arOS · Engenharia de prompt · 2025 a 2026
80+ agentes, uma voz de marca
Modelos avaliados por custo por resposta aprovada, não por custo por token.
Conhecimento de marketing transformado em prompts, um chat principal que orquestra o produto e um jeito de medir quais respostas são boas de verdade.
Ficha
- Função: Engenheiro de Prompt e Estrategista de Marketing
- Período: mar 2025 a set 2026
- Time: desenvolvedores e fundadores da arOS
- Escopo: prompts de agentes, chat principal, avaliação de modelos, manutenção de fluxos
- Resultado principal: mais de 80 agentes desenhados e avaliados
Contexto
Todo agente da arOS partia do DNA do cliente: marca, posicionamento, público e voz. Meu trabalho era a lógica de marketing dentro dos prompts e julgar se a resposta funcionaria como marketing.
O problema
Uma resposta bem escrita ainda pode ser marketing ruim. O usuário recebia um texto fluente que errava a oferta, o nível de consciência ou a voz da marca. E toda chamada de modelo tem custo.
O que eu fiz
- Desenhei prompts para mais de 80 agentes. Estratégia, storytelling, copywriting, VSLs, roteiros, ideias, newsletters, carrosséis e um agente de SEO, GEO e AEO que audita uma página e recomenda melhorias.
- Fui responsável pelo chat principal. O chat que orquestra o produto se adapta ao tom do usuário e ao DNA da empresa, com um system prompt encadeado a skills, prompts, ferramentas e workflows. Trabalhei com cache e com proteção contra prompt injection.
- Medi qualidade e custo. No Langfuse versionei prompts, li traces e avaliei respostas. Pelo OpenRouter comparei as famílias GPT, Claude e Gemini em qualidade, aderência às instruções, voz da marca, velocidade, tokens e custo. O benchmark usava custo por resposta aprovada, não custo por token.
- Construí os fluxos por trás dos agentes. A arOS v1 rodava em Bubble com n8n. Implementei os workflows, as automações e os RAGs que alimentam os prompts e trabalhei na importação de conteúdo e na transcrição.
- Fiz parte do time de IA do Iman Gadzhi.
- Trabalhei no motor, não só nas palavras. Na 2.0 atuei na orquestração de skills do chat principal e no motor de carrossel, do prompt ao código, e participei da ideação do produto.
Decisões-chave
| Evidência | Decisão | Custo da escolha |
|---|---|---|
| Respostas fluentes falhavam como marketing | Avaliar contra oferta, público e objetivo, não só a escrita | Avaliação mais lenta |
| O token mais barato não era o resultado mais barato | Ranquear modelos por custo por resposta aprovada | Exige repetições e revisão humana |
| Um horário no topo do prompt quebrava o cache | Levar o dado dinâmico para o fim do prompt | Rever uma correção já entregue |
Resultados
Mais de 80 agentes construídos e avaliados com o time. O cache voltou a funcionar depois da correção. Construímos o produto em equipe, e eu atuei em quase todas as camadas: prompts de marketing, fluxos, automações, workflows, RAG, orquestração de skills, o motor de carrossel e a ideação do produto.
O que aprendi
- Prompt é documento de marketing. A maioria dos problemas de qualidade era problema de estratégia.
- Antes de entregar uma correção, ver o que ela faz com qualidade, custo e velocidade no sistema inteiro.
Da 1.0 à 2.0
De 80 agentes a uma conversa.
A arOS mudou de forma enquanto eu estava lá. Nas duas versões atuei na cadeia inteira, da ideia do produto e dos prompts de marketing aos fluxos e ao código por trás deles.
Onde atuei, de ponta a ponta
- Ideação do produto
- Prompts de marketing
- Fluxos e automações
- Workflows
- RAG
- Orquestração de skills
- Motor de carrossel, do prompt ao código
- Landing pages em código
-
arOS 1.0
Um agente por tarefa
- Escolher um especialista: estratégia, copy, VSL, carrossel, newsletter ou SEO
- Selecionar o DNA da marca e preencher o pedido
- Editar o resultado e seguir para o próximo agente
Minha parte Os prompts de mais de 80 agentes e os fluxos em n8n e Bubble por trás deles: workflows, automações e RAG.
arOS 1.0: o agente Gerador de Carrossel, com um DNA de marca pessoal -
arOS 2.0
Um chat que orquestra
- Pedir na conversa
- O chat traz o DNA da marca e aciona a skill, o prompt ou a ferramenta certa
- Respostas, carrosséis e posts voltam na mesma conversa
Minha parte O system prompt e a orquestração de skills do chat principal, o motor de carrossel do prompt ao código, o cache, a proteção contra prompt injection e o benchmark de modelos.
arOS 2.0: o mesmo pedido no chat, com o DNA de uma imobiliária
O mesmo pedido, com e sem o DNA da marca
Do chat ao post pronto
Atuei no motor de carrossel por trás disso, dos prompts ao código. A interface é design do Vitor Rocha.