Invocando os sábios: como usar um LLM como sessão de mentoria com qualquer especialista

Minha esposa invoca Charlie Munger para planejar o orçamento familiar. No ChatGPT. Não é brincadeira.

Ela fala algo como “atue como Charlie Munger revisando nossas finanças familiares” e coloca os gastos do mês. A coisa devolve coisas como “você está confundindo investimento com gasto na categoria de educação” ou “esse fundo tem um custo oculto que você não está contabilizando”. Coisas que Munger diria. Com o tom que Munger usaria.

Eu fiz a mesma coisa. Mas em vez de um investidor, invoquei um especialista diferente: Edward Tufte.

Quem é Edward Tufte (e por que deveria te importar)

Edward Tufte é provavelmente a pessoa que mais influenciou como visualizamos dados. Seu livro The Visual Display of Quantitative Information (1983) é um desses raros textos que muda para sempre como você olha um gráfico. É referência absoluta há mais de 40 anos em universidades, redações e estúdios de design do mundo todo.

Seus princípios são brutalmente simples:

• Maximize a razão dado-tinta. Cada pixel do seu gráfico deve comunicar dados. Se não comunica dados, delete.
• Não decore. As grades, os gradientes 3D, as sombras, as molduras decorativas… tudo isso é o que Tufte chama de chartjunk. Lixo visual que distrai dos dados.
• Deixe os dados falarem. Se você precisa explicar seu gráfico com uma legenda de 200 palavras, o gráfico está mal projetado.

Tufte também inventou os sparklines — esses gráficos minúsculos que cabem dentro de uma linha de texto. A ideia de que um gráfico não precisa de título, eixos, nem legenda para comunicar. Só dados.

Meu gráfico estava uma bagunça

Estou construindo um app de menu bar para macOS que monitora minha cota do Claude Max. Parte do app mostra um sparkline — um gráfico de linha pequeno — com a velocidade que consumo cota.

Minha primeira versão tinha estes problemas:

• Eixo Y fixo de 0 a 100% — Se seu uso está em 8%, o gráfico é uma linha plana grudada no chão. 85% do espaço não mostra nada.
• Uma linha de limite em 80% — Arbitrária, ninguém pediu, não comunica nada útil.
• Rótulo flutuante com a % atual — Redundante: o card abaixo já mostra o número exato.
• “pp/min” como unidade — Pontos percentuais por minuto? Nem eu sabia o que significava.
• Preenchimento degradê embaixo da linha — Pura decoração. Chartjunk.

Em outras palavras: havia violado cada princípio de Tufte em um gráfico de 56 pixels de altura.

A técnica: invocar o especialista em loop

Em vez de tentar consertar eu mesmo (que claramente não tenho critério para isso), fiz algo diferente. Pedi ao Claude para ser Tufte.

O prompt:

Atue como Edward Tufte revisando este gráfico.
Analise o código SwiftUI da VelocityCardView.
Identifique TODAS as violações dos seus princípios
de visualização de dados.

Para cada violação:
1. Qual princípio viola
2. Por que é um problema
3. Prescrição concreta (código, não filosofia)

Seja implacável. Se algo é chartjunk, diga.
Avalie com PASS ou FAIL.

A chave é a última parte: PASS ou FAIL. Porque sem isso, o LLM te dá sugestões gentis e diz que “no geral está bem”. Com um veredicto binário, ele se compromete. Não pode se esconder atrás de “há margem para melhorias”.

E então o loop:

Aplique as prescrições de Tufte.
Implemente cada mudança.
Não pare de iterar até que ele dê o ok.

Quatro rodadas até o PASS

Não passei na primeira. Nem na segunda. Nem na terceira.

Rodada 1 — FAIL (6 prescrições):

• Eixo Y adaptativo em vez de fixo 0-100
• Eliminar a linha de limite em 80% (chartjunk)
• Eliminar o rótulo flutuante (redundante com o card inferior)
• Substituir “pp/min” com palavra simples (subindo, caindo, estável)
• Colapsar a linha de resumo para apenas janela temporal + tendência
• Subir a altura do sparkline de 44 para 56 pontos

Implementei as 6. Segunda rodada.

Rodada 2 — FAIL (1 prescrição):

• Eliminar o rótulo de % na borda direita. Completamente redundante: o card de cota abaixo já mostra o número. Deixar que o sparkline ocupe toda a largura.

Uma coisa só, mas Tufte não negocia com redundância.

Rodada 3 — FAIL (4 prescrições):

• Eixo Y contextual: min - 3 a max + 5, com mínimo 10 pontos de alcance para resolução visual
• Tendência como enum único (não computar duas vezes)
• Cor de linha cinza neutro — a forma comunica, não a cor. Colorir a linha inteira segundo o valor atual mente sobre a história
• Limite de tendência proporcional: max(2, média * 0.1) em vez de um número fixo

Essa terceira prescrição me encantou. Não teria pensado nisso. Se sua cota está em 80% e a linha inteira é vermelha, você está dizendo que sempre esteve alta. Mas há 20 minutos estava em 40%. A cor mente. A forma não.

Rodada 4 — PASS.

“O sparkline agora alcança o que um sparkline deveria: máxima informação em espaço mínimo, com zero chartjunk.”

Quatro iterações. De um gráfico medíocre para um que provavelmente não faria Tufte puxar os cabelos.

O padrão generalizado

O que fiz pode ser resumido assim:

1. Invocar o especialista: "Atue como [ESPECIALISTA] revisando [SEU TRABALHO]"
2. Pedir veredicto binário: PASS ou FAIL
3. Se FAIL → implementar TODAS as prescrições
4. Voltar ao passo 1
5. Repetir até PASS

A graça está em que o LLM não te dá tapinhas nas costas. O veredicto binário o força a se comprometer. E se diz FAIL, te explica exatamente por quê e o que fazer.

É como ter um code review infinito com um especialista do campo. Às 3 da manhã. Sem que ele se irrite porque é a quarta vez que você pede revisão.

Charlie Munger e o orçamento familiar

Voltando à minha esposa. Seu prompt é algo como:

Você é Charlie Munger revisando um orçamento familiar.
Aplique seus modelos mentais: custo de oportunidade,
inversão da ignorância, margem de segurança.
Seja direto e brutalmente honesto como seria
numa reunião da Berkshire Hathaway.

Ela coloca os gastos do mês e Munger virtual diz coisas como “você está pagando um seguro redundante — o custo de oportunidade desses R$ 400/mês investidos a 20 anos é X” ou “você não tem margem de segurança suficiente para imprevistos médicos”.

É realmente o que Munger diria? Não exatamente. Mas o modelo leu tudo que Munger escreveu e disse publicamente. Tem uma representação estatisticamente sólida da forma dele de pensar. Não é ele, mas é a melhor aproximação disponível fora de ler seus 40 anos de cartas aos acionistas.

A quem você pode invocar?

A técnica funciona com qualquer especialista que tenha deixado obra pública suficiente:

A chave é que o especialista tenha obra publicada suficiente. Quantos mais livros, palestras, entrevistas e artigos houver, melhor será a simulação.

Os limites (porque existem)

Antes de sair invocando Einstein para seu próximo pull request, alguns detalhes:

Não é o especialista real. É uma aproximação estatística baseada em texto público. O Tufte simulado não vai ter ideias novas que o Tufte real nunca publicou. É uma destilação, não uma ressurreição.

Funciona melhor com princípios que com gostos. “O que Tufte diria sobre este gráfico?” funciona porque Tufte tem princípios explícitos e codificados. “O que Steve Jobs diria sobre este design?” é mais escorregadio porque Jobs operava muito por intuição não documentada.

O loop é o que importa. Sem o ciclo de FAIL → implementar → reavaliar, a técnica é apenas um prompt bonito. A mágica está em iterar até que passe. Quatro rodadas no meu caso. Poderia ser mais.

Você pode misturar especialistas. Nada te impede de pedir uma rodada de Tufte para o gráfico, depois uma de Jakob Nielsen para a usabilidade, e então uma de Don Norman para a experiência do usuário. Três revisores especialistas pelo preço de zero.

Mentoria destilada

Antes, para consultar um sábio, você tinha que viajar aos pântanos fedorentos de Dagobah, comer uma sopa duvidosa e aguentar que um velhinho verde falasse em ordem inversa. Agora você tem isso no seu terminal.

Tudo que esses pensadores publicaram, debateram, ensinaram e defenderam por décadas está comprimido nos pesos de uma rede neural. Quando você diz ao modelo “seja Tufte”, ele ativa esses padrões específicos e te devolve algo que se parece muito com o que Tufte teria te dito.

É o mesmo que ter o mestre na frente? Obviamente não. Mas é infinitamente melhor que projetar um gráfico sem nenhum critério, que era o que eu estava fazendo.

Minha esposa resume melhor: “É como ter um consultor financeiro que leu tudo que Munger escreveu, disponível 24 horas, que não cobra e que não tem conflito de interesses.”

Difícil discordar disso.

Relacionado: Se te interessa como uso LLMs para construir software (e os desastres que podem causar), este post é parte de uma série involuntária. Primeiro foram os 44 emails inventados, depois a IA que inventa dados e os testes os validam, e agora a IA que canaliza especialistas para te ajudar a projetar. Pelo menos este capítulo tem final feliz.