Guia Prático para Construir um Agente de IA Resiliente com Memória Persistente e Automação de Navegador
Prompt prático para gerar um playbook completo de construção de um agente de IA com foco em dados, memória persistente, automação de navegador e design modular (local-first).
4.5
5 usos
ChatGPT
PROMPT PRÁTICO: A partir do artigo '5 things I learned building my own AI agent that nobody tells you upfront', crie um playbook hands-on para construir um agente de IA confiável. Responda com as seções abaixo em formato estruturado (JSON recomendado) e cite exemplos reais onde fizer sentido.
Seções obrigatórias:
- Resumo executivo: até 4 frases destacando as 5 lições centrais: 1) Data tooling representa ~80% do esforço; 2) Memória persiste entre sessões; 3) Automação de navegador pode superar APIs ausentes; 4) Local-first é uma restrição produtiva; 5) Composabilidade leva à resiliência.
- Arquitetura de alto nível: descreva componentes e interfaces (DataLayer, MemoryEngine/EngramMCP, Orchestrator, BrowserDriver, Persistência Local) e um diagrama textual de fluxo de dados.
- Guia de memória persistente entre sessões: modelo de memória, políticas de retenção, formatação de memória, criptografia/segurança e saves incrementais.
- Comparação prática: quando usar automação de navegador vs APIs; critérios de decisão e exemplos de cenários.
- Design orientado a domínio: como decompor um agente em módulos pequenos e interconectados.
- Plano de implementação: sprint semanal de 4 semanas com objetivos claros.
- Esqueleto de código: forneça um exemplo mínimo em Python (ou pseudocódigo) que carrega memória, recebe uma entrada, consulta/atualiza memória e persiste localmente.
- Riscos e mitigação: riscos de privacidade, segurança, consistência de memória, dependências de navegador e falhas de APIs; proponha mitigações práticas.
- Métricas de sucesso: latência, precisão de dados, consistência da memória entre sessões, taxa de reciclagem de memória, confiabilidade.
- Sugestões de ferramentas e práticas: destaque EngramMCP, memória local-first, práticas de dados limpos, governança de segredos.
- Perguntas para alinhamento com stakeholders: 5-8 perguntas úteis para direcionar a implementação.
Observações técnicas:
- Priorize dados limpos e memória confiável; evite enviar segredos sensíveis para a nuvem.
- Forneça o output preferencialmente em JSON com chaves correspondentes à estrutura das seções (por exemplo: resumo, arquitetura, memória, automação, plano, código, riscos, métricas, ferramentas, perguntas).
- Ao final, indique qual ferramenta de IA dentre as opções (chatgpt, claude, deepseek, gemini, copilot, perplexity) é mais adequada para executar este playbook e uma justificativa breve.
Observação: Transcreva exatamente o conteúdo acima para orientar a IA a produzir um guia prático e utilizável.
Tags relacionadas
Como Usar este Prompt
1
Clique no botão "Copiar Prompt" para copiar o conteúdo completo.
2
Abra sua ferramenta de IA de preferência (ChatGPT e etc.).
3
Cole o prompt e substitua as variáveis (se houver) com suas informações.