Metodologia de Auditoria · Série Técnica GEO · Negócio no Mapa
Engenharia de prompt reverso: como testar se seu conteúdo sobrevive ao RAG antes de publicar
Em vez de publicar e torcer para a IA citar corretamente, é possível estressar um bloco de texto contra quatro tipos de falha — antes de ele ir ao ar. Aqui está o protocolo completo, com a correção de um erro conceitual que valia a pena consertar antes de qualquer implementação.
Esta página é protocolo operacional — metodologia própria, não tradução de paper de terceiro. É a versão prática, pré-publicação, do que o GBFA audita depois: em vez de medir fidelidade de marca numa resposta já gerada, aqui o objetivo é prever falha antes dela acontecer.
Pra mim: formalizar um processo que já uso informalmente em rascunho de conteúdo. Pra Negócio no Mapa: vira etapa de QA obrigatória antes de publicar qualquer página otimizada para GEO — o mesmo espírito de “não publique sem checar” que já apliquei nesta série inteira a fontes de terceiro, agora aplicado ao próprio conteúdo antes dele sair. Pro mercado: a maioria do conteúdo de GEO fala em “escrever para IA” de forma abstrata — este é um protocolo de teste concreto, com prompt exato e critério de aprovação binário.
A base: Answer Capsule
Logo abaixo de cada H2 com a pergunta essencial do nicho, um parágrafo cirúrgico de 40 a 60 palavras, semanticamente autocontido — sem depender do resto da página para fazer sentido. Estrutura: sujeito explícito (nome da marca, nunca “nossa empresa”) + verbo de ação + atributo de diferenciação + dado numérico ou fato verificável. É consistente com o que já estabelecemos nas páginas de chunking e densidade de entidade desta série — formalizado aqui como unidade de teste, não só recomendação de escrita.
Correção de um erro conceitual
Material anterior descrevia o sameAs do Schema.org apontando para Wikipedia/Wikidata como
mecanismo que “ancora o vetor da marca na matriz de pesos das LLMs”. Isso mistura dois conceitos
incompatíveis: sameAs é sinal de resolução de entidade em tempo de recuperação
— ajuda o indexador a entender que perfis diferentes apontam para a mesma marca, como já detalhamos na
página de Search Everywhere desta série. A “matriz de pesos” de um modelo é fixada no treinamento e não
muda em produção — nenhum schema publicado hoje altera isso. E já documentamos, na página de
infraestrutura, que schema isolado não tem efeito de citação mensurável comprovado. Use
sameAs pelo motivo real: infraestrutura de identidade, não “blindagem” contra alucinação.
Quatro famílias de consulta, quatro falhas diferentes
Cada família isola um tipo específico de falha que um bloco de texto pode sofrer no pipeline de RAG — testado com prompt estruturado, de resposta categórica, não texto livre.
O bloco sobrevive à síntese agressiva?
Testa se o modelo descarta dado crucial (métrica, nome da marca) ao resumir o texto de forma agressiva — o que acontece o tempo todo dentro do pipeline real de geração de resposta.
O bloco faz sentido sozinho, fora de contexto?
Simula exatamente o que o chunking estrutural faz de verdade — separar o parágrafo do resto da página antes de indexar. Testa dependência de pronome ou referência externa.
A densidade informativa é real, ou é só volume de palavra?
Força resposta binária, sem espaço para o modelo avaliador “inventar” uma leitura generosa do texto.
O bloco tem âncora forte o bastante para não ser confundido com concorrente?
Testa diretamente o que a página do GBFA chamou de erro de Attribution — um fato correto migrando pra entidade errada.
Critério de aprovação, por família
| Família | Resposta que reprova o bloco | Ação corretiva |
|---|---|---|
| Compressão | Dado numérico ou nome da marca ausente no resumo de 15 palavras | Mover o dado crítico para mais perto do início do bloco |
| Isolamento | [NÓ_CORROMPIDO] | Substituir pronome por nome explícito; remover referência a elemento visual externo |
| Sintaxe | [FRAGMENTADO] | Reescrever eliminando metáfora e redundância até o teste passar em [COMPACTO] |
| Atribuição | Resposta afirmativa sem a variável estar de fato declarada no bloco | Declarar explicitamente a variável, ou aceitar [DADO_NÃO_DECLARADO] como resposta correta |
A repetição temporal importa tanto quanto o teste em si: rodar a mesma família de consulta em janelas de tempo diferentes e medir a variação de resposta é o mesmo princípio de estabilidade que já defendemos na página do DataForSEO — presença pontual não é o mesmo que citação estável.
Metodologia própria do autor, integrando conceitos já verificados nesta série: chunking estrutural,
densidade de entidade, taxonomia de drift do GBFA (Attribution, Factual, Semantic) e princípio de
estabilidade temporal de citação. Correção de escopo do sameAs alinhada com a página de
infraestrutura de citação já publicada nesta série.