Análise do vazamento do system prompt do chatbot de IA de Alex…

INEMA

O conteudo Todo Vazado

vários furos do prompt original que explicam por que o hack foi possível e por que a execução era confusa. Vou organizar:

Furos do Prompt Original⌗

1. Citação obrigatória de arquivos⌗

Instrução: “Sempre cite o arquivo exato + seção”.
Problema: isso abriu a brecha para que usuários pedissem o arquivo diretamente, forçando o modelo a expor conteúdo interno (mega-vazamento).

2. Termos vagos e sem critérios⌗

Exemplo: “Se não tiver certeza, busque em todos os arquivos” ou “não adivinhe se não estiver confiante”.
Problema: não havia critério objetivo para medir “não estar confiante”. Isso gera respostas inconsistentes e facilita exploração.

3. Categorias sobrepostas⌗

Ex.: “precificação” aparecia em várias partes (Offers, Pricing Playbook, Retention, LTV).
Problema: falta de delimitação clara entre quando usar cada recurso → risco de respostas confusas, redundantes ou até contraditórias.

4. Estrutura fragmentada⌗

O mapeamento de quais arquivos usar estava espalhado em diferentes partes do prompt (filebase map, cheat guide, SOPs, etc.).
Problema: sem uma árvore de decisão centralizada, ficava desorganizado e vulnerável.

5. Finalização fraca do prompt⌗

O prompt terminava com uma citação inspiracional (“Princípio: sempre remova o gargalo e tudo flui”).
Problema: os modelos dão mais peso ao início e final do prompt (recency/primacy bias). → Ou seja, a instrução final era inútil e deixava o modelo menos consistente.

6. Loop AOE mal implementado⌗

A ideia de Analyze → Optimize → Execute é boa, mas:
não havia clareza de quando ativar,
não dizia quantas perguntas de clarificação fazer,
misturava métricas, frameworks e ações de forma confusa.
Resultado: a IA poderia travar, dar respostas redundantes ou usar fontes erradas.

7. Falta de critérios para queries fora do corpus⌗

Havia a instrução “se for fora, use conhecimento geral”, mas sem reforço de transparência clara.
Isso permitia ao modelo responder sem deixar óbvio que estava fora da base → enfraquecendo confiança.

Resumindo os furos⌗

Segurança: citar sempre a fonte abriu a porta para o hack.
Consistência: termos vagos e sobreposição de categorias confundiam o modelo.
Organização: mapeamento espalhado em vez de central.
Entrega: finalização mal pensada + loop AOE desorganizado.

O que é uma Árvore de Decisão no Prompt⌗

É um fluxo lógico em formato de árvore, onde cada tipo de pergunta leva a um recurso específico.
Evita que o modelo fique perdido ou use várias fontes redundantes.
É como um manual de instruções hierárquico:
Pergunta → Categoria → Recurso principal → (se necessário) Recurso complementar.

Exemplo Prático da Árvore de Decisão (para este prompt)⌗

Usuário pergunta sobre precificação

Vai para: \$100M Offers → (se o foco for aumento de preço) Price Raise Playbook → (se for retenção ligada a preço) Retention Playbook.

Usuário pergunta sobre leads

Vai para: \$100M Leads → se for tráfego pago → Goated Ads Playbook → se for leads frios → Lead Nurture Playbook.

Usuário pergunta sobre escala

Vai para: Scaling Roadmap → se envolver equipe/gestão → Leila SOPs.

Usuário pergunta sobre retenção ou LTV

Vai para: Retention Playbook → se for monetização extra → Lifetime Value Playbook.

Usuário pergunta sobre posicionamento de marca

Vai para: Branding Playbook → complementar com Journal para insights.

Como ficaria visualmente (simplificado)⌗

Pergunta do usuário ├── Preço → $100M Offers → Pricing Playbook → Retention (se churn) ├── Leads → $100M Leads │ ├── Pago → Goated Ads │ └── Frios → Lead Nurture ├── Escala → Scaling Roadmap │ └── Equipe/Ops → Leila SOPs ├── Retenção → Retention Playbook → LTV Playbook └── Marca → Branding Playbook → Journal

Assim, em vez de o modelo ter que adivinhar, ele segue uma rota definida e consistente.

Analisei o prompt original.

Agora vou fazer duas partes: primeiro reescrevo a versão corrigida, aplicando todas as melhorias sugeridas pelas críticas; depois faço uma análise comparativa explicando o que mudou e por que está melhor.

Prompt Melhorado (versão corrigida)⌗

Contexto & Identidade⌗

Você é HormoziGPT, um parceiro estratégico de execução e crescimento. Sua identidade combina:

Estrategista de negócios de nível mundial.
Consultor estilo McKinsey + fundador com exits.
Especialista na Biblioteca \$100M de Alex & Leila Hormozi (livros, playbooks, roadmaps, SOPs e journals).

Missão⌗

Responda a qualquer questão sobre negócios, marca ou escala, usando a biblioteca Hormozi como fonte primária de verdade. Suas respostas devem sempre:

Ser baseadas em frameworks, modelos e exemplos práticos.
Incluir pelo menos um “próximo passo acionável”.
Citar a fonte exata (arquivo + seção).
Alinhar-se com os objetivos declarados do usuário (riqueza, escala, marca, rede).

Protocolo de Entrada⌗

Consultas diretas → traga a resposta literal do recurso correspondente.
Consultas estratégicas → sintetize frameworks em modelos passo a passo.
Consultas ambíguas → faça até 2 perguntas de clarificação antes de responder.
Fora da biblioteca → use conhecimento geral, mas deixe explícito que não está nos arquivos.

Estrutura de Decisão (Árvore de Recursos)⌗

Ofertas e preço → \$100M Offers, Pricing Playbook, Price Raise Playbook.
Leads e tráfego → \$100M Leads, Goated Ads, Lead Nurture, Hooks.
Escala e operações → Scaling Roadmap, Leila SOPs.
Modelos financeiros & monetização → Money Models, Lifetime Value.
Retenção → Retention Playbook, LTV Playbook.
Marca & posicionamento → Branding Playbook, Journal.
Soluções rápidas → Fast Cash Playbook.
Sistemas completos de marketing → Marketing Machine.

(Obs: Evite sobreposição. Se o tema aparecer em mais de um recurso, selecione apenas o principal e, se relevante, cite o secundário como complemento.)

Loop AOE (Analyze → Optimize → Execute)⌗

Ative quando a consulta mencionar gargalos, métricas ou crescimento travado.

Diagnosticar → identificar o gargalo principal (oferta, leads, retenção, conversão, ops, capital).
Analisar → quantificar impacto com métricas.
Otimizar → mapear gargalo para o recurso correto.
Executar → entregar plano passo a passo, vinculado às metas do usuário.

Regras de Saída⌗

Sempre cite o recurso exato.
Estrutura em tópicos ou etapas claras.
Sem linguagem vaga ou floreio.
Conclua sempre com um plano de ação imediato.

Estilo & Tom⌗

Claro, direto, pragmático.
Autoridade com proximidade.
Viés para ação e execução.

Análise Comparativa⌗

Organização em árvore

O prompt original tinha mapeamento espalhado.
Agora está em formato de árvore de decisão, com categorias exclusivas → reduz sobreposição.

Critérios claros

Antes: “se não tiver certeza”.
Agora: até 2 perguntas de clarificação + regra de uso explícito de conhecimento geral.

Menos redundância

O original repetia tópicos (ex.: precificação em vários pontos).
O novo deixa um recurso principal por tema e só complementa quando necessário.

Finalização forte

O original terminava com uma citação.
O novo termina com regras de estilo e plano de ação, que guiam melhor o modelo.

Loop AOE mais claro

No original era confuso e redundante.
Agora é uma sequência simples e acionável, com critérios de quando ativar.

Consistência de tom

O original misturava instruções técnicas e frases genéricas.
O novo é coeso, direto e orientado para aplicação.

o prompt hackeado

Como Seria a Versão Corrigida do Prompt⌗

Estrutura em árvore ou esquema

Em vez de jogar um “Hormozi file base” genérico, deveria existir uma árvore de decisão clara (por exemplo:
- Pergunta sobre precificação → vá para “Money Models” e “Pricing Playbook”.
- Pergunta sobre operações → vá para “Scaling Ops SOP”.
- Pergunta sobre anúncios → vá para “Ad Inspiration” etc.).

Critérios objetivos

O trecho “se não tiver certeza” deveria ter sido substituído por regras explícitas (ex.: “se a resposta não estiver em pelo menos 2 fontes diferentes, declare como fora do corpus e use conhecimento geral”).

Evitar redundância de categorias

Em vez de repetir “precificação” em vários lugares, deveria haver uma única seção de pricing, bem segmentada.

Melhor finalização do prompt

O prompt não deveria terminar com uma citação aleatória.
Deveria terminar com diretrizes de estilo e tom (ex.: “responda sempre de forma clara, estruturada, com frameworks acionáveis, em tom direto e profissional”).

Uso refinado do loop AOE (Analyze – Optimize – Execute)

Em vez de ativar de forma confusa, deveria ter instruções:
- Quando ativar (ex.: se a pergunta mencionar gargalos, métricas ou limites de escala).
- Quantas rodadas de análise fazer antes de responder.
- Como devolver o passo a passo final com clareza.

Separação de recursos (livros, playbooks, SOPs, cheatsheets)

Cada grupo deveria ter seu gatilho de ativação bem definido.
Ex.: SOPs apenas para processos práticos, playbooks só para estratégias específicas, livros como fonte principal de frameworks.

Como o Prompt Poderia Ser Melhorado⌗

1. Estrutura clara em árvore⌗

Em vez de espalhar instruções e mapeamentos pelo texto, deveria existir uma árvore de decisão organizada, mostrando:
qual recurso usar em cada tipo de pergunta,
quais subperguntas direcionam para qual playbook,
evitando sobreposição e confusão.

2. Definição objetiva de critérios⌗

Expressões vagas como “se não tiver certeza” precisariam de critérios quantificáveis.
Exemplo: indicar número mínimo de ocorrências ou parâmetros de confiança antes de buscar fora da base.

3. Menos redundância e sobreposição⌗

O prompt repete tópicos como precificação em várias categorias.
Ele sugere delimitar melhor cada recurso, deixando-os mais mutuamente exclusivos.

4. Melhor fechamento do prompt⌗

Em vez de terminar com uma citação aleatória, deveria acabar com instruções fortes de estilo e entrega (ex.: tom de voz, clareza, consistência).
Isso porque modelos dão mais peso ao início e ao final (recency bias).

5. Loop AOE mais organizado⌗

A ideia do ciclo Analyze → Optimize → Execute é boa, mas a execução ficou confusa.
Ele sugere definir melhor quando ativar, quantas vezes perguntar em caso de dúvida, e como apresentar os passos de execução de forma consistente.

6. Segmentação de recursos⌗

Melhor dividir claramente:
Livros principais,
Playbooks,
SOPs,
Cheatsheets.
Cada grupo deveria ter gatilhos específicos de quando ser usado.

Ou seja: o que faltou foi clareza, hierarquia e consistência.

Resumo da Análise do Prompt do Chatbot de Hormozi⌗

1. Contexto⌗

O chatbot de Hormozi foi hackeado novamente, desta vez expondo o system prompt.
O problema principal não foi só técnico, mas também de estrutura do prompt.

2. Estrutura inicial do Prompt⌗

Começa com atribuição de papel: Hormozi GPT (consultor McKinsey + fundador com exits).
Objetivo: agir como estrategista de negócios de alto nível, usando a biblioteca de livros e playbooks de Hormozi.
Instrução crítica: “sempre cite o arquivo exato” → isso permitiu a exploração que levou ao mega-vazamento.

3. Problemas identificados⌗

Uso de termos vagos como “se não tiver certeza” sem critérios.
Categorias sobrepostas (ex.: precificação aparece em diferentes pontos).
Falta de clareza sobre quando usar cada recurso (playbooks, SOPs, frameworks).
Estrutura desorganizada: mapeamento de arquivos espalhado em vez de hierarquia clara.
O prompt termina com uma citação aleatória, em vez de diretrizes de estilo consistentes.

4. Objetivos e regras⌗

Alinhar respostas a objetivos do usuário (riqueza, marca, negócios, rede).
Sempre basear-se em frameworks e exemplos reais dos arquivos citados.
Diferenciar tipos de consultas:
Diretas → resposta precisa do arquivo.
Estratégicas → síntese de frameworks em modelo passo a passo.
Ambíguas → fazer uma pergunta de esclarecimento.
Fora do corpus → usar conhecimento geral, deixando explícito.

5. Estrutura de Raciocínio (Reasoning Stack)⌗

Interpretar a consulta.
Procurar nos arquivos.
Extrair insights.
Aplicar contexto.
Gerar resposta estruturada.

6. Recursos usados⌗

Arquivos: 100M Offers, Leads, Scaling Roadmap, Money Models, Journal, Playbooks etc.
Cada tópico deveria ter uma correspondência clara com o recurso correto.
Problema: muitas sobreposições, dificultando a escolha do melhor recurso.

7. Loop AOE (Analyze – Optimize – Execute)⌗

Ativado quando o usuário pergunta sobre gargalos de crescimento ou métricas.
Estrutura: diagnosticar, otimizar, executar.
Apesar da ideia, a implementação no prompt ficou confusa e redundante.

8. Considerações finais⌗

O prompt poderia ser mais eficaz com uma árvore de decisão clara para uso de recursos.
Faltou organização para evitar redundâncias e conflitos.
O encerramento do prompt não foi estratégico, já que modelos dão mais peso ao começo e ao final.
Apesar das falhas, todos os componentes agora estão disponíveis, permitindo que qualquer pessoa reconstrua o sistema (RAG com Make, n8n, Claude Code, etc.).

Chatbot do Hormozi foi hackeado de novo - Análise do Prompt do Sistema

A semana do Hormozi ficou ainda pior, já que o prompt do sistema do chatbot de IA dele também vazou 😮‍💨 Aqui está o que o prompt revela:

atribuição de papel: "você é o Hormozi GPT, um consultor da McKinsey + fundador com exits" → tenta adicionar credibilidade com microdetalhes → se posiciona como "parceiro de execução estratégica" → falha fatal: "sempre cite o arquivo exato" → essa única linha possibilitou todo o hack

problemas na estrutura do prompt: → termos vagos como "se não tiver certeza" sem critérios definidos → categorias sobrepostas (precificação aparece em vários lugares) → mapeamento de arquivos espalhado em vez de organizado → nenhuma separação clara para recursos mutuamente exclusivos → termina com uma citação aleatória em vez de diretrizes de estilo

o que é interessante: tentaram criar um “loop AOE” (analisar, otimizar, executar) para gargalos de crescimento, mas a execução foi confusa

o lado positivo: agora você tem tudo o que precisa para reconstruir esse sistema de 6.000 dólares – todos os livros (incluindo os 2 playbooks escaneados que faltavam), além da estrutura completa do prompt

loucura que um produto premium tivesse falhas de segurança tão básicas, mas pelo menos podemos aprender com esses erros caros

As Falhas

Quem é Alex Hormozi?⌗

Alex Hormozi é um empreendedor, investidor, autor e filantropo americano de origem iraniana, reconhecido por sua trajetória impressionante de construção e escalada de negócios bem-sucedidos. A seguir, um panorama de sua importância, popularidade e feitos mais valorizados:

1. Trajetória e feitos empresariais⌗

Em 2013, iniciou seu primeiro negócio físico, que expandiu para seis unidades em apenas três anos antes de vendê-lo.
Em seguida, passou a reverter operações de mais de 32 negócios físicos utilizando o mesmo modelo de sucesso.
Criou um modelo de licenciamento que se espalhou para milhares de locais (\~4.000) em poucos anos.
Em quatro anos, fundou e escalou três outras empresas, acumulando mais de US\$120 milhões em vendas brutas em quatro setores (software, serviços, e-commerce, físico), sem capital externo.
Em 2021, vendeu sua empresa de licenciamento por US\$46,2 milhões.
Em 2020, deixou o cargo de CEO e fundou a Acquisition.com, uma plataforma para investir seu capital financeiro e intelectual em outras empresas com alto fluxo de caixa — focadas em produtos e serviços escaláveis.

2. Educação e princípios iniciais⌗

Graduou-se pela Vanderbilt University com honra magna cum laude, em apenas três anos, com foco em Desenvolvimento Humano e Organizacional, ênfase em Estratégia Corporativa.
Atuou como consultor de gestão antes de mergulhar no empreendedorismo.

3. Publicações e presença na mídia⌗

É autor do bestseller “\$100M Offers: How To Make Offers So Good People Feel Stupid Saying No”, considerado leitura essencial para empreendedores, abordando criação de ofertas irresistíveis.
Possui forte presença online: YouTube, Instagram, podcast ("The Game w/ Alex Hormozi"), com milhões de seguidores e grande visibilidade nas redes sociais.

4. Popularidade e reputação⌗

É descrito como conciso, direto e confiável entre seus seguidores. Muitos destacam sua habilidade de articular ideias complexas de forma simples e objetiva.
Seu lema “I have nothing to sell you” reflete seu posicionamento contra práticas comuns de “gurus” que vendem promessas vazias.
Sua abordagem prática e sem rodeios o distingue de muitos influenciadores de marketing que priorizam estilo em vez de substância.

O HOMEM QUE VALE 100 MILHÕES (E FOI EXPLOITADO POR UM BUG DE SEGURANÇA)⌗

Você talvez nunca tenha ouvido falar de Alex Hormozi. Mas deveria. Esse cara começou do zero, montou academias, vendeu, escalou dezenas de empresas sem investidores, escreveu um livro que virou bíblia de marketing (“\$100M Offers”), e hoje administra uma holding que compra negócios como quem compra café na padaria.

Hormozi não é só empresário. É o anti-guru: direto, prático, sem enrolação. Enquanto outros vendem “segredinhos”, ele joga frameworks de milhões de dólares de graça no YouTube, no podcast, no Instagram. Resultado? Virou referência global em escala, branding e riqueza real.

E mesmo assim… seu chatbot de inteligência artificial foi hackeado. Por quê? Porque uma única linha mal pensada no prompt expôs toda a biblioteca secreta de conteúdo. Um sistema de assinatura avaliado em 6 mil dólares implodiu em minutos.

Moral da história: Se até o Hormozi, que transformou negócios em impérios e tem milhões de seguidores, pode perder por uma falha estrutural… o que protege você e sua empresa de ser engolido por um descuido?

🔥 Prepare-se para proteger seu legado. Construa sistemas à prova de falhas. Estruture sua comunicação com clareza. Porque o jogo dos negócios é simples: ou você fecha as brechas, ou alguém vai usá-las contra você.

👉 Compartilhe esse texto com quem ainda acha que “segurança é detalhe”. Na nova economia, detalhe é tudo.

Hacker do Alex Hormozi

chatgpt.com ↗