Como escolher Markdown ou JSON para prompts?

TL;DR
Use Markdown para organizar textos em chats e JSON quando a resposta precisar ser processada por código. A escolha depende do uso da saída, e o Markdown não garante uma resposta melhor. YAML aparece como alternativa mais legível para dados e configurações, enquanto o JSON é preferido pelo professor para integrações com APIs e aplicações em Python ou JavaScript.
Transcript
Bom, sobre prompt, em termos de estrutura de prompt, eu acho XML XML o o o menos, tá? O menos estruturável, digamos assim. Eu acho que é o menos usado seria o XML. Com certeza. A coisa toda fica entre MarkD e Jason. Tá muito bem. Aí tem as aplicações que são assim, depende de como você tá usando a LLM. Se você tá usando a LLM dentro de um chat E GP... Read More
Key Insights
- Markdown organiza entradas e saídas textuais em chats, mas não garante respostas melhores da LLM.
- JSON estrutura dados de entrada e saída para processamento por aplicações em Python ou JavaScript.
- A escolha do formato depende de quem utilizará a resposta: uma pessoa no chat ou código na aplicação.
- YAML é apresentado como alternativa mais legível e menos verbosa para representar dados estruturados.
- O professor associa JSON a mais tokens de saída, mas considera pequeno o impacto em respostas curtas.
- Uma lista de tarefas em Markdown pode ser salva no projeto e usada para orientar o Cursor ou Windsurf.
- Configurações de agentes podem ser escritas em YAML e depois carregadas para definir sua estrutura.
- O professor prefere JSON nas integrações com APIs por seu uso mais amplo na programação em geral.
Install to Summarize YouTube Videos and Get Transcripts
Explore YouTube Video Summarizer or Get YouTube Transcript Extractor
Questions & Answers
Q: Como escolher entre Markdown e JSON para estruturar prompts?
A escolha deve considerar como as informações serão usadas e quem consumirá a resposta. Para conversar diretamente em um chat, o professor recomenda Markdown, porque ele organiza o texto e oferece uma apresentação mais limpa e natural. Quando a aplicação precisa receber dados para processamento por código, a preferência passa a ser JSON. Esse formato permite retornar informações estruturadas que Python ou JavaScript poderão tratar. A distinção apresentada é funcional: Markdown atende bem à leitura de textos, enquanto JSON é recomendado para integrar respostas de agentes e APIs ao software.
Q: Usar Markdown no prompt faz a LLM responder melhor?
Markdown não garante uma resposta melhor, conforme o professor afirma explicitamente. Sua vantagem apresentada está na organização e na leitura do texto, especialmente quando a interação acontece diretamente em um chat. Ele pode ser usado para fornecer informações de maneira estruturada ou solicitar uma saída textual formatada. O exemplo de uma petição mostra esse uso como organização de conteúdo. Portanto, a recomendação de Markdown está ligada à conveniência de escrever e consumir textos nesse ambiente. O professor não apresenta uma comparação que demonstre superioridade de qualidade sobre respostas solicitadas em JSON.
Q: Por que JSON é recomendado para agentes que retornam dados a uma aplicação?
JSON é recomendado porque representa uma estrutura de dados que pode ser lida e tratada por uma linguagem de programação. O professor descreve agentes que precisam responder com informações formatadas para que Python processe os dados ou trate as ações retornadas pela LLM. Nesse cenário, a saída faz parte do funcionamento da aplicação, e a estrutura importa para o processamento posterior. Ele também destaca a relação de Python e JavaScript com JSON. Sua preferência pelo formato nas integrações está associada a essa utilidade computacional e ao uso mais amplo de JSON na programação.
Q: Quando YAML pode ser usado como alternativa ao JSON em aplicações com LLMs?
YAML é apresentado como alternativa quando se deseja representar dados estruturados com uma organização visual que o professor considera mais fácil de ler. Ele afirma que YAML pode substituir JSON em determinados usos e destaca sua menor verbosidade. Outro contexto citado é o envio de configurações ou dados estruturados para APIs. No exemplo de configuração de agentes, a estrutura é definida em YAML e depois carregada para o agente. Apesar dessas vantagens de leitura, o professor mantém sua preferência por JSON nas integrações, justificando que esse formato é mais usado na programação como um todo.
Q: Como usar Markdown para organizar tarefas de desenvolvimento com Cursor ou Windsurf?
O fluxo descrito começa com uma conversa no Gemini sobre o software que se pretende construir. O professor fornece detalhes da estrutura desejada, que podem envolver uma classe, um trecho de código ou uma tela, e desenvolve a ideia durante a conversa. A saída solicitada é uma sequência de tarefas em Markdown. Em seguida, ele salva esse conteúdo em um arquivo Markdown dentro do projeto. O arquivo passa a orientar o trabalho no Cursor ou Windsurf: o professor indica uma tarefa específica e pede sua execução, usando a lista como referência para continuar o desenvolvimento.
Q: Como Markdown pode ajudar na preparação de textos que serão transformados em PDF?
Markdown pode servir como formato de entrada ou de saída para textos organizados que depois serão usados na geração de um PDF. O professor descreve uma situação em que a pessoa recebe um texto formatado, aproveita essas informações e as coloca no documento final. Nesse contexto, o valor do Markdown está na estrutura textual e na facilidade de leitura do conteúdo recebido. A explicação não apresenta ferramentas ou etapas técnicas de conversão. O exemplo apenas mostra que uma saída em Markdown pode ser útil quando o objetivo posterior é produzir um documento a partir daquele texto.
Q: O que o vídeo afirma sobre o consumo de tokens de JSON e YAML?
O professor afirma que JSON tem uma tendência a gerar mais tokens de saída do que YAML, associando isso a um consumo adicional. Ao mesmo tempo, ele relativiza a importância dessa diferença: as estruturas JSON produzidas por uma LLM ou por um agente normalmente não seriam tão grandes nos casos que está descrevendo. Por isso, considera que o impacto não seria muito elevado nesses usos. A fala não apresenta medições nem uma comparação quantitativa. Mesmo mencionando essa possível vantagem de YAML, ele prefere JSON por sua presença mais ampla na programação.
Q: Faz sentido pedir uma resposta em JSON ao usar um chat diretamente?
É possível pedir JSON como saída em um chat, mas o professor considera Markdown mais adequado quando a própria pessoa vai ler e usar o conteúdo textual. Sua justificativa é que JSON faz mais sentido quando uma máquina processará a estrutura recebida. Para tarefas organizadas em texto, ele prefere uma saída em Markdown, como no exemplo da lista de atividades de desenvolvimento. A recomendação depende, portanto, do destino da resposta. Quando os dados serão tratados por código em uma aplicação, o professor recomenda JSON; quando a saída será consumida como texto no chat, recomenda Markdown.
Summary & Key Takeaways
-
Markdown é indicado para entradas e saídas textuais em chats. Organiza informações, documentos e listas de tarefas, mas sua apresentação mais limpa não significa que a resposta terá maior qualidade.
-
JSON é recomendado quando agentes e APIs retornam dados que serão tratados por código. O professor destaca seu uso com Python e JavaScript para processar informações e ações de maneira estruturada.
-
YAML é apresentado como alternativa visualmente mais legível e menos verbosa para dados e configurações de agentes. O professor prefere JSON nas integrações por seu uso mais amplo na programação.
Read in Other Languages (beta)
Share This Summary 📚
Summarize YouTube Videos and Get Video Transcripts with 1-Click
Try YouTube Summary with ChatGPT & Claude or YouTube Transcript Generator
Explore More Summaries from Sandeco 📚






Summarize YouTube Videos and Get Video Transcripts with 1-Click
Try YouTube Summary with ChatGPT & Claude or YouTube Transcript Generator