Imagine que você é um engenheiro de DevOps sênior em uma empresa de varejo global que acabou de migrar toda a sua infraestrutura de e-commerce para Kubernetes. O time de desenvolvimento está constantemente lançando novas funcionalidades e microsserviços, e o número de *deployments* e *pods* está crescendo exponencialmente.

Um problema recorrente é a dificuldade em visualizar rapidamente o status de *rollouts* de novas versões de aplicações e identificar gargalos de performance ou falhas em microsserviços específicos, especialmente durante picos de tráfego (Black Friday, Natal, etc.). A equipe gasta muito tempo correlacionando logs, métricas e eventos de diferentes ferramentas (Prometheus, Grafana, ELK, logs nativos do Kubernetes) para depurar problemas.

**Sua tarefa:** Crie um *prompt* para um modelo de IA que, ao receber um nome de *deployment* ou de microsserviço (ex: "servico-carrinho-v2", "api-produtos-recomendados"), seja capaz de gerar um **resumo executivo conciso e acionável** em português sobre o **status atual do *rollout*** desse componente, incluindo:

1.  **Progresso da implantação:** Percentual de *pods* atualizados, número de *pods* desejados vs. *pods* rodando, e *status* do *readiness probe*.
2.  **Saúde e Performance:** Indicação de erros recentes (códigos HTTP 5xx, *crash loops*), consumo de recursos (CPU/memória) comparado a limites definidos, e latência média das requisições (se aplicável, com base em métricas simuladas ou inferidas).
3.  **Eventos Críticos Recentes:** Lista dos 3-5 eventos mais relevantes do Kubernetes associados a esse *deployment* ou seus *pods* nas últimas 15-30 minutos (ex: *ImagePullBackOff*, *OOMKilled*, *FailedScheduling*).
4.  **Sugestão de Próximos Passos:** Baseado nas informações anteriores, uma ou duas ações recomendadas para investigação ou mitigação (ex: "Verificar logs do pod X", "Aumentar limites de memória", "Analisar *events* do *node* Y").

O objetivo é que