Um repositório no GitHub disponibilizou mais de 7.000 linhas de prompts usados por sistemas como: FULL v0 (Vercel), Cursor, Manus, Same.dev, Lovable, Devin, Replit Agent, Windsurf, VSCode Agent e muitos outros.
🚨 Vazaram os Prompts das Maiores Ferramentas de IA do Mercado: O que Isso Significa para Você?
Na madrugada do dia 23 de junho de 2025, um repositório público no GitHub expôs algo que pode transformar — ou ameaçar — o futuro da inteligência artificial: os prompts internos de dezenas de ferramentas de IA líderes no mercado foram vazados.
O repositório, chamado Agents-Prompts, reúne mais de 7.000 linhas de instruções que definem como agentes de IA de empresas como Vercel (FULL v0), Cursor, Devin, Same.dev, Lovable, Windsurf, Replit, Manus, VSCode Agent, entre outras, operam nos bastidores.
💡 Por que isso importa?
Esses prompts são o "cérebro invisível" por trás da IA. São eles que determinam como os agentes se comportam, respondem, tomam decisões e interagem com o usuário. Ao expor isso publicamente, abre-se uma janela direta para:
Engenharia reversa de agentes comerciais
Auditoria de viés, segurança e performance
Inspiração (ou cópia) para novos projetos de IA
Exposição de IP (Propriedade Intelectual) para startups e big techs
🔍 O que foi revelado?
Cada prompt detalhado no repositório mostra:
Estruturas de raciocínio dos agentes (ex: “Tree of Thoughts”, “Step-by-step reasoning”, “Scratchpad planning”)
Ações específicas ativadas por comandos (ex: abrir arquivos, buscar na internet, gerar código, executar testes)
Estratégias de prompt tuning utilizadas para contornar limitações de contexto ou tokenização
Técnicas de fallback em caso de erro ou incerteza
Alguns dos destaques incluem:
FULL v0 (Vercel): sistema de agentes autônomos com raciocínio de múltiplas etapas.
Cursor: IDE que usa IA para geração e edição contextual de código com compreensão do estado atual do projeto.
Devin (ex-AI Engineer): prompts para build de pipelines CI/CD, execução de comandos no shell e deploy automático.
🧠 Oportunidade ou ameaça?
Para a comunidade open-source, é um prato cheio. Para empresas que investiram milhões em R&D, é um alerta vermelho.
Esse vazamento revela um padrão comum: muitas ferramentas estão rodando com prompts extremamente parecidos — e, pior, com segurança rasa. O diferencial de muitos agentes está mais no design e integração do que na "inteligência" em si.
✅ O que você pode fazer com isso?
Estudar os prompts vazados para entender como IAs comerciais realmente pensam.
Aprender engenharia de prompts avançada, direto da fonte das ferramentas que você já usa.
Desenvolver seus próprios agentes com base em arquiteturas comprovadas.
Fortalecer a segurança dos seus próprios sistemas e não repetir os mesmos erros.
Este vazamento marca um momento histórico para o ecossistema de IA. Pela primeira vez, podemos comparar em detalhes como diferentes agentes operam — e aprender com isso.
Na HUB IA Brasil, acreditamos que transparência e compartilhamento de conhecimento são pilares fundamentais para o avanço da inteligência artificial.
🔗 Acesse o repositório: https://github.com/m2f0/Agents-Prompts
🧪 Análise Técnica dos Prompts Vazados
Após revisar os prompts estruturais das ferramentas expostas, alguns padrões e práticas chamam atenção e merecem destaque técnico.
1. FULL v0 (Vercel)
Agente multi-passos com raciocínio encadeado
Utiliza estrutura do tipo “Tree of Thoughts”, combinando:
Thought: instrução reflexiva (“O que devo considerar?”)Action: escolha da próxima etapaObservation: feedback do ambiente
Prompts fortemente influenciados por Auto-GPT e ReAct
Thought: I need to understand what the user is asking. Action: SearchDocs Observation: [result]Aplicação: ideal para agentes que precisam iterar ideias antes de decidir.
2. Cursor IDE
IA de copiloto contextual de código
Prompts focam em estado do projeto:
Lista de arquivos abertos
Últimos commits
Código selecionado pelo usuário
{ "context": "This is the file being edited:", "selection": "user selected this method:", "goal": "Refactor this to remove duplicate logic." }Diferencial: integração com git diff e LSP (Language Server Protocol).
3. Manus / Lovable
Agente de autocompletar tarefas com interface amigável
Prompt principal:
You are a helpful assistant with access to these tools: [browser, shell, editor] User goal: “Deploy a React app to Vercel”Tática: prompt inicial seguido por sub-prompts por ferramenta (ex: browser, editor)
Design: lembra um agente de terminal com múltiplos plugins.
4. Devin (ex-AI Engineer)
Agente executor real com Shell + Git + Deploy
Exemplo de ação:
Shell command: git clone https://github.com/user/repo.git File changed: /src/main.pyContém fluxos de raciocínio explícitos:
“O que quero mudar?”
“Como sei que funcionou?”
Característica marcante: decisões baseadas em execução real do código.
5. Replit CodeGen Agent
Prompt dividido em:
User GoalCode ContextTests Passed / FailedNext Action
Automatiza ciclo: editar código → rodar testes → avaliar saída → repetir
Usa buffer de histórico com no máximo 10 interações.
🎯 Conclusão Técnica
Esses prompts revelam que:
A engenharia de prompts já é uma engenharia de software por si só.
Os agentes mais poderosos utilizam raciocínio iterativo e ferramentas internas como memória, histórico, e percepção de ambiente (shell, editor, etc.).
A complexidade dos agentes não está na linguagem natural, mas na orquestração de passos e ferramentas.
Se você deseja criar ou aprimorar agentes, estudar esses prompts é essencial.
📘 Recomendações para Engenheiros e Pesquisadores
Estude e implemente variações dos padrões
Thought → Action → ObservationUse buffers de contexto com resumo progressivo
Estruture prompts como scripts de raciocínio, não apenas instruções simples
Use memória estruturada (ex: JSON, YAML ou custom scratchpads)
Curta, comente e compartilhe. Obrigado.
Share this post