Peça para a IA avaliar a sua foto de perfil: o prompt do laudo (e onde ele mente)

O prompt que circula avalia o seu perfil, não a sua foto

Existe uma família de prompts que roda em português e promete nota para o seu perfil: você exporta o perfil em PDF, anexa na conversa e recebe uma avaliação de título, resumo, experiências e palavras-chave. Para texto, funciona razoavelmente. Só que o PDF exportado não carrega a sua foto em resolução que sirva para julgar coisa alguma, e o campo foto é exatamente o que esses prompts não olham.

Do outro lado, quase tudo que a busca em português entrega sobre prompt e foto profissional ensina a mesma direção: você escreve, o modelo desenha. Baixei e contei as seis páginas alcançáveis desse assunto em 19/08/2026, 24.486 palavras somadas. As expressões laudo, não verificável e peso do arquivo aparecem zero vez nas seis. O que existe são 30 prompts de geração numa página, 25 em outra, o relato de um fotógrafo que mandou o modelo julgar a foto como jurado de concurso, e uma ferramenta brasileira que vende o laudo pronto.

Essa ferramenta é a avaliafoto.com: ela declara que a IA avalia composição, expressão, iluminação, vestimenta e enquadramento, e devolve um score de 1 a 10 em atratividade, confiança e competência, por R$ 9,90, R$ 29,90 ou R$ 59,90 conforme o plano (página consultada em 19/08/2026). A página não informa qual modelo usa. Não é o mesmo produto deste artigo: aqui você roda o seu laudo, na conversa que já usa, e sabe exatamente qual instrução produziu qual linha.

O objeto aqui é uma foto por vez, com o modelo funcionando como instrumento de medida sobre um arquivo que já existe. É a direção contrária da biblioteca que ensina a pedir a imagem, e as duas se completam: o prompt que gerou a foto a ser auditada está quebrado componente por componente no guia de anatomia do prompt de foto profissional. E não confunda com julgar o texto do prompt, que tem rubrica própria em como separar um prompt bom de um que só parece bom.

O prompt para a IA avaliar a sua foto de perfil: 8 linhas, nota de 0 a 5 e a regra que impede o chute

Abra uma conversa que aceite anexo de imagem, anexe uma foto só e cole o texto abaixo. Ele está em português de propósito: diferente da geração, aqui a saída é texto que você vai ler, e o modelo responde no idioma em que a instrução chegou. Foi assim que rodei o teste desta página.

Você é um auditor técnico de foto de perfil. Avalie somente a imagem anexada.

Regras, nesta ordem:
1. Atribua a nota antes de comentar.
2. Não elogie em nenhum momento. Nada de adjetivo positivo sobre a pessoa ou sobre a foto.
3. Se um item não puder ser medido a partir dos pixels que você recebeu, escreva
   exatamente "não verificável". Não estime, não suponha, não use valor típico.
4. Não afirme nada sobre peso do arquivo, formato, perfil de cor, câmera, lente, ISO,
   dpi, distância da câmera ou identidade da pessoa.

Devolva uma tabela com estas 8 linhas, nesta ordem, e as colunas
item | nota de 0 a 5 | evidência na imagem | uma frase de correção:
1. enquadramento: onde o corte passa e quanto espaço sobra acima da cabeça
2. escala do rosto: altura da cabeça como porcentagem da altura do quadro
3. direção e dureza da luz: de onde vem e que sombra faz no rosto
4. separação entre cabelo e fundo: contraste na borda do cabelo
5. nitidez do olho mais próximo da câmera
6. ruído, textura de pele e artefato visível
7. elementos nos cantos do quadro além de você
8. o que sobra no recorte circular de miniatura

Depois da tabela, escreva duas linhas: "defeito mais grave: <nome da linha>" e
"refazer a foto: sim ou não".

As quatro regras do topo carregam o peso todo. Cada uma existe contra um comportamento que eu medi, e não contra um medo genérico:

• Nota antes do comentário. O texto sai da esquerda para a direita, e quando o comentário vem primeiro a nota tende a acompanhar o tom do que já foi escrito. Pedir o número antes obriga o modelo a se comprometer com uma escala antes de encontrar uma justificativa simpática.
• Proibição de elogiar, escrita como proibição de adjetivo positivo. Pedir "seja crítico" não resolve: é vago e a resposta continua abrindo por pontos fortes. A proibição precisa nomear o que está proibido.
• A frase "não verificável", com o critério colado nela ("a partir dos pixels que você recebeu"). É uma linha só, e foi a instrução com melhor relação entre esforço e efeito no teste: os mesmos 40 campos de dpi, lente, ISO, câmera e distância que tinham voltado preenchidos viraram "não verificável" nos 40, e num pedido só de dados de arquivo os 16 arquivos responderam "não verificável" em peso, formato, EXIF, câmera, data e perfil de cor.
• Proibição de falar do arquivo. Peso, formato, perfil de cor, câmera, lente, ISO e dpi não estão na imagem que o modelo recebe. Perguntar isso é abrir a porta para o chute, e o chute volta com cara de medida.

As oito linhas também não são aleatórias: são o que cabe dentro do quadro, do corte até o que sobra quando aquilo tudo encolhe para o círculo da miniatura. Não há uma única linha sobre o arquivo, e essa ausência é o assunto da próxima seção: o arquivo não chega ao modelo do jeito que você imagina.

Uma linha típica volta assim: escala do rosto | 2 | a cabeça ocupa cerca de 45% da altura do quadro | aproxime o corte até a cabeça ocupar de 55% a 65%. Você não precisa concordar com o 2. O que serve é a coluna do meio, que é a medida, e a última, que é a ação. A nota existe para forçar a ordem, e é a parte menos estável do laudo, como mostro adiante.

O protocolo que faz esse prompt render, em três passos:

1. Uma foto por vez. Três de uma vez faz o modelo comparar, e comparar é outro problema, com outro método.
2. Laudo, depois uma correção. Corrija o item nomeado como defeito mais grave, e só ele, antes de auditar de novo.
3. Rode o mesmo laudo duas vezes antes de decidir refazer a foto. Entre duas execuções, o defeito mais grave mudou em 3 das 8 fotos do meu teste.

O que ele mede bem, o que ele chuta e o que ele inventa

Antes dos números, o método, para você saber o tamanho do que estou afirmando. Em 19/08/2026 rodei 136 chamadas contra duas versões de modelo de um único fornecedor, pela API, sobre 8 retratos sintéticos de 1.024 x 1.024 px gerados pelo próprio produto. Reencodei cada um em PNG sem perfil ICC, sem EXIF e sem tag de dpi, e fiz uma variante de 384 x 384 px em JPEG qualidade 70. Nenhum rosto real foi enviado, e as imagens não são publicadas. Onde precisei de uma verdade para comparar, medi por segmentação do fundo no próprio arquivo.

A expectativa comum é que o modelo não enxerga direito e por isso inventa. A primeira metade disso é falsa. A geometria dentro do quadro ele lê bem: a posição do topo da cabeça relatada ficou a menos de 1 ponto percentual da minha medição por segmentação do fundo, em 8 de 8 imagens. Não aperto mais essa casa decimal de propósito: o valor exato depende de onde eu decido que o cabelo começa, e mexer nesse limiar move a minha régua, não a leitura do modelo. Existe um teste que não depende desse critério. Reduzi cada retrato a 50% dentro de um quadro do mesmo tamanho, o que obriga qualquer altura a cair exatamente pela metade, e a posição relatada do topo da cabeça ficou a no máximo 0,15 ponto percentual do que a redução exige, em 8 de 8. As razões entre as alturas de cabeça relatadas ficaram entre 1,93 e 2,22 para uma verdade de 2,00. E a dimensão em pixels saiu correta em 32 de 32 respostas, nos dois modelos e nos dois tamanhos de arquivo.

Faz sentido pelo que a doc do fornecedor descreve. A página de imagem e visão da OpenAI diz que alguns modelos transformam a imagem em blocos de 32 x 32 px antes de virar token ("Some models tokenize images by covering them with 32px x 32px patches", consultada em 19/08/2026). O que ele recebe é uma grade de pedaços da imagem. Proporção dentro dessa grade é justamente o que sobrevive.

Agora o cartório. Perguntei dpi, equipamento, distância da câmera ao rosto, lente e ISO, sem nenhuma regra. O modelo preencheu 40 de 40 campos: 85 mm em 8 de 8, ISO 100 em 8 de 8, "câmera profissional" em 8 de 8, 300 dpi em 6 de 8 e distância de 120 a 150 cm. Não existe câmera nenhuma nessa história. O peso do arquivo veio como 0, -1 ou nulo em 32 de 32 respostas, que é pior que uma recusa: é um número com aparência de medida. E "sRGB" foi afirmado em 9 das 32 respostas sobre arquivos salvos sem perfil embutido.

A mesma doc explica por quê, na seção de limitações: "The model doesn't process original file names or metadata", ou seja, o que o arquivo carrega por fora do pixel não chega ao modelo. Na mesma seção, o fornecedor lista contagem apenas aproximada de objetos, dificuldade com localização espacial precisa e a possibilidade de gerar descrições incorretas. Vale para a API dessa empresa, não para "toda IA", mas o mecanismo é o mesmo em qualquer modelo que recebe pixels e não recebe cabeçalho de arquivo.

E não é particularidade de um fornecedor só. A página de compreensão de imagem do Gemini descreve o que o modelo faz com uma imagem (descrever, classificar, responder perguntas sobre ela, detectar e segmentar objetos) e, na lista de boas práticas, pede por escrito que a foto chegue rotacionada corretamente e sem borrão (consultada em 19/08/2026). Rotação e nitidez são responsabilidade de quem envia, e não algo que o modelo conserta no caminho. Vale a leitura inversa: se o dono do modelo precisa pedir isso, o laudo que ele devolve sobre uma foto torta ou tremida também sai torto.

A tabela abaixo é o resumo operacional: o que aceitar do laudo, o que ignorar e o que simplesmente não perguntar.

Por que a resposta padrão é um elogio, e as três linhas que derrubam isso

Antes de escrever o prompt do laudo, fiz a pergunta que qualquer pessoa faria: "esta é a minha foto de perfil profissional, o que você acha dela?". As 8 respostas livres abriram com avaliação positiva, em 8 de 8. A média foi de 164 palavras. Nenhuma deu nota, nenhuma nomeou um defeito mensurável, todas listaram pontos fortes antes de qualquer ajuste, e os ajustes vieram sempre condicionados a "dependendo do uso". Uma resposta típica terminava com "no geral, é uma ótima foto profissional".

O nome disso na literatura é bajulação. O estudo Towards Understanding Sycophancy in Language Models, de Sharma e colegas, mediu que cinco assistentes de ponta exibem esse comportamento de forma consistente em quatro tarefas de geração de texto, e que uma resposta alinhada à visão do usuário tem mais chance de ser preferida no julgamento humano que treina esses modelos. Sublinhando o limite, porque ele importa: aquele estudo mede tarefas de texto, não avaliação de imagem. A ponte para a foto é leitura editorial deste blog, e quem sustenta a ponte é a minha medição acima, não o artigo científico.

Há um segundo achado que encaixa melhor ainda. O benchmark MLLM-as-a-Judge, de Chen e colegas, testou modelos multimodais como juízes e concluiu que eles se aproximam bastante do julgamento humano em comparação por pares, mas divergem de forma significativa em dar nota e em ordenar lotes, com vieses, respostas alucinadas e inconsistências de julgamento. O benchmark não é sobre foto de perfil, e ainda assim a assimetria é a mesma que aparece no meu teste: comparar é mais confiável que pontuar.

As três linhas que invertem o comportamento são as que estão no prompt lá em cima: nota antes do comentário, proibição explícita de adjetivo positivo e obrigação de nomear o defeito mais grave ao final. Com elas, 16 de 16 execuções devolveram as oito linhas com nota, nenhuma usou termo de elogio do léxico que eu procurei, e 8 de 8 nomearam um defeito específico em vez de "depende do uso".

Aqui vem o limite honesto, e ele é o oposto do que se costuma dizer por aí. Testei também uma premissa falsa sobre algo visível: perguntei se "o fundo azul desta foto" atrapalhava o recorte circular, num conjunto em que o fundo é cinza claro. O modelo corrigiu em 8 de 8, com respostas do tipo "não há fundo azul na foto; o fundo é claro e uniforme". Ou seja: não é verdade que ele concorda com tudo. O agrado aparece no julgamento, não na descrição. Ele não vai fingir que a sua parede é azul, mas vai achar bonita a foto que você já mostrou que gosta.

Sem alvo declarado, o laudo aprova qualquer coisa

Esta é a falha mais silenciosa das duas, porque a resposta parece técnica. Perguntei "a resolução é suficiente para foto de perfil?" sem dizer perfil de onde. A resposta foi sim em 32 de 32 arquivos, incluindo os 16 de 384 x 384 px. Esse tamanho está abaixo do piso publicado pelo destino mais citado deste blog.

A página de ajuda do Linkedin sobre foto que não carrega diz, em português e consultada em 19/08/2026, que a foto de perfil deve ter tamanho em pixels entre 400 (L) x 400 (A) e 7680 (L) x 4320 (A), que o tipo de arquivo precisa ser PNG ou JPG e que o tamanho máximo do arquivo é 8 MB (a mesma página avisa que GIF não é aceito). Está tudo publicado em requisitos de foto de perfil na central de ajuda da plataforma. Nada disso o modelo tem como adivinhar, e nada disso ele pediu.

Colando a regra dentro do prompt, o comportamento muda por completo. Os 8 arquivos pequenos foram reprovados pelo motivo certo, com respostas como "a imagem tem 384 x 384 pixels, abaixo do mínimo exigido de 400 x 400 pixels". E os 8 arquivos grandes também não foram aprovados: o motivo devolvido foi que as dimensões atendem, mas formato e peso ficam "não verificável" a partir dos pixels. Esse é o sinal de um laudo honesto. Ele termina em "não sei" na linha do arquivo, e essa linha é sua, não dele.

Cole este adendo no fim do prompt do laudo, trocando a exigência pela do destino que você usa:

O destino desta foto publica esta exigência: entre 400 x 400 e 7680 x 4320 pixels,
arquivo PNG ou JPG, no máximo 8 MB. Acrescente uma linha final ao laudo:
"aprovado pelo destino: sim / não / não verificável", com o motivo em uma frase.
Se você não puder verificar formato ou peso a partir dos pixels, responda
"não verificável" e diga qual dado eu preciso conferir no meu computador.

Se o seu destino for outro, troque os números pela regra que aquela plataforma publica. As exigências de dimensão, peso e proporção do perfil, com o que cada uma significa na prática, estão reunidas no guia de tamanho e formato da foto de perfil. E a conta de quanto rosto precisa sobrar depois do corte circular, que é a linha 8 do laudo, está detalhada em como o recorte 1:1 e a miniatura mudam o enquadramento.

O mesmo laudo, duas vezes: o que muda entre execuções

Rodei o laudo completo duas vezes sobre as mesmas 8 fotos, sem mudar uma vírgula do prompt. A soma das oito notas mudou em 6 das 8 fotos, com variação de 1 a 3 pontos num total de 40. O defeito mais grave mudou em 3 das 8. O veredicto "refazer a foto" mudou em 2 das 8. E a escala do rosto relatada em porcentagem variou até 2 pontos percentuais para a mesma imagem.

Isso não invalida o laudo, mas define como lê-lo. Números que mudam entre execuções não são medida: são ordenação com ruído. O que se manteve estável foi o conjunto de itens criticados e, na maioria das fotos, qual deles aparecia no topo. É o mesmo padrão que o benchmark de modelo como juiz descreve ao falar em inconsistência de julgamento, e a consequência prática é simples.

Leia a ordem dos defeitos, não o número. Se a mesma linha aparecer no topo nas duas execuções, é ela que você corrige. Se o topo mudar, corrija a linha que apareceu nas duas listas com nota baixa. E não use o laudo para decidir entre duas fotos suas: comparar candidatas é outro problema, com critério humano e outra ordem de perguntas, tratado no método para escolher entre as suas fotos de perfil.

Do laudo à correção: qual item se resolve onde

Uma coisa que o teste mostrou e eu não esperava: as notas mais baixas caíram sempre nas mesmas duas linhas, escala do rosto e miniatura. A altura de cabeça relatada ficou entre 42% e 50% da altura do quadro, abaixo da faixa de 55% a 65% que este blog publica desde o guia de foto de perfil. O laudo apontou para a captura, não para o arquivo. É quase sempre assim, e é por isso que a tabela abaixo separa onde o defeito nasce de onde ele se resolve.

Os três primeiros itens nascem antes de a foto existir, e nenhum se resolve na conversa com o modelo. Para a linha da luz, o caminho é entender de onde a luz vem e que sombra ela faz no rosto. Para a borda do cabelo colada no fundo, o ajuste é de distância, explicado em quanto afastar do fundo e por quê. Para textura de pele que sumiu, o culpado costuma ser o processamento do próprio aparelho, e o efeito está medido no levantamento sobre o que o modo beleza do celular apaga da sua foto.

A linha do olho sem nitidez e a de enquadramento se resolvem juntas, na hora de disparar: apoio, foco no olho e distância certa aparecem no passo a passo de tirar a foto profissional com o celular que você já tem. Já as duas linhas de arquivo não são assunto do modelo em nenhum momento. Se a dimensão despencou entre o arquivo que você exportou e o que apareceu no perfil, o problema está no caminho até lá, e as opções de envio estão comparadas no teste de como subir a foto sem perder qualidade no meio do caminho.

A regra de decisão que fecha o método: três correções de captura apontadas no mesmo laudo significam refazer a foto. Auditar de novo, nesse ponto, só reordena defeitos. Se refazer significar gerar outra imagem em vez de fotografar, o arquivo que você anexa passa a ser matéria-prima, e o critério do que serve muda: ele está no guia de quais fotos suas funcionam como referência para a IA.

O que o laudo não resolve

O laudo mede o que está dentro do quadro. Ele não mede percepção. Nenhum número deste artigo diz como uma pessoa reage à sua foto, e o dado de terceiro mais citado sobre isso em português é da Photofeeler: estudo de empresa interessada, de 2014, sem revisão por pares e com público avaliador de língua inglesa. Ele aparece, com esses rótulos, no artigo que trata de o que se sabe e o que não se sabe sobre escolher a foto certa, e não serve de veredicto sobre a sua imagem.

Auditar também significa enviar a foto. Anexar o seu rosto numa conversa é um ato com consequências de privacidade que variam por serviço e por configuração de conta. O que cada um declara fazer com o arquivo, e o que dá para checar antes de subir, está reunido no levantamento sobre o que acontece com a sua foto depois que você anexa.

Sobre o meu teste, os limites são explícitos: 8 imagens sintéticas não são amostra de fotos reais de usuário; foram duas versões de modelo de um fornecedor só; as respostas foram pedidas em JSON, para poderem ser contadas, e no dia a dia o formato da resposta muda; e o parâmetro de detalhe foi omitido. Esse último ponto importa: a doc da OpenAI diz que no nível de detalhe baixo o modelo recebe uma versão de 512 x 512 px da imagem, e que imagens podem ser redimensionadas antes da análise. Quando o laudo disser que não viu um fio de cabelo fora do lugar, às vezes é literalmente verdade.

Por fim, duas coisas que ele nunca vai responder. A primeira é se a foto se parece com você hoje, porque isso quem sabe é quem convive com você. A segunda é se a foto combina com o cargo que você quer: o modelo mede geometria e contraste, não expectativa de mercado. E nada aqui prevê comportamento de recrutador. O laudo é diagnóstico, não previsão.

Resumo e próximos passos

Três decisões sustentam tudo que está acima. A primeira: peça o laudo em oito linhas, com nota antes do comentário e proibição de elogiar, em vez de perguntar "o que você acha?". A segunda: acrescente a linha do "não verificável" e cole a regra publicada do destino, porque sem alvo o laudo aprova arquivos abaixo do piso. A terceira: leia a ordem dos defeitos, não a nota, e rode duas vezes antes de decidir refazer.

O que o laudo entrega é um roteiro de correção com endereço: luz e fundo voltam para a captura, dimensão e peso voltam para o arquivo, e três itens de captura na mesma lista significam foto nova. Se o caminho for gerar em vez de fotografar, o próximo passo é o lado que escreve em vez de ler: a biblioteca completa de prompts para foto profissional, onde estão os componentes que decidem o que vai aparecer no quadro que você depois vai auditar.