linguagem que processará a requisição. O seletor oferece subversões estáveis baseadas na arquitetura OpenAI, incluindo os modelos comerciais de alta performance e eficiência como `gpt-4o`, `gpt-4o-mini`, `gpt-4.1` e suas respectivas variantes temporais. * Ação: Campo estruturado para ditar a modalidade ou instrução macro de comportamento do nó (como o modo `Prompt`). * Base de conhecimento: Menu opcional utilizado para acoplar o componente a repositórios de dados institucionais vetoriais corporativos (mecanismo RAG - *Retrieval-Augmented Generation*), garantindo que a IA consulte documentos internos antes de formular uma resposta técnica. * Pergunta: Caixa de texto longa destinada a receber os comandos, o papel operacional do bot (*System Prompt*) ou a dúvida que será avaliada pela IA. * Opções (Menu Repetidor Avançado): Lista de parâmetros adicionais adicionados sob demanda para refinar o tempo e estilo de resposta do modelo: * `Temperatura`: Controla a aleatoriedade e criatividade da IA (valores próximos a 0 tornam a resposta mais exata e padronizada; valores próximos a 1 dão maior liberdade de redação). * `Máx. de tokens`: Limita o tamanho e comprimento máximo do payload textual de resposta gerado. * `Máx. de tentativas`: Define o teto de reenvios automáticos em caso de instabilidade ou timeout na API da IA. * `Idioma`: Configura a língua nativa de priorização de escrita e interpretação do nó. ### 3. Construtor Visual A interface do construtor adota uma estrutura em cascata projetada para a inclusão modularizada de controles avançados: * Filtros Expandidos por Demanda: O menu suspenso *Opções* funciona como um injetor dinâmico. Em vez de poluir a tela com dezenas de inputs, o administrador seleciona qual critério deseja refinar (como *Temperatura*) e o painel renderiza imediatamente o campo correspondente com a opção de exclusão rápida por ícone de lixeira. * Validação Sintática de Nó: A obrigatoriedade marcada com asterisco (`*`) no seletor *Modelo* serve como barreira de segurança no canvas, travando o salvamento da automação se nenhuma infraestrutura de IA estiver vinculada. ### 4. Operadores Especiais As propriedades lógicas deste componente lidam com compilações contextuais assíncronas e injeção de payloads de metadados: * Interpolação de Variáveis em Prompts Completos: A caixa de texto do parâmetro *Pergunta* aceita a inserção de chaves duplas `{{...}}` de forma livre. Isso possibilita munir o robô de IA com todo o contexto reunido do contato até o momento atual (ex: `"Dado o cliente com nome {{nome}}, telefone {{phone}} e histórico de mensagens {{$data?.historico}}, faça a seguinte análise..."`). * Objeto Resultante de Inferência: Ao concluir o processamento neural com sucesso, o motor do sistema injeta o retorno puro da IA em uma variável de resposta nativa no escopo do contato (`$data`). O payload gerado pode ser invocado imediatamente em componentes de mensagem sequenciais de qualquer canal (WhatsApp, Telegram, Webchat) para exibir a resposta gerada ao usuário final de forma transparente. ### 5. Exemplos Práticos A tabela abaixo demonstra cenários clássicos de como configurar as propriedades do Hablla GPT para extrair inteligência automatizada no fluxo: | **Modelo Selecionado** | **Configuração da "Pergunta" (Prompt)** | **Parâmetro Adicionado em "Opções"** | **Caso de Uso Prático** | | ---------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------- | | gpt-4o-mini | "O usuário digitou: `{{response}}`. Com base nisso, responda de forma curta em qual categoria essa mensagem se encaixa: \[Financeiro], \[Suporte] ou \[Vendas]." | `Temperatura` = 0.0 *(Foco total em precisão)* | Atuar como classificador ou roteador automático de intenções de mensagens escritas sem menus fechados de botões. | | gpt-4o | "Classifique o nível de insatisfação da seguinte mensagem do cliente: `{{$data?.first_message}}`. Responda apenas com um número de 1 (muito satisfeito) a 5 (muito bravo)." | `Máx. de tokens` = 5 | Analisar o sentimento da primeira interação do cliente no Instagram para priorizar na fila humana os casos urgentes de reclamação. | | gpt-4o | "Você é um atendente virtual de e-commerce. Utilize a base de conhecimento de perguntas frequentes para sanar a dúvida do usuário: `{{response}}`" | `Idioma` = Português | Criar um assistente virtual autônomo plugado ao FAQ do site capaz de tirar dúvidas institucionais complexas na DM de forma humana. | --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.hablla.com/fluxos-de-automacoes/todos-os-componentes/hablla-gpt/prompt.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.