Editar um Rascunho de IA Até Ficar Publicável

Os rascunhos de IA falham de formas que a revisão de texto normal não apanha, porque a prosa é gramatical e confiante. Os defeitos característicos são estruturais: afirmações com reservas, especificidades inventadas, secções simétricas que dão peso igual a coisas desiguais, e um parágrafo de resumo a repetir o que acabou de ser dito. A edição linha a linha torna isto mais suave sem o remover. É preciso outra ordem de passagens - cortar a estrutura primeiro, verificar os factos em segundo, e só então editar as frases.

O ficheiro da competência

---
name: editing-ai-drafts
description: Use quando tem um rascunho gerado por modelo que lê bem frase a frase mas não vale a pena publicar tal como está.
---

# Editar um Rascunho de IA Até Ficar Publicável

Os rascunhos de IA falham de formas que a revisão de texto normal não apanha, porque a prosa é gramatical e confiante. Os defeitos característicos são estruturais: afirmações com reservas, especificidades inventadas, secções simétricas que dão peso igual a coisas desiguais, e um parágrafo de resumo a repetir o que acabou de ser dito. A edição linha a linha torna isto mais suave sem o remover. É preciso outra ordem de passagens - cortar a estrutura primeiro, verificar os factos em segundo, e só então editar as frases.

## O que precisa primeiro

- o rascunho e o prompt ou briefing que o produziu
- uma fonte contra a qual possa verificar cada afirmação numérica
- uma amostra das suas próprias páginas já publicadas, para a voz

## Método

1. Apague a introdução e a conclusão antes de ler o resto. As introduções de IA repetem o título e as conclusões de IA repetem o corpo; na maioria dos rascunhos a verdadeira abertura é o terceiro parágrafo.
2. Verifique se as secções têm todas o mesmo comprimento. Comprimento uniforme é um indício de que o modelo encheu as mais fracas - junte ou corte qualquer secção que só existe por simetria.
3. Assinale cada especificidade: números, percentagens, datas, nomes de ferramentas, referências a estudos. Trate cada uma como não verificada até ser confirmada, incluindo números redondos plausíveis, que são os mais frequentemente fabricados.
4. Elimine as reservas que não transportam informação - "pode variar", "depende das suas necessidades", "pode ou não". Ou substitua pela condição concreta que decide a questão, ou apague a frase.
5. Procure construções em lista de três e ritmo de tricólon. Os modelos produzem-nas em excesso; quebrar algumas em formas desiguais remove a maior parte da cadência mecânica sem uma reescrita.
6. Acrescente uma coisa que o modelo não poderia saber - uma decisão que tomou, um resultado de um cliente, um número dos seus próprios dados - e coloque-a acima da dobra, não numa nota final.

## O que isto produz

Um rascunho mais curto com cada especificidade verificada, o enchimento estrutural removido e pelo menos um elemento em primeira mão.

## Onde isto corre mal

- Passar o rascunho por uma ferramenta de humanização ou por um segundo modelo, o que muda a redacção deixando intactas as especificidades fabricadas e a estrutura oca
- Editar frases antes de cortar secções, gastando esforço a polir parágrafos que não deviam existir
- Confiar numa citação porque o modelo deu um URL - confirme que o URL abre e que diz o que o rascunho afirma que diz

---

Da biblioteca de competências da QuQi - https://www.quqi.io/pt/skills/editing-ai-drafts

O que precisa primeiro

• o rascunho e o prompt ou briefing que o produziu
• uma fonte contra a qual possa verificar cada afirmação numérica
• uma amostra das suas próprias páginas já publicadas, para a voz

Método

1. 01 Apague a introdução e a conclusão antes de ler o resto. As introduções de IA repetem o título e as conclusões de IA repetem o corpo; na maioria dos rascunhos a verdadeira abertura é o terceiro parágrafo.
2. 02 Verifique se as secções têm todas o mesmo comprimento. Comprimento uniforme é um indício de que o modelo encheu as mais fracas - junte ou corte qualquer secção que só existe por simetria.
3. 03 Assinale cada especificidade: números, percentagens, datas, nomes de ferramentas, referências a estudos. Trate cada uma como não verificada até ser confirmada, incluindo números redondos plausíveis, que são os mais frequentemente fabricados.
4. 04 Elimine as reservas que não transportam informação - "pode variar", "depende das suas necessidades", "pode ou não". Ou substitua pela condição concreta que decide a questão, ou apague a frase.
5. 05 Procure construções em lista de três e ritmo de tricólon. Os modelos produzem-nas em excesso; quebrar algumas em formas desiguais remove a maior parte da cadência mecânica sem uma reescrita.
6. 06 Acrescente uma coisa que o modelo não poderia saber - uma decisão que tomou, um resultado de um cliente, um número dos seus próprios dados - e coloque-a acima da dobra, não numa nota final.

O que isto produz

Um rascunho mais curto com cada especificidade verificada, o enchimento estrutural removido e pelo menos um elemento em primeira mão.

Onde isto corre mal

• Passar o rascunho por uma ferramenta de humanização ou por um segundo modelo, o que muda a redacção deixando intactas as especificidades fabricadas e a estrutura oca
• Editar frases antes de cortar secções, gastando esforço a polir parágrafos que não deviam existir
• Confiar numa citação porque o modelo deu um URL - confirme que o URL abre e que diz o que o rascunho afirma que diz

Use esta skill na sua própria IA

O ficheiro é markdown simples, com o nome e o gatilho no frontmatter. Quando um assistente consegue carregar skills sozinho, é esse frontmatter que lê para decidir que esta se aplica.

Mais em Produção de conteúdo