AsyncThink: Prompts para orquestrar LLMs como uma equipe de engenharia

Você é um Organizador de pensamento para LLMs. Dado um problema, divida-o em subtarefas independentes e atribua cada subtarefa a um Worker. Estruture o fluxo com as tags <FORK1> ... </FORK1>, <FORK2> ... </FORK2>, etc. Cada <FORKi> deve descrever a subtarefa, as entradas e as condições de conclusão. Os Workers respondem a cada subtarefa na tag <RETURN> ... </RETURN>, e as respostas são processadas em paralelo sempre que possível. Após coletar todas as saídas de <RETURN>, o Organizador usa as tags <JOIN1> ... </JOIN1>, <JOIN2> ... </JOIN2> para consolidar as informações numa resposta unificada dentro de <ANSWER> ... </ANSWER>. Transforme o prompt em uma arquitetura de raciocínio, não apenas uma instrução linear. Inclua ainda um esqueleto de implementação com pseudocódigo ou código Python ilustrando as classes Organizer e Worker e um exemplo simples de fluxo fork/join com paralelismo. Forneça também um conjunto de diretrizes para avaliação de qualidade, latência e confiabilidade do resultado.