Guia de Prompts para Mapas de Conhecimento com GPT Image 2: 5 Templates Prontos para Estudo, Redes Sociais, Anotações de Aula, Slides e SOPs

Antes do GPT Image 2, "usar IA para criar uma imagem de mapa de conhecimento" era mais meme do que workflow. Todos os outros modelos ou escreviam os títulos errados, espremiam dez seções em três, ou cuspiam um pôster bonito-mas-vazio que parecia ruído decorativo. Aí a maioria desistia e voltava para PowerPoint, Figma ou anotações desenhadas à mão no iPad.

Isso mudou nesta primavera. Com o GPT Image 2, agora você passa um único prompt estruturado para o modelo e recebe de volta uma ficha de estudo de qualidade — tipografia correta, grade de seções limpa, as setas certas nos lugares certos — em uma única passada. Este guia é o framework de prompts que eu repito sempre, junto com cinco templates prontos para copiar e colar para os cinco cenários onde leitores realmente buscam isso na geração de imagens com IA: preparação para concursos públicos, cards de conhecimento para redes sociais, materiais de aula, visuais de slides e SOPs operacionais.

1. Primeiro: o que afinal é uma "imagem de mapa de conhecimento com IA"?

Duas coisas muito diferentes compartilham essa expressão:

• Mapa de conhecimento técnico (KG): um repositório de triplas entidade-relação-entidade, do tipo que você constrói com Neo4j / RDF / GraphRAG. Isso é estrutura de dados, não imagem.
• Imagem visual de mapa de conhecimento: um pôster imprimível/compartilhável que organiza visualmente um tópico — definição, tipos, fluxo de trabalho, armadilhas, exemplos, mnemônico. É o que as pessoas realmente querem quando pesquisam "como criar um mapa de conhecimento com IA".

Este guia é sobre o segundo. O primeiro é trabalho de LLM + banco de grafos e não tem nada a ver com modelos de imagem — está fora do escopo aqui.

2. O template universal de prompt em 5 blocos

Toda imagem de mapa de conhecimento bem-sucedida que entreguei com GPT Image 2 segue os mesmos cinco blocos, nesta ordem. Pule qualquer um e a saída desaba em papel de parede bonito ou em sopa de letrinhas.

[1] CANVAS — orientation (vertical 1024×1536 or horizontal 1536×1024),
    paper-style background, dominant accent color.
[2] TOPIC HEADER — exact title text + one-line positioning sentence.
[3] SECTIONS — 5 to 8 named cards. Common skeleton:
    Definition → Question Types → Solving Path → Common Pitfalls →
    Comparisons → Worked Example → Mnemonic.
[4] VISUAL — line weight, icon style, arrow style, palette accents,
    rounded-card vs. ruled-notebook aesthetic.
[5] CONSTRAINTS — "THE TEXT READS: ..." quoting for every label,
    no extra logos, no decorative filler, preserve exact spelling.

Por que estes cinco e não seis ou quatro:

• Canvas primeiro. O modelo se compromete com o layout antes do conteúdo. Se você descrever o tópico antes do canvas, ganha proporções aleatórias.
• Header antes das seções. O H1 ancora a hierarquia. Sem ele, todos os cards de seção saem com o mesmo peso visual e a imagem fica chapada.
• 5-8 seções é o ponto certo. Menos de cinco parece vazio; acima de oito começa a perder rótulos mesmo no GPT Image 2.
• Bloco visual por último entre os descritivos. Descrições de estilo colocadas cedo são aplicadas em excesso; colocadas no fim agem como acabamento.
• Restrições no final, em voz imperativa — o modelo as trata como guard-rails em vez de sugestões.

Um truque que vale repetir do cookbook da OpenAI: cada trecho de copy na imagem deve ser envolvido como THE TEXT READS: "...". Essa única frase é a maior alavanca de precisão para escritas não latinas e títulos longos.

3. Cenário 1 — Ficha de estudo para concursos (o exemplo principal)

Eu começaria por esta, porque fichas de conhecimento para concursos são o teste mais rigoroso: precisam de português preciso, alta densidade de informação, um fluxo claro de resolução, e uma estética de "material de estudo" que não pareça gerada por IA.

Aqui está o prompt que produziu a imagem de capa deste post (uma ficha de estudo para "Estrutura de Resposta em Questões Analíticas de Entrevistas para Concursos"):

Create a vertical (1024×1536) civil-service exam study infographic
on the topic "面试综合分析题答题结构 / Civil-Service Interview
Analysis Question Framework". The goal is to help a reader
understand: what this question type tests, how to recognise it,
the standard answering workflow, common pitfalls, similar
question types, a worked example, and a memorable mnemonic.

CANVAS: clean light paper background, deep-navy title block,
charcoal body lines, with restrained accents in blue, teal, gold,
and a single red flag for warnings.

LAYOUT BLOCKS (rounded cards with thin borders, numbered tags):
1) Header: exact title + one-line positioning.
2) Core Definition — what this question actually tests.
3) Question-Type Signals — prompt phrasings and keyword tells.
4) Solving Path — 4 to 5 numbered steps connected by hand-drawn arrows.
5) Common Pitfalls — trap options, wrong reasoning patterns.
6) Comparison — distinguish from adjacent question types.
7) Worked Example — short stimulus + correct decomposition.
8) Mnemonic — one short rhyming line or three-keyword summary.

VISUAL: looks like a high-quality printed exam handout crossed
with a hand-illustrated education poster. Use rounded cards,
thin rule lines, numbered tags, hand-drawn arrows, small
zoom-in callouts, and a dedicated "易错提醒" warning strip.

CONSTRAINTS: every visible heading and body string is rendered
verbatim — THE TEXT READS exactly what is specified. No extra
logos, no Lorem ipsum, no decorative filler text. Information
density is high but the page stays balanced and uncluttered.

Algumas observações valem a pena:

• Eu escrevo o título em chinês mais uma glosa em inglês. O GPT Image 2 lida com qualquer um, mas prompts bilíngues fazem o modelo tratar o tópico como sério/educativo em vez de meme.
• Tags numeradas + setas desenhadas à mão fazem a saída parecer material de estudo, não um folheto de marketing.
• O card de "armadilhas/pegadinhas" é o elemento mais subutilizado em fichas de conhecimento com IA. Adicioná-lo é o que faz a imagem parecer autoral em vez de gerada.

Você pode navegar pela saída renderizada e mais de 20 templates similares na página /prompts — cada card lá é reproduzível a partir do prompt de origem.

4. Cenário 2 — Card de conhecimento para Xiaohongshu / redes sociais

Para plataformas chinesas (especialmente Xiaohongshu/RED), o padrão de fato é 1080×1440 vertical, fluxo de leitura em F, série de três cards. O prompt abaixo produz um único card dessa série; reutilize-o três vezes com a mesma paleta de destaque para ter um conjunto de swipe.

Create a vertical 1080×1440 knowledge card for Xiaohongshu titled
"3 Habits That Actually Lower Cortisol".

CANVAS: warm cream background (#FFF8EE), subtle paper grain.
A single accent color of muted terracotta (#C96E5A).

LAYOUT:
- Top: progress label "认知觉醒 · 卡片 2 / 3" in tiny mono caps.
- Headline block: H1 in handwritten serif, sub-line in clean sans.
- Middle: three numbered "habit" rows. Each row has a small flat
  icon on the left, a 3-word habit name, and a 1-sentence "why".
- Bottom: a single quote strip with a hand-drawn underline.
- Right edge: tiny vertical text "swipe →".

VISUAL: minimal flat illustration, two-color palette only, 1pt
hairlines, slight paper texture, generous whitespace, F-shaped
reading flow (title top-left, scan down).

CONSTRAINTS: text rendering must be pixel-perfect — THE TEXT
READS each label exactly as written. No watermark. No platform
logos. Output looks like a published Xiaohongshu carousel card,
not a Canva template.

Duas táticas de retenção específicas do Xiaohongshu:

• O rótulo de progresso "X / Y" avisa que existem mais cards — isso aumenta swipe-through e tempo médio de visualização, métricas que o algoritmo recompensa.
• Um H1 manuscrito junto com sans-serif limpo no corpo é a assinatura visual de "criador thoughtful" em vez de "conteúdo de agência", o que é a proposta inteira da plataforma.

5. Cenário 3 — Material de aula / anotação de palestra

Para professores e tutores. O truque é que um material de aula é mais largo do que um card de conhecimento — ele é horizontal, tem uma coluna de navegação à esquerda e deixa o corpo respirar.

Create a horizontal 1536×1024 classroom handout titled
"Photosynthesis — One-Page Lecture Note for 8th-grade Biology".

CANVAS: graph-paper background, navy header bar, hand-drawn
margin notes in pencil-grey.

LAYOUT:
- Left rail (20% width): table of contents with 5 numbered items.
- Main area (80% width) split into three rows:
  Row A — annotated diagram of a leaf cross-section with arrows
    pointing to chloroplast, stomata, xylem, phloem.
  Row B — the balanced chemical equation in a boxed callout,
    with sun, water, CO2, glucose, O2 labeled as small icons.
  Row C — a 4-step "Light vs Dark Reactions" comparison table.
- Bottom-right: a "Common Misconceptions" red flag box with
  three bullets, each one sentence.

VISUAL: pen-and-marker textbook illustration style. Pencil-grey
linework, navy headings, accent yellow for highlights, red for
warnings only. Friendly but not childish.

CONSTRAINTS: every label is rendered verbatim. The handout reads
like it was prepared by a science teacher, not designed by a
marketing agency. No school logos, no watermarks.

Se você está produzindo um currículo inteiro, gere um material primeiro e depois, em turnos seguintes, peça ao GPT Image 2 para preservar o layout e apenas trocar o bloco de conteúdo — é a fidelidade de edição local dele que torna a produção em lote viável economicamente agora.

6. Cenário 4 — Visual de slide (nível diretoria)

Os elementos clássicos e dolorosos de slide — círculos concêntricos de TAM/SAM/SOM, matrizes 2×2, diagramas de swim-lane — antes levavam 30 minutos cada no Figma. Agora levam um prompt.

Create a horizontal 16:9 slide visual titled
"2026 GTM Plan — Where We Win This Quarter".

CANVAS: pure white background, single brand-blue accent (#2563EB),
charcoal text. Boardroom presentation aesthetic.

LAYOUT: 2x2 matrix.
- X axis label: "Effort (low ← → high)"
- Y axis label: "Strategic value (low ← → high)"
- Quadrants, each with a 2-word verdict tag and 2 example bullets:
  Top-right "DO NOW": Enterprise pilot, Channel partner.
  Top-left "QUICK WINS": Lifecycle email, Pricing test.
  Bottom-right "RECONSIDER": Conference circuit, New SDR hire.
  Bottom-left "PARK": Affinity merch, Side-project blog.
- Footer micro-text: "Source: Q2 OKR review, internal".

VISUAL: clean sans-serif, 1pt rule lines, generous whitespace,
no decorative icons. Reads as a McKinsey-style consulting slide.

CONSTRAINTS: every quadrant label is rendered verbatim. No
watermarks. No fake company logos. The image looks like a
PowerPoint screenshot, not a stock illustration.

Combine este prompt com um follow-up tipo "Agora gere um visual de círculos concêntricos TAM/SAM/SOM na mesma linguagem visual" e você tem um deck coerente em vez de um Frankenstein de screenshots.

7. Cenário 5 — SOP / diagrama de fluxo

Times de operações têm o ROI mais limpo desse workflow inteiro — um bom diagrama de SOP economiza uma hora de Visio e lê melhor do que o manual que substitui.

Create a vertical 1024×1536 SOP diagram titled
"Customer Refund Process — Standard Workflow (2026)".

CANVAS: white background, navy header strip with the SOP title
and a small "Doc ID: OPS-014 · v2.1" badge.

LAYOUT: top-to-bottom flowchart with 6 numbered nodes connected
by directional arrows.
1) "Customer submits refund request" — owner: Support L1.
2) "Verify order + payment status" — owner: Support L1.
3) Decision diamond: "Within 30-day window?" — Yes → step 4,
   No → step 6.
4) "Approve refund in Stripe dashboard" — owner: Finance.
5) "Send confirmation email + close ticket" — owner: Support L1.
6) "Escalate to Support L2 for exception review" — owner: L2.
Right side: a sidebar with three "Common pitfalls" warnings
and the SLA: "Refunds processed within 24h business time".

VISUAL: clean Visio-style flowchart, rectangles for actions,
diamonds for decisions, hand-drawn-feel arrows in navy, owner
tags in small pill labels. No icons, no illustration.

CONSTRAINTS: every node label and owner tag rendered verbatim.
No watermarks. Output reads like a print-ready company SOP page.

Movimento sutil de profissional: peça ao modelo para renderizar o ID do documento e número de versão em um pequeno selo. Revisores tratam documentos com metadados de versão como autoritativos; é o upgrade de credibilidade mais barato deste workflow inteiro.

8. Seis armadilhas comuns (e como corrigi-las)

Depois de cerca de 300 gerações de cards de conhecimento, esses são os padrões de falha que agora antecipo em todo prompt:

Se você está enfrentando algum desses e não está nesta lista, abra a biblioteca de prompts e faça engenharia reversa do exemplo funcional mais próximo — geralmente é mais rápido que debugar do zero.

9. Cola de dimensões

Para quem só quer as dimensões e um sufixo de prompt de uma linha:

A proporção sozinha muda se o modelo se compromete com um modelo mental de "card" ou de "página". Use a coluna literalmente — não traduza 1024×1536 para "infográfico vertical" esperando a mesma nitidez.

A conclusão

A mudança interessante não é que o GPT Image 2 "fica mais bonito". É que imagens de conhecimento prontas para publicar em uma única passada agora são um workflow em vez de uma fantasia. Os cinco cenários acima cobrem o grosso do que as pessoas realmente procuram quando googlam "como criar um mapa de conhecimento com IA" — e o mesmo template de prompt em 5 blocos atravessa todos eles.

Se você quer pular a parte de escrever prompts e simplesmente ver o que o GPT Image 2 pode fazer, a página /prompts tem mais de 20 templates prontos para produção (incluindo a ficha de concurso deste post) para você forkar, e /explore tem a galeria completa de saídas com os prompts de origem anexados.

Leitura adicional

• O GPT Image 2 Realmente Destronou o Nano Banana? Meu Veredito
• GPT Image 2 vs Nano Banana 2 vs Midjourney v7 — Uma Comparação Focada em Produção
• Guia de Prompts do GPT Image 2 — 7 Regras para 90% de Acerto