Superfícies de Prompt: o Novo Primitivo de UX

A superfície de prompt é o novo botão. Designer que trata isso como uma barra de busca está lançando um produto de 2018 em 2026. O campo de texto engoliu o formulário, o wizard e a maior parte do painel de configurações, e os produtos que vencem são os que tratam o input como um primitivo de UX de primeira classe, e não como uma textarea com um ícone de aviãozinho de papel.

A maioria dos times ainda entrega a textarea. Um retângulo pelado, um placeholder dizendo "Pergunte qualquer coisa", um botão de enviar e mais nada. Isso é uma barra de busca com delírios de grandeza. Uma superfície de prompt de verdade é um componente com anatomia, affordances, estado e um caminho de recuperação.

Este texto é a versão operacional. O que uma superfície de prompt realmente é, as oito partes que toda boa superfície entrega, seis modos de falha que as matam, seis padrões nomeados que os melhores produtos estão usando agora e uma auditoria de sete perguntas que diz em três minutos se a sua superfície é um primitivo ou um quebra-galho.

Uma superfície de prompt não é uma textarea

Uma superfície de prompt é a região inteira em que o usuário digita, configura e lê o retorno. O input é a parte visível. O componente é tudo que está parafusado nele.

O input em si é um elemento. O estado vazio com sugestões, os slots de anexo, o seletor de modelo, os toggles de ferramentas, o affordance de envio, a região de saída em streaming, os controles de regenerar, editar e ramificar, e a superfície de histórico são o resto. Um time que projeta só a caixa entregou a ponta do iceberg.

Cursor, Claude, Linear AI, v0, Lovable, Notion AI, Raycast AI, Vercel AI Playground. Nenhum deles trata o input como textarea. Cada um entrega uma superfície estruturada em que o input é a porta de entrada para uma interação configurável, observável e reversível. Essa é a régua.

A anatomia de uma superfície de prompt que funciona

Oito partes. Estado vazio, sugestões, slots de anexo, seletor de modelo, toggles de ferramentas, affordance de envio, região de saída em streaming, controles de revisão. Uma superfície de prompt que entrega menos de seis está incompleta.

O estado vazio precisa ensinar o produto sem despejar texto. A command bar do Cursor mostra arquivos recentes e prompts recentes. O slash menu do Notion AI é o estado vazio, ramificado por intenção. O v0 entrega uma galeria de prompts iniciais que servem também como prova. "Pergunte qualquer coisa" é o inimigo. Ele exige que o usuário invente o caso de uso.

Sugestões encontram o usuário no meio do caminho. Chips de sugestão inline, histórico de prompts recentes, completions sensíveis ao contexto. O seletor de @-mention do Cursor é o exemplo de livro-texto, limitando o prompt a um arquivo, uma função ou um doc com uma única tecla.

Slots de anexo tornam o input multimodal. O v0 deixa o usuário colar um screenshot e escrever o prompt em cima dele. O Claude aceita PDFs, imagens e arquivos de código. O Lovable aceita um frame do Figma como contexto. O slot é o contrato.

O seletor de modelo, os toggles de ferramentas e o affordance de envio formam a camada de configuração. Eles dizem ao usuário o que está prestes a acontecer antes de acontecer. O Vercel AI Playground expõe o seletor de modelo como o controle mais proeminente. O Cursor alterna entre modo agente e edição inline antes de enviar. Esconda a configuração e o usuário fica no chute.

A região de saída em streaming e os controles de revisão fecham o ciclo. O painel de artifacts do Claude é um dos exemplos mais limpos já lançados. A saída ganha sua própria região, a superfície de prompt continua viva, e o usuário pode editar o prompt ou regenerar o artifact sem perder nenhum dos lados.

Sinais de confiança são o detalhe que sustenta a estrutura

A superfície de prompt é onde o usuário decide se confia no modelo. Todo sinal visível ou ganha confiança ou queima confiança.

Confiança vem de clareza. A identidade do modelo está visível. Chamadas de ferramentas são listadas antes de rodar, ou transmitidas enquanto rodam. O feedback de streaming é honesto, não um spinner falso fingindo ser trabalho. O affordance de desfazer está ao alcance em menos de um segundo. O caminho de erro diz o que falhou e por quê. É o mesmo ofício que uma boa UI de agente exige, aplicado ao input.

O sinal de confiança mais barato é o botão de parar. Uma resposta em streaming sem um stop visível é uma superfície hostil. O usuário está vendo o modelo escrever algo que ele já sabe que está errado, e a única fuga é fechar a aba. Claude, Cursor e v0 entregam um stop visível. A maioria das UIs de chat caseiras esquece.

Seis modos de falha que matam superfícies de prompt

A maioria das superfícies de prompt em produção hoje entrega pelo menos um destes. As correções não são sutis.

O retângulo vazio. Uma textarea, um placeholder dizendo "Como posso ajudar" e mais nada. O usuário inventa o caso de uso do zero. Correção: um estado vazio estruturado com três a cinco pontos de partida concretos ligados a capacidades reais do produto.

O input sem sugestões. A superfície aceita um prompt mas nunca propõe um. Power users aprendem os padrões. Usuários novos abandonam. Correção: prompts recentes, sugestões com escopo (o @-mention do Cursor, o seletor de seleção do v0) e completions inline calibradas para o contexto atual.

O spinner de streaming morto. Um spinner gira enquanto o modelo faz dez chamadas de ferramenta em silêncio no background, e o usuário não faz ideia do que aquilo significa. Correção: transmita o trabalho real. Chamadas de ferramenta visíveis, edições de arquivo visíveis, saída intermediária visível.

O modelo imutável. O produto escolhe um modelo e esconde a escolha. Power users não conseguem direcionar tarefas pesadas para um modelo mais forte, e usuários atentos ao orçamento não conseguem direcionar as leves para um mais barato. Correção: exponha o seletor, defina um padrão sensato, persista a escolha por tarefa.

A superfície com amnésia. Cada novo prompt zera o contexto. O usuário recola o arquivo, a URL, o briefing a cada turno. Correção: um memory chip, um slot de contexto fixado ou um escopo de sessão que o usuário possa ver e editar.

O regenerar destrutivo. O botão de regenerar sobrescreve a saída anterior sem histórico de versões. O usuário perdeu a melhor resposta e não consegue recuperar. Correção: regenerar como ramificação, não como sobrescrita, do jeito que o histórico do Claude e a pilha de versões do v0 já fazem.

Uma biblioteca de padrões para superfícies de prompt

Seis padrões nomeados separam as superfícies de prompt que parecem primitivos das que parecem quebra-galho. Puxe desta lista antes de redesenhar qualquer coisa.

Prompt com escopo. O input aceita um token de escopo que restringe no que o modelo pode mexer. O seletor de @-mention do Cursor é o exemplo canônico. O usuário digita @layout.tsx e o prompt fica limitado àquele arquivo. O v0 tem um escopo parecido guiado por seleção, em que o usuário clica numa região do canvas e o prompt opera naquela região. Escopo transforma um prompt vago em um preciso sem fazer o usuário escrever mais.

Prompt guiado por seleção. O usuário seleciona algo no produto e a superfície de prompt aparece com a seleção já vinculada como contexto. O v0 faz isso em seleções no canvas. O Notion AI faz em texto destacado. A IA do Linear pega o escopo da issue automaticamente. Não faça o usuário descrever o que ele já apontou.

Toggles de ferramentas inline. A superfície expõe chamadas de ferramenta como toggles ou chips no quadro do input. O Cursor alterna modo agente, modo de edição e conjuntos de ferramentas. O Raycast AI expõe comandos. O Vercel AI Playground expõe toggles de function calling. O usuário sabe quais ferramentas estão armadas antes de enviar.

Memory chip. Um affordance persistente que mostra o que o modelo já sabe sobre a sessão atual. ChatGPT e Claude entregam variantes. O chip é editável, removível e visível, e esse é o truque inteiro. Memória escondida é um risco de exfiltração vestido de funcionalidade.

Prompt com ramificação. Regenerar bifurca a conversa em vez de sobrescrevê-la. Cada ramo é um estado salvo ao qual o usuário pode voltar. O histórico de conversas do Claude expõe isso, o v0 mantém uma pilha de versões de UIs geradas, as threads de chat do Cursor são ramificáveis. Experimentar vira uma árvore, não um giro de cassino.

Chamada de ferramenta com portão de aprovação. A superfície pausa antes de uma chamada de ferramenta destrutiva e pede ao usuário para aprovar, modificar ou cancelar. O composer do Cursor barra comandos de shell arriscados. O Claude Code coloca operações destrutivas atrás de um sistema de permissões. O ChatGPT Operator barra ações de pagamento no navegador. Desacelere o momento que não pode ser desfeito e deixe a ação visível em texto simples antes de rodar.

Esses padrões se compõem. Uma ótima superfície de prompt normalmente entrega escopo, seleção, ferramentas inline e portões de aprovação como um único componente coerente. Os padrões não estão em tensão, estão em conjunto.

A auditoria de sete perguntas da superfície de prompt

Rode isto em qualquer input de IA antes de lançar. Se falhar em três ou mais, a superfície não está pronta.

1. Estado vazio. A superfície ensina o usuário o que digitar, ou despeja um campo em branco nele?
2. Sugestões. A superfície propõe o próximo prompt com base em contexto, histórico recente ou seleção?
3. Escopo. O usuário consegue restringir o prompt a um arquivo, uma seleção, um bloco ou uma sessão sem escrever mais?
4. Visibilidade da configuração. O modelo, as ferramentas e o nível de autonomia estão visíveis antes de enviar, e não enterrados numa gaveta de configurações?
5. Honestidade do streaming. A saída em streaming mostra o trabalho real, ou é um spinner que não significa nada?
6. Parar e revisar. Existe um botão de parar visível durante o streaming e um regenerar não destrutivo depois?
7. Transparência de memória. O usuário consegue ver e editar o que o modelo lembra ao longo da sessão?

Uma superfície que passa nas sete parece um primitivo. Uma que falha em três ou mais parece uma barra de busca. A distância entre esses dois resultados é o que separa design de produto AI-native de IA colada por cima.

Os times que constroem a superfície de prompt como um componente de verdade são também os times que tratam seus prompts como componentes no lado da engenharia. A disciplina se paga do mesmo jeito.

FAQ

O que é uma superfície de prompt?

Uma superfície de prompt é a região completa da UI em que o usuário escreve o prompt, configura e lê o retorno. Inclui o input, o estado vazio, sugestões, slots de anexo, o seletor de modelo, toggles de ferramentas, o affordance de envio, a região de saída em streaming e os controles de revisão. Tratá-la como textarea é o erro. Tratá-la como componente é a régua.

Como uma superfície de prompt é diferente de um input de chat?

Um input de chat é uma caixa de mensagem turno a turno. Uma superfície de prompt é um componente de interação configurável, observável e reversível. A UI de chat otimiza para conversa. Uma superfície de prompt otimiza para clareza de objetivo, confiança no modelo e vazão de tarefas. O input de chat é uma expressão possível de uma superfície de prompt, não um sinônimo.

Quais são os erros mais comuns no design de UI de prompt?

Retângulos vazios sem sugestões, spinners de streaming mortos, modelos imutáveis, superfícies com amnésia que esquecem o contexto a cada prompt, botões de regenerar destrutivos que sobrescrevem boas saídas e botões de parar ausentes durante o streaming. Cada um se resolve com uma pequena mudança na superfície. Nenhum se resolve com copy.

Quais produtos têm as melhores superfícies de prompt em 2026?

Cursor para prompts com escopo, Claude para histórico ramificável e o painel de artifacts, v0 para prompts guiados por seleção, Linear AI para prompts embutidos, Notion AI para o estado vazio via slash menu, Raycast AI para disciplina de seletor e Vercel AI Playground para visibilidade de configuração. Nenhum entrega todos os padrões com força total, e é por isso que a categoria ainda está totalmente aberta.

Construa o input como se ele fosse o produto

A superfície de prompt é o componente mais importante de qualquer produto AI-native, e a maioria dos times ainda a projeta como um detalhe de última hora. Uma textarea, um botão de enviar, um placeholder, lançou. Essa pilha apodreceu no dia em que Cursor e Claude subiram a régua.

Trate o input como um primitivo. Entregue as oito partes. Evite os seis modos de falha. Componha os seis padrões. Rode a auditoria de sete perguntas. O produto que sai do outro lado parece 2026, e não uma sidebar de chat de 2022 com logo novo.

Se você quer um time que entrega superfícies de prompt como componentes completos em vez de textareas, contrate a Brainy. Projetamos UI de produto AI-native de ponta a ponta, do estado vazio ao painel de saída em streaming, com os sinais de confiança embutidos antes de o primeiro usuário digitar uma palavra.