Andrej Karpathy publica uma “sabedoria” essencial de prompts: conversa por voz com IA e fica batendo papo por 10 minutos

OpenAI 創始成員 e atual integrante da equipe de pré-treinamento da Anthropic, Andrej Karpathy, na terça-feira (21/7), no X, compartilhou publicamente seu roteiro fixo de colaboração com LLMs. Quando se depara com uma tarefa complexa, ele não digita: muda direto para entrada de voz e fala em sequência por 10 minutos. O conteúdo pode saltar, ficar caótico e sem nenhum padrão. A percepção dele é que os modelos são muito bons em recuperar exatamente o que você realmente quer fazer a partir de um longo “vomitório” sem sentido. A versão devolvida costuma sair mais limpa do que a forma como você mesmo explicou.

( Contexto: Andrej Karpathy, membro fundador da OpenAI, anunciou que está ingressando na Anthropic: voltando para a linha de frente do desenvolvimento de LLMs )

(Complemento de contexto: Andrej Karpathy refinou as “quatro regras do CLAUDE.md”, o que explodiu no GitHub, fazendo as probabilidades de o AI escrever código com precisão ultrapassarem 90%)

Em vez de digitar, é só falar. Andrej Karpathy, na terça-feira (21/7), escreveu no X um roteiro fixo de como ele colabora com LLMs: quando há muitos antecedentes para explicar e os dedos não conseguem acompanhar o cérebro, ele encosta na cadeira, muda para /voice (entrada de voz) e então fala continuamente por 10 minutos. “Totalmente uma bagunça; dá para falar qualquer coisa; o tempo todo é fluxo de consciência.”

Um padrão que acho útil para trabalhar com LLMs é uma boa sessão longa de devaneio. Às vezes o LLM precisa de mais pedaços para entender o que você está tentando alcançar, mas você está com preguiça de digitar. Nesses casos, gosto de me apoiar, trocar para /voice e ficar só divagando por uns 10…

— Andrej Karpathy (@karpathy) 21 de julho de 2026

Às vezes ele começa cumprimentando o modelo antes, adicionando logo no começo: “Mudei para reconhecimento de voz, desculpa pelos erros de digitação”; outras vezes ele transforma esse monólogo em uma espécie de entrevista curta, fazendo o modelo fazer perguntas de volta por algumas rodadas, arrancando as pistas soltas uma a uma.

A entrada por voz em si não é algo novo. O que o Karpathy está dizendo, de verdade, é sobre o volume de entrada. Em vez de gastar esforço organizando as ideias em um comando limpo, melhor simplesmente jogar o pacote inteiro de pensamentos diretamente, para o modelo desmontar e reorganizar sozinho.

Fala mais no começo, muda menos no fim

Os motivos dele são diretos. “Por algum motivo, LLMs são extremamente bons em reconstruir monólogos longos e sem sentido. O eco que elas te devolvem, muitas vezes, fica mais limpo do que aquela massa de pensamentos que você tinha originalmente.” Ele escreveu isso — e o resultado foi um melhor mind meld (fusão mental; ou seja, alinhamento gradual entre a compreensão das intenções de você e do modelo). A partir desse momento, as coisas que precisavam ser corrigidas voltaram a ser ainda menos.

Essa frase destaca qual é a estrutura de custo real dessa abordagem. A maior parte das pessoas economiza o esforço de digitar no começo; em troca, depois precisa ficar corrigindo repetidamente e mandando mensagens para esclarecer o que queria dizer. O método do Karpathy é colocar todo o custo naquelas 10 minutos iniciais: usando uma quantidade enorme de contexto para explicar tudo, ele troca pelas cinco rodadas seguintes de “não é bem isso”.

Quem é contra está preocupado com a mesma coisa

Na área de respostas do X, basicamente há dois grupos. Os que apoiam dizem que esse processo já ocupa 80% do prompt deles; e há quem descreva que, depois que passaram a usar mais voz, a eficiência de produção aumentou 5 a 8 vezes. Usuários multilíngues também gostam porque ele não é exigente com o idioma.

As críticas se concentram em uma preocupação: terceirizar para o modelo a tarefa de “deixar tudo bem explicado” — no longo prazo, isso vai fazer a capacidade de organização do próprio time e a habilidade de escrita regredirem? Alguém propôs um meio-termo: depois que o modelo organiza, a pessoa faz uma nova “destilação” manual, sem aceitar tudo de primeira.

No fim, não é que um lado esteja certo e o outro errado. O uso do Karpathy é tratar o modelo como um espelho que sabe organizar, não como um ghostwriter. A diferença é apenas se você lê de volta a versão que ele organizou.

**