Sete dicas para usar os créditos do Figma Make com mais eficiência

Desde que lançamos o Figma Make há um ano, um padrão se repte: as equipes que alcançam os melhores resultados com prototipagem de IA não são necessariamente as que escrevem os prompts mais longos. São aquelas que entendem como configurar bem o trabalho, delimitar edições de forma rigorosa e ampliar o contexto para colaboração.

Estas sete dicas podem ajudar você a fazer o mesmo no Make.

1. Inclua o trabalho mais difícil no primeiro prompt

O primeiro prompt define a estrutura do projeto e estabelece suas restrições. Quanto mais completo for esse ponto de partida, menos tempo você gastará em correções mais tarde.

Uma regra prática útil: trate o prompt inicial como o briefing e cada acompanhamento como uma manutenção. Isso significa que o primeiro prompt deve incluir:

• O objetivo
• O contexto
• Todos os elementos, comportamentos e restrições principais
• Critérios para considerar o projeto concluído

Depois que você tem uma boa base para construir, os prompts de acompanhamento podem ser muito menores. Normalmente, os bons prompts cobrem três aspectos:

• O que deve mudar
• Como deve mudar
• O que não deve mudar

Para construções maiores, considere dividir o trabalho em etapas. Comece acertando a estrutura do projeto, sem se preocupar muito com os detalhes do conteúdo. Muitas vezes, a estrutura é o elemento mais difícil de mudar quando você já está profundamente envolvido na construção. Depois, adicione inteligência e comportamentos e, por fim, refine o conteúdo e faça os ajustes finais.

Evite combinar várias mudanças em um único prompt de acompanhamento, a menos que sejam correções relacionadas na mesma parte da lógica ou da UI. Se três edições afetarem o mesmo componente, é mais eficiente agrupá-las em uma única solicitação do que passar por várias rodadas para fazer a mesma coisa.

Os prompts de acompanhamento funcionam melhor quando são bem delimitados. Quanto mais específico você puder ser sobre o que deseja que o Make mude, maior será sua eficiência. Por exemplo, “Atualize o componente de calendário”, “Adicione um novo estado a esta tela” ou até mesmo “Edite o arquivo tokens.ts” são orientações mais claras para o Make do que “Isso não está certo, você pode refazer?”. Os prompts específicos indicam exatamente onde o Make deve atuar e o que deve fazer. Prompts vagos exigem que o Make interprete sua intenção antes de adivinhar a melhor maneira de realizá-la, o que gera um custo adicional.

2. Prefira edições manuais para alterações específicas

As equipes que melhor utilizam o Make também sabem quando parar de fazer prompts e começar a editar diretamente. Para pequenas alterações visuais, como ajustar o espaçamento, remover um elemento, alterar o texto, a ferramenta de edição costuma ser o caminho mais rápido. Dessa forma, você pode fazer ajustes específicos sem reabrir todo o problema. Isso é importante porque muitos prompts de acompanhamento não estão realmente pedindo para o Make resolver um novo problema de design, mas pequenos ajustes em algo que já está basicamente correto.

O mesmo acontece no código. Algumas das mudanças mais eficientes no Make ocorrem quando você vai direto ao código-fonte e edita o valor relevante diretamente. Isso é especialmente útil quando algo é dinâmico e não editável apenas a partir da visualização. Por exemplo, se você precisar atualizar o texto dentro de um componente repetido, ou alterar dados retirados de uma lista na mesma pasta. Em vez de tentar adivinhar o caminho para o resultado correto, você pode acessar o código-fonte, buscar a parte afetada e fazer a alteração diretamente nela.

Não é necessário ser desenvolvedor para aproveitar esse recurso. O código do Make é legível o suficiente para que você possa localizar o que precisa, principalmente quando já sabe qual elemento ou comportamento está tentando ajustar.

Para mudanças visuais maiores, recomendamos usar a tela de trabalho do Figma Design. Com Copiar design, você pode trazer a visualização do Make para o Figma Design como camadas editáveis, fazer alterações com as ferramentas que você já conhece e depois enviar essa direção de volta para o Make com um único prompt. Esse fluxo de trabalho híbrido pode ser muito mais rápido do que fazer ajustes visuais um após o outro. Por exemplo, Miggi Cardona, embaixador sênior de designers, criou um app de áudio funcional que usava o modo escuro. Ele copiou o app para a tela de trabalho, criou uma versão no modo claro e levou o resultado de volta para o Make como contexto para a atualização do protótipo. Um prompt, sem interpretação ou suposição. Simples e eficiente!

O ponto é reservar os prompts para o trabalho em que são melhores: geração, raciocínio e transformações maiores, e optar por edições manuais quando o trabalho se torna mais visual.

3. Transforme prompts repetidos em regras e fluxos de trabalho

Quando você percebe que está repetindo as mesmas instruções, é hora de retirá-las do prompt. É nessa situação que arquivos markdown, como guidelines.md, se tornam valiosos. As equipes que mais aproveitam a IA nos fluxos de trabalho tratam sistematicamente esses arquivos como requisitos de projeto, e não como meros aspectos desejáveis.

Um bom arquivo guidelines.md lista as regras que você quer que o Make siga em todo o seu projeto:

• O que está no design system
• Quais convenções de nomenclatura seguir
• Quais padrões preferir
• Qual o nível de qualidade desejado
• Onde encontrar a fonte de verdade correta para decisões comuns

Pense nisso como uma memória de projeto reutilizável: um lugar para manter as regras e referências que o Make deve sempre considerar. Como o Make não precisa reaprender a cada vez, o benefício é duplo: menos repetição nos prompts e melhores resultados iniciais.

Aqui, a estrutura é importante. Um único arquivo markdown massivo nem sempre é a melhor resposta. Em muitos casos, é mais simples ter um arquivo principal de diretrizes e arquivos de apoio .md menores para tópicos mais específicos, como componentes, animação, tokens ou padrões de conteúdo. Quanto mais legíveis esses arquivos são para o modelo, maior a sua utilidade. Títulos de seção claros, rótulos consistentes, nomes semânticos e menos redundância também são fatores úteis.

Os arquivos Skills.md são o próximo passo quando o que você continua repetindo não é apenas contexto, mas todo um fluxo de trabalho. Os arquivos Guidelines.md e skills.md podem ser facilmente confundidos, pois ambos são arquivos markdown. Na essência, são instruções em texto simples que ajudam o Make a entregar resultados mais confiáveis. A diferença está em sua função:

• Diretrizes: memória de projeto contextual sempre ativa que um projeto Make carrega no plano de fundo
• Habilidades: fluxos de trabalho sob demanda que você aciona quando exigidos por uma tarefa específica

Se as diretrizes dizem ao Make o que saber, as habilidades de IA dizem ao Make o que fazer. Uma habilidade funciona como um manual para uma tarefa recorrente: revisar uma tela em relação aos padrões de design, construir com base em um roteiro de desenvolvimento de produto (PRD), verificar o texto do produto ou gerar um tipo específico de interface. Em vez de reescrever a mesma longa série de prompts todas as vezes, você pode transformar esse processo em uma habilidade e invocá-la quando precisar.

4. Seja criterioso ao trazer contexto externo

Se guidelines.md é onde você armazena instruções permanentes, os conectores MCP são como você busca o contexto externo necessário para uma tarefa.

Os conectores são mais úteis quando o Make precisa acessar algo além do próprio projeto: uma especificação em tempo real, um tíquete, uma referência de design system, um documento técnico, um relato de bug, uma área de trabalho em outra ferramenta ou um sistema interno personalizado. No entanto, nem sempre é melhor ter mais contexto.

Indicar ao Make uma grande fonte externa sem especificar os detalhes a serem observados é uma das maneiras mais fáceis de tornar uma tarefa mais difícil do que precisa ser.Uma página gigante no Notion, uma consulta ampla no Jira ou Linear, ou uma busca aberta em uma área de trabalho de conectores introduz ruídos. O modelo precisa descobrir não apenas o que fazer, mas também qual contexto é realmente relevante para sua tarefa.

A melhor abordagem é delimitar a recuperação de forma precisa: aponte para o documento exato, vincule ao tíquete exato ou nomeie o arquivo, erro ou componente específico que importa. Quando o Make precisa apenas de um parágrafo ou um conjunto de requisitos, considere colar essas informações diretamente em vez de solicitar que ele busque a resposta.

Aqui, os anexos de arquivos também podem ser úteis. Se o trabalho exige uma fonte em tempo real, os conectores costumam ser a ferramenta certa. Mas se ele depende de arquivos específicos que você já tem, o mais eficiente é anexá-los diretamente ao prompt. Um PDF de resumo de pesquisa pode dar ao Make as descobertas de que ele precisa para trabalhar. Um conjunto de dados em CSV pode ajudá-lo a preencher painéis, tabelas ou telas de perfil com valores reais. Um vídeo ou recurso de mídia pode ajudar o Make a incorporar material real em vez de gerar um texto de apoio.

Em cada caso, o objetivo é simples: oferecer ao Make o material original para facilitar ao máximo o trabalho dele. As habilidades de IA também podem ser úteis neste caso: ao fornecer ao Make as etapas exatas a seguir quando ele usa um conector, um MCP personalizado ou um anexo de arquivo, você obtém um resultado mais controlado, previsível e eficiente. O objetivo não é maximizar o contexto; é dar ao Make o contexto certo.

5. Criar e dimensionar fundamentos reutilizáveis

A maneira mais rápida de construir no Make é evitar recriar a mesma UI do zero todas as vezes. Tanto os kits quanto os modelos do Make oferecem pontos de partida que já incluem contexto, padrões reutilizáveis e até mesmo uma estrutura funcional. Essa é uma das maneiras mais fáceis de reduzir retrabalho desnecessário. Uma boa base reutilizável ajuda a evitar prompts para obtenção de páginas a partir do zero, reduz a chance de alucinações e oferece a mais pessoas da equipe um ponto de partida sólido em menos tempo.

Pense nos kits do Make como ingredientes de sistema compartilhados: eles ajudam a dimensionar a distribuição de elementos, como fundações, tokens, componentes e arquivos guidelines.md, quando você usa o Make do início ao fim do projeto. Para equipes com componentes React disponíveis como pacotes npm, esse recurso pode ser particularmente útil: os kits do Make podem trazer para o projeto componentes e padrões que a equipe de desenvolvimento já tem em produção, evitando que ela tente recriá-los do zero.

Por outro lado, os modelos oferecem à equipe pontos de partida reutilizáveis: estruturas básicas de produto, layouts preferidos e até mesmo prompts iniciais. Equipes maiores que expandem o uso do Make com diferentes níveis de fluência em IA e em várias áreas de produtos são as maiores beneficiadas. Por exemplo, o modelo SAP de código aberto de Laura Fehre, embaixadora sênior de designers, contém elementos fixos de UI (cabeçalho, navegação) que são compartilhados por todos os produtos, ao lado de diretrizes rígidas para garantir que os prompts não consigam alterá-los facilmente. Ele também inclui “receitas” que ajudam os usuários do modelo a criar temas e layouts específicos sob demanda. Essas receitas residem diretamente na UI do modelo como prompts baseados em código e prontos para uso. Clique para copiar e cole no Make.

Esse tipo de configuração faz duas coisas ao mesmo tempo: aumenta imediatamente a utilidade do modelo e ensina as pessoas a usá-lo bem. O resultado é menos retrabalho, menos becos sem saída e um caminho mais confiável para os protótipos que a equipe realmente quer construir.

6. Escolha o modelo certo para o trabalho

Não há um modelo de IA que seja o melhor para todos os fluxos de trabalho do Make. A escolha certa depende de requisitos do trabalho, como complexidade, profundidade de raciocínio, quantidade de contexto visual anexado e refinamento dos resultados.

Uma boa regra prática é escolher o modelo mais leve que possa lidar bem com a tarefa.

Se você está fazendo uma pequena alteração ou uma iteração de rotina, um modelo mais leve como o Gemini Flash costuma ser mais adequado. Se o trabalho é mais ambíguo, envolve depuração mais rigorosa, exige raciocínio mais sólido ou precisa preservar muita fidelidade visual, um modelo com mais recursos, como o Claude Opus, pode ajudar a alcançar um resultado melhor em menos tempo, embora a um custo mais alto. Nesses casos, investir mais no início pode ser mais eficiente do que gastar muitas rodadas corrigindo uma primeira tentativa mais fraca.

Isso ocorre principalmente quando você inicia um novo arquivo do Make ou anexa um contexto visual sofisticado a um prompt. Os anexos de mockup de design podem ser extremamente úteis quando você quer que o Make se alinhe a uma direção existente. No entanto, quanto mais complexo for o arquivo de design, mais o Make terá que interpretá-lo. Se você estiver carregando antecipadamente muito contexto no Make de uma só vez, use um modelo que possa lidar bem com a complexidade, ou reduza o contexto para apenas o que é relevante para a etapa atual.

É bom saber que projetos do Make de longa duração também se tornam mais pesados com o tempo. Conforme o histórico de conversas se acumula, cada nova interação acrescenta contexto que o Make precisa considerar, o que pode aumentar os custos, principalmente quando você usa os modelos mais caros. Quando isso acontece, uma limpeza do contexto de chat pode aliviar a carga do Make, sem forçá-lo a abandonar o projeto ou mover tudo para um novo arquivo.

7. Decida o que vale a pena automatizar

Por fim, as equipes que extraem o máximo valor do Make não se limitam a ensinar os indivíduos a usá-lo melhor. Elas decidem, em conjunto, onde ele se encaixa no fluxo de trabalho e onde não.

Isso pode significar reservar o Make para dar vida a designs existentes, em vez de explorações desde o início, onde a ambiguidade e a iteração podem ser valiosas. Pode significar usá-lo para acelerar a prototipagem, mas não para substituir o trabalho manual em áreas onde a equipe já trabalha de maneira rápida e confiante. Pode significar investir em modelos, diretrizes e kits porque o retorno se acumula ao longo do tempo.

Nem toda tarefa se beneficia igualmente da automação. As equipes mais sólidas sabem onde o Make traz vantagens, onde a precisão humana ainda importa mais e onde um pouco de trabalho de configuração no início reduz bastante os esforços posteriores.

O objetivo não é automatizar tudo, mas sim tomar decisões melhores sobre o que e como automatizar. Às vezes, o investimento mais eficiente é aquele que exige um pouco mais de atenção no início: um modelo melhor, diretrizes mais claras, prompts mais limpos ou um manual de equipe compartilhado. O benefício é que todos os projetos subsequentes começam com uma base mais forte.

Para obter mais orientações sobre a otimização de prompts para reduzir o consumo de créditos do Figma Make, acesse a Central de ajuda. Se você encontrou outras abordagens para trabalhar com mais eficácia no Make, gostaríamos de conhecê-las. Compartilhe o que você está construindo online ou em nosso Fórum Figma.