No contexto da engenharia de prompt aplicada a modelos de linguagem de grande escala (LLMs), considere a seguinte situação hipotética: uma equipe de auditoria do TCU precisa extrair de um conjunto de relatórios financeiros a soma dos valores classificados como 'despesas de custeio' e, ao mesmo tempo, garantir que o modelo não invente valores ausentes. Para tanto, o engenheiro de prompt elabora um comando que combina uma instrução de formato de saída (JSON com os campos 'soma' e 'lista de valores') com uma instrução de restrição explícita do tipo 'se algum valor não estiver explicitamente no texto, retorne null e não estime'. Avaliando essa prática à luz das boas práticas de engenharia de prompt, é correto afirmar que a combinação de instruções de formato e de restrição explícita contra alucinação, nesse caso, tende a reduzir a probabilidade de o modelo gerar valores numéricos não presentes no texto original, embora não elimine completamente o risco de o modelo ainda assim produzir uma estimativa indevida, pois a restrição explícita atua como uma orientação probabilística e não como uma garantia determinística de comportamento do modelo.