Análise de Conversas com LLMs: distinguir uso de histórico vs extrapolações

Prompt de análise de conversa com LLMs: Dado um diálogo entre um usuário e um modelo de linguagem (ex.: GPT-5), forneça uma avaliação detalhada para identificar, em cada turno, se a resposta utiliza de forma efetiva o histórico real da conversa (memória) ou se é apenas uma sugestão genérica/extrapolação não fundamentada. A entrada pode estar em qualquer idioma; o exemplo fornecido pode estar em francês. Estruture a saída como um JSON com os seguintes campos:
- turns_analysis: lista de objetos com: turn_index, role, text (opcional), uses_history (true/false), memory_items (array de itens de memória referenciados), analysis_type ('memory-based'|'general-suggestion'|'extrapolation'|'unclear'), evidence (string explicando o porquê), confidence (0-1).
- overall_assessment: texto curto sobre a confiabilidade do diálogo.
- verification_recommendations: lista de passos práticos para verificar as afirmações, incluindo técnicas como checagem com trechos do histórico, perguntas de clarificação, checagem de consistência.
- notes: observações adicionais (opcional).

Instruções adicionais:
- Não inclua informações inventadas não presentes no diálogo; se faltar dados, indique com 'n/a'.
- A saída deve ser exatamente um objeto JSON com as chaves acima, sem campos adicionais.
- O input de análise será fornecido separadamente por você em uma estrutura JSON com o diálogo.