💻 computer science

Prompt as a Data Type: In-Database LLM Prompt Management and Rewriting

Este artigo apresenta o PromptDB, um sistema de banco de dados que trata prompts como tipos de dados de nível de tupla de primeira classe para permitir o gerenciamento, otimização e reescrita em banco de dados de interações com Grandes Modelos de Linguagem, melhorando, assim, a validade da saída e as compensações entre custo e qualidade em comparação com o armazenamento estático e externo de prompts.

Autores originais: Denis Mayr Lima Martins, Gottfried Vossen

Publicado 2026-07-27

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Denis Mayr Lima Martins, Gottfried Vossen

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A Linguagem Secreta dos Bancos de Dados e dos Robôs

Imagine que você tem uma biblioteca gigante e super organizada (um banco de dados) que guarda milhões de fatos, e você tem um robô brilhante e comunicativo (um Grande Modelo de Linguagem, ou LLM) que consegue ler e entender quase tudo. Normalmente, para fazer o robô realizar um trabalho usando os fatos da biblioteca, um humano precisa atuar como um intermediário. Ele pega um pedaço de papel na biblioteca, escreve um conjunto específico de instruções (um "prompt") para o robô, envia e espera pela resposta. O problema é que a própria biblioteca não sabe quais instruções o robô está seguindo. É como um chef que sabe exatamente quais ingredientes estão na geladeira, mas não consegue ver a receita que o cozinheiro está usando; o chef não pode ajudar a corrigir uma receita ruim ou sugerir melhores ingredientes porque a receita está escondida em um caderno sobre o balcão.

Este artigo entra no mundo da ciência da computação onde os bancos de dados e a inteligência artificial se encontram. Ele aborda uma dor de cabeça específica: atualmente, as instruções que damos aos robôs de IA são frequentemente armazenadas fora do banco de dados, em códigos bagunçados ou cadernos. Isso torna difícil para o banco de dados verificar se as instruções são boas, corrigi-las se forem confusas ou torná-las mais baratas para executar. Os autores propõem uma ideia radical: e se tratássemos essas instruções como qualquer outro dado, como um nome ou um número, armazenado diretamente dentro das tabelas do banco de dados? Ao tornar as instruções "visíveis" para o banco de dados, o sistema poderia reescrevê-las automaticamente para serem mais inteligentes, rápidas e precisas, usando o próprio conhecimento do banco de dados para ajudar o robô a realizar seu trabalho melhor.

A Grande Ideia do Artigo: Prompts como Dados

Os autores, Denis Mayr Lima Martins e Gottfried Vossen, introduzem um novo sistema chamado PromptDB. Pense nele como um banco de dados que não apenas armazena fatos, mas também armazena as instruções de como falar com uma IA. Nos sistemas tradicionais, se você quisesse que uma IA classificasse uma reclamação de cliente (como "Meu pacote nunca chegou!"), você escreveria um prompt em seu código de aplicação, buscaria o texto no banco de dados e o enviaria para a IA. O banco de dados vê apenas uma string de texto; ele não sabe que esse texto é um conjunto de instruções destinadas a serem executadas.

No PromptDB, o prompt é um cidadão de primeira classe. É um tipo de dado especial chamado PROMPT. Em vez de esconder as instruções em um caderno, o banco de dados as armazena diretamente dentro das linhas da tabela, junto com os dados que elas descrevem. Uma linha pode ser assim:

ID do Ticket: 1001
Mensagem: "Pacote nunca chegou"
Prioridade: Alta
Instrução: PROMPT("Classifique este ticket: {{body}}", output: [reembolso, entrega, técnico, outro])

Aqui, a instrução é um objeto estruturado. Ela conhece o modelo ("Classifique este ticket..."), sabe qual parte da linha deve ser inserida (o body) e conhece as respostas válidas (a lista output). Como o banco de dados pode "ver" a instrução, ele pode agir como um editor inteligente.

O Editor Mágico: PromptOpt

A verdadeira magia acontece com um componente chamado PromptOpt. Imagine que você é um professor corrigindo a redação de um aluno. Se o aluno escrever uma resposta longa e prolixa, você pode dizer: "Seja conciso". Se ele esquecer de listar as etapas necessárias, você pode dizer: "Adicione as etapas que faltam". O PromptOpt faz isso automaticamente para prompts de IA.

O sistema usa o próprio conhecimento do banco de dados para reescrever as instruções antes de enviá-las para a IA. Ele tem alguns truques na manga:

Injeção de Restrições: Se o banco de dados sabe que as únicas respostas válidas são "reembolso" ou "entrega", o PromptOpt reescreve o prompt para dizer explicitamente à IA: "Você deve escolher uma destas palavras exatas". Isso impede que a IA invente respostas estranhas como "O cliente está triste".
Projeção de Colunas: Se uma linha possui 50 colunas de dados, mas a IA só precisa ler a coluna "mensagem", o PromptOpt corta as outras 49. Isso economiza dinheiro (menos tokens para ler) e reduz a confusão.
Exemplos de Poucos Cliques (Few-Shot Examples): O sistema pode olhar para outras linhas no banco de dados, encontrar bons exemplos de respostas corretas e inseri-los no prompt para mostrar à IA exatamente o que fazer.

O sistema trata essas reescritas como um otimizador de consultas. Assim como um otimizador de banco de dados decide a maneira mais rápida de pesquisar dados, o PromptOpt decide a melhor maneira de escrever o prompt. Ele pesa o custo (quantas palavras a IA tem que ler/escrever) contra a qualidade (a probabilidade de a resposta estar correta). Ele pode decidir que, para uma tarefa simples, um prompt curto é suficiente, mas para uma tarefa difícil, vale a pena pagar o custo extra para adicionar exemplos.

O Que Eles Descobriram

Os autores testaram o PromptDB em três conjuntos de dados diferentes: tickets de suporte falsos, um conjunto de dados de avaliação de carros e um conjunto de dados padrão da indústria chamado TPC-H. Eles compararam três formas de fazer as coisas:

Estático: A forma antiga, onde o prompt é escrito uma vez e nunca é alterado.
Todas as Regras (All Rules): Uma versão que aplica cegamente todas as possíveis regras de reescrita.
PromptOpt: A versão inteligente que escolhe a melhor reescrita para cada trabalho específico.

Os resultados sugerem que tratar prompts como dados funciona.

Melhor Qualidade: Quando a tarefa exigia que a IA escolhesse de uma lista específica de opções (como classificar um ticket), a reescrita guiada pelo banco de dados tornou a IA muito mais precisa. A abordagem "Todas as Regras" frequentemente dava os melhores resultados, mas era cara.
O Equilíbrio (Trade-off): O sistema PromptOpt conseguiu encontrar um ponto ideal. Ele nem sempre escolhia o prompt mais caro e complexo. Em vez disso, escolhia prompts mais simples que eram "bons o suficiente" para o trabalho, economizando custos de computação enquanto ainda obtinha resultados de alta qualidade. Por exemplo, em alguns testes, o PromptOpt alcançou uma qualidade competitiva com significativamente menos tokens de entrada do que o método estático.
A Tarefa Importa: O artigo observa que um tamanho único não serve para todos. Uma reescrita que ajuda com "filtragem semântica" (verificar se uma linha corresponde a uma regra) pode não ajudar com "normalização de valores" (limpar um texto bagunçado). O sistema sugere que versões futuras precisam ser ainda mais inteligentes sobre qual regra usar para qual tarefa.

O Que Isso Significa (e o Que Não Significa)

O artigo argumenta que devemos parar de tratar instruções de IA como código oculto e imutável. Ao torná-las dados visíveis, podemos usar os superpoderes do banco de dados — seu conhecimento de restrições, sua capacidade de filtrar dados e suas habilidades de otimização — para tornar as interações com a IA mais confiáveis e eficientes.

No entanto, os autores são cuidadosos ao não afirmar que este é um problema perfeito e resolvido. Eles admitem que seu sistema atual utiliza regras "heurísticas" simples (suposições educadas) para estimar qualidade e custo, em vez de um modelo de IA totalmente aprendido que saiba exatamente quão bom um prompt será. Eles sugerem que, embora o protótipo funcione bem em simulações e em conjuntos de dados específicos, o "estimador de qualidade" precisa se tornar mais inteligente para lidar com todas as tarefas perfeitamente.

Em resumo, o PromptDB sugere um futuro onde seu banco de dados não é apenas um armazém de fatos, mas um treinador ativo para sua IA, reescrevendo suas instruções em tempo real para garantir que o trabalho seja feito corretamente, rapidamente e sem desperdiçar recursos. É um passo para fazer com que a IA pareça menos uma caixa preta e mais uma parte natural do mundo dos dados.

Resumo Técnico: O Prompt como um Tipo de Dado: Gerenciamento e Reescrita de Prompts In-Database

Declaração do Problema
Os Grandes Modelos de Linguagem (LLMs) estão sendo cada vez mais integrados em aplicações baseadas em bancos de dados para tarefas como classificação de tuplas, filtragem semântica, extração de atributos e enriquecimento de resultados. No entanto, os padrões atuais de integração sofrem de um descompasso arquitetônico fundamental: os prompts que impulsionam essas computações são tipicamente armazenados fora do Sistema de Gerenciamento de Banco de Dados (DBMS) em formatos não estruturados (ex: código de aplicação, notebooks ou arquivos de configuração). Consequentemente, os prompts são invisíveis ao DBMS, impedindo que o sistema os inspecione, reescreva, explique ou otimize. Embora as Funções Definidas pelo Usuário (UDFs) baseadas em SQL permitam a invocação de LLMs, o prompt permanece um argumento opaco, e o banco de dados não consegue aproveitar seus próprios metadados (esquema, restrições, estatísticas) para melhorar a validade ou eficiência do prompt. Isso leva a problemas como LLMs gerando saídas que violam domínios ou restrições do banco de dados, além de uma falta de otimização sistemática para o equilíbrio entre custo e qualidade da execução do prompt.

Metodologia e Design do Sistema
O artigo apresenta o PromptDB, um sistema de banco de dados que eleva os prompts à categoria de cidadãos de primeira classe, tratando-os como valores de tupla do banco de dados. Inspirado no conceito de Stonebraker de "QUEL como um Tipo de Dado" e na programação reflexiva, o sistema introduz um tipo lógico PROMPT.

Modelo de Dados: O tipo PROMPT é um objeto estruturado autodescritivo contendo:
- Template ( $T$ ): Uma string com variáveis.
- Bindings ( $B$ ): Um mapa que vincula variáveis do template a atributos da tupla.
- Metadados do Modelo ( $M$ ): Especificação do LLM alvo.
- Metadados da Tarefa ( $D$ ): O domínio de saída ou especificação (ex: rótulos válidos).
Modelo de Execução: Prompts podem residir em tabelas base ou views. Quando um usuário consulta um atributo com valor de prompt, o sistema internamente renderiza o prompt contra a tupla, reescreve-o usando o contexto do banco de dados e executa-o através de um operador interno EVAL.
Reescrita e Otimização de Prompts: O PromptDB trata a engenharia de prompts como um problema de otimização de banco de dados. Ele utiliza um contexto derivado do banco de dados ( $\Omega$ $Ω$ ) composto por esquema, restrições, predicados de consulta e estatísticas para reescrever prompts.
- Regras de Reescrita: O sistema emprega uma abordagem baseada em regras, incluindo:
  - Injeção de Restrição ( $R_{CI}$ ): Injeção de domínios de saída válidos derivados de restrições do banco de dados.
  - Projeção de Coluna Consciente da Consulta ( $R_{QACP}$ ): Poda de atributos irrelevantes da tupla para reduzir custos de tokens.
  - Minimização de Formato de Saída ( $R_{OFM}$ ): Imposição de saídas concisas e analisáveis.
  - Exemplos Few-Shot Selecionados pelo DB ( $R_{FSE}$ ): Seleção de exemplos relevantes do banco de dados para incluir no prompt.
- PromptOpt: Um otimizador que seleciona o melhor plano de reescrita estimando um equilíbrio custo-qualidade ( $\hat{Q} - \lambda\hat{C}$ ), equilibrando a qualidade de saída estimada contra os custos de tokens.

Implementação
Os autores implementaram um protótipo do PromptDB sobre o DuckDB.

O tipo PROMPT é definido como um STRUCT do DuckDB.
Para lidar com a execução sem modificações invasivas no kernel, o sistema gera views de avaliação que expõem colunas de prompt. Internamente, essas views se expandem em chamadas EVAL.
O operador EVAL é uma UDF escalar que desserializa o prompt, aplica a estratégia de reescrita selecionada (via PromptOpt), renderiza o prompt final, chama um LLM (via LM Studio) e retorna o resultado como uma string SQL.
Metadados de execução (estratégia, custo, latência, tokens) são registrados para análise.

Resultados Experimentais
O sistema foi avaliado em datasets sintéticos e do mundo real (Tickets de Suporte, Avaliação de Carros, TPC-H) através de três tarefas: Extração de Atributos, Filtragem Semântica e Normalização de Valor Semântico.

Qualidade da Tarefa: A reescrita guiada pelo banco de dados melhorou significativamente a qualidade de ponta a ponta das tarefas em comparação com prompts estáticos escritos manualmente, particularmente para tarefas que exigem saídas restritas ou estruturadas (ex: extração de atributos).
Sensibilidade das Regras: Estudos de ablação revelaram que nenhuma regra de reescrita única domina todas as tarefas; a eficácia é altamente dependente da tarefa. Por exemplo, a injeção de restrição é crítica para classificação, enquanto a projeção auxilia na redução de custos.
Equilíbrio Custo-Qualidade: A estratégia PromptOpt selecionou com sucesso planos de reescrita de menor custo que mantiveram qualidades competitivas para certas tarefas, demonstrando a viabilidade do planejamento de prompt consciente do custo. No entanto, o estimador heurístico de qualidade mostrou limitações ao não conseguir selecionar sempre planos suficientemente ricos para tarefas complexas de saída estruturada.

Significância e Alegações
O artigo afirma que tratar prompts como valores tipados e visíveis ao banco de dados cria um novo espaço de otimização análogo à otimização de consultas tradicional. Ao trazer o pensamento de otimização de consultas para os prompts, o PromptDB permite que o DBMS:

Melhore a Validade: Utilizar restrições de esquema para evitar saídas inválidas do LLM.
Reduza Custos: Utilizar projeção e poda de contexto para minimizar o uso de tokens.
Aumente a Qualidade: Utilizar exemplos selecionados pelo banco de dados e reescrita consciente da tarefa para melhorar o desempenho, especialmente para modelos menores.

Os autores posicionam o PromptDB como uma abordagem complementar aos frameworks de engenharia de prompts existentes (como o DSPy) e operadores semânticos (como LOTUS ou EVAPORATE). Enquanto outros tratam prompts como strings efêmeras ou parâmetros de operadores, o PromptDB foca especificamente em como os metadados do banco de dados (esquema, restrições, estatísticas) podem reescrever sistematicamente templates de prompts. O artigo conclui que esta abordagem move a engenharia de prompts da lógica de aplicação ad-hoc para um processo sistemático gerenciado pelo banco de dados, abrindo novos caminhos para a pesquisa de bancos de dados nativos de IA.

A Linguagem Secreta dos Bancos de Dados e dos Robôs

A Grande Ideia do Artigo: Prompts como Dados

O Editor Mágico: PromptOpt

O Que Eles Descobriram

O Que Isso Significa (e o Que Não Significa)

Mais como este