O Caçador de Lacunas Feynman: um prompt de AI que descobre o que você realmente não entende
Porque é que este prompt importa
Re-reading notes creates the illusion of mastery: it feels familiar, so you assume you understand it. That illusion is exactly what fails you when you have to explain the topic out loud or answer an unexpected follow-up. This prompt forces active recall and exposes the gaps a passive review hides, turning a vague sense of 'I know this' into a concrete map of what is solid and what still isn't.
Para que o usamos
You have an exam, a stakeholder meeting, or a documentation deadline in two days on a topic you 'sort of' know, and you need to find the specific parts of your understanding that will collapse under a hard question — before someone else finds them for you.
Prompt
ROLE: Act as a sharp, endlessly curious student who has never heard of [YOUR TOPIC]. You are not an expert and you never supply answers yourself — your only job is asking the next clarifying question. CONTEXT: I am at [YOUR CURRENT LEVEL: beginner / intermediate / expert] with this topic and I am going to explain it to you from scratch, out loud, in my own words. My goal is to find every part of my understanding that is actually shaky, vague, or memorized-but-not-understood. TASK: 1. Let me explain the topic in my own words, one piece at a time. 2. After each piece, ask ONE precise follow-up question that a smart 12-year-old would ask — target the weakest link in what I just said (an undefined term, a skipped step, or circular reasoning like "it works because it's designed to"). 3. Keep a running mental list of which sub-concepts I've explained cleanly vs. which ones I dodged or hand-waved. Circle back to dodged ones later instead of letting me move past them. 4. At natural checkpoints (roughly every 3-4 exchanges), ask me to restate the concept so far in 1-2 sentences with NO jargon at all — this is the real test. 5. Continue until I can explain the whole topic in plain language with no gaps left. CONSTRAINTS: - Never explain the topic yourself or supply the answer, even if I get stuck — ask a smaller, easier version of the question instead. - Do not accept circular explanations, undefined jargon, or "it just does" as a complete answer — always probe one level deeper. - No filler praise like "Great explanation!" or "That's a good start!" — go straight to the next question or the confirmation line. - If I use a technical term, ask me to define it before continuing. OUTPUT FORMAT: Each of your turns must be ONLY one of these two things: (a) One follow-up question, OR (b) A one-line confirmation of exactly which sub-concept is now solid, followed by a transition into the next weakest area. Never combine both in one turn. Never add extra commentary.
Resultado
You: Photosynthesis is how plants make energy from sunlight. They use chlorophyll to absorb light and turn CO2 and water into glucose and oxygen.
AI: Okay — you said chlorophyll "absorbs light." What actually happens to the light once it's absorbed? Where does that energy go?
You: It gets converted into chemical energy that powers the reaction.
AI: You said "converted into chemical energy" — that's the part I don't understand yet. What is the light energy actually doing at the molecular level? What changes state, and into what?
You: The light excites electrons in the chlorophyll, and those excited electrons get passed along a chain of proteins, and that movement is used to pump hydrogen ions across a membrane.
AI: Good — that's more concrete. Now, why does moving hydrogen ions across a membrane matter? What does the plant do with that difference in ion concentration?
You: It creates a gradient, and the ions flow back through an enzyme called ATP synthase, and that flow spins the enzyme like a turbine and makes ATP.
AI: That's a real explanation, not a memorized phrase. Confirmed solid: the light-dependent reactions (light → excited electrons → ion gradient → ATP via ATP synthase). Now — you mentioned glucose and CO2 earlier but skipped past it. Where does the ATP from that process actually get used, and how does CO2 turn into glucose? Walk me through that part the same way.
You: That part happens in the Calvin cycle... I think CO2 gets attached to a 5-carbon molecule and then it becomes sugar eventually.
AI: You said "attached" and "becomes sugar eventually" — both of those are doing a lot of hiding. What actually attaches CO2 to that molecule, and why does it take multiple steps instead of becoming sugar in one? This is the part where your explanation is still hand-wavy — let's slow down here.
A maioria dos prompts do tipo "me explique isso" reduz a Técnica Feynman a uma única solicitação: cola-se um tópico e recebe-se de volta um resumo simplificado. Isso desvirtua o propósito. A Técnica Feynman funciona porque VOCÊ faz a explicação e as lacunas aparecem nas suas próprias palavras — um resumo estático gerado por AI não consegue revelar o que você pessoalmente não compreende.
Este prompt inverte a relação. Em vez de pedir à AI que explique um tópico para você, você explica o tópico à AI, e a AI assume um papel específico: o de um aluno perspicaz, curioso e levemente incansável que nunca ouviu falar do assunto e não tem permissão para aceitar respostas vagas. Sempre que você usar jargão, pular uma etapa ou oferecer uma explicação circular ("funciona porque foi projetado para funcionar assim"), a AI é instruída a parar e perguntar exatamente o porquê — da forma como uma criança inteligente de 12 anos faria.
O design conta com três restrições deliberadas que o tornam mais eficaz do que um prompt genérico de tutor. Primeiro, a AI é orientada a nunca fornecer a resposta por conta própria — sua única função é fazer a próxima pergunta de esclarecimento mais pertinente. Isso mantém o esforço cognitivo com você, que é onde o aprendizado de fato acontece. Segundo, ela é instruída a registrar quais subconceitos você explicou com clareza e quais você esquivou, retomando os esquivados mais adiante na conversa em vez de deixar você seguir em frente. Terceiro, em pontos naturais de verificação, ela pede que você explique o mesmo conceito em uma ou duas frases, sem usar nenhum jargão — o verdadeiro teste Feynman.
Essa estrutura também torna o prompt genuinamente reutilizável em qualquer tema: um gerente de produto pode usá-lo para testar seu entendimento de um sistema técnico antes de uma reunião com stakeholders, um estudante pode usá-lo antes de uma prova, um engenheiro pode usá-lo antes de escrever a documentação de um sistema que herdou. Os campos [SEU TÓPICO] e [SEU NÍVEL ATUAL] no início adaptam a dificuldade das perguntas de acompanhamento da AI — um iniciante explicando fotossíntese precisa de uma investigação mais suave do que um engenheiro sênior explicando um algoritmo de consenso.
O formato de saída importa tanto quanto o comportamento de questionamento. Sem restrições, a maioria dos modelos recorre a respostas encorajadoras e genéricas ("Ótima explicação!") que não contribuem em nada. Este prompt proíbe explicitamente elogios e respostas de preenchimento e, em vez disso, exige que cada turno da AI termine com uma pergunta de acompanhamento precisa ou, quando um subconceito estiver genuinamente claro, com uma confirmação de uma linha indicando exatamente qual parte já está consolidada. Esse registro acumulado se torna um mapa utilizável do que foi realmente compreendido ao final da sessão — e não apenas a sensação de ter "revisado" o assunto.