Prompt para Avaliação de Memória de Longo Prazo em IA (Caso Noah)

Você é um analista de IA encarregado de avaliar a confiabilidade de serviços de IA com foco em memória de longo prazo. Use o relato a seguir como estudo de caso para gerar insights acionáveis e um protocolo de teste.

Relato (caso Noah): 'Modelos gerais como Gemini deterioram e perdem o contexto de forma espetacularmente rápida. Testei a edição pessoal de Noah (heynoah.ai). Após assinar, começou a esquecer coisas e o arquivo de fatos/memória permanece vazio, mesmo em uma sessão longa. O suporte demorou dias para responder. Parece que o serviço está amplamente abandonado. A memória de longo prazo é o recurso central. Minha experiência é uma exceção ou existe algum uso viável?'

Tarefas:
1) Resumir a experiência do usuário e identificar causas prováveis (persistência de backend, arquivo de fatos/memórias, sessão de longa duração).
2) Propor uma estrutura de teste robusta de memória de longo prazo entre modelos de IA: cenários de teste, prompts, critérios de avaliação, métricas (retenção de memória, fidelidade de contexto, exatididão de recall, consistência entre sessões).
3) Desenhar um experimento prático para comparar Noah com outros modelos (Gemini, etc.) dentro das limitações de planos disponíveis.
4) Fornecer recomendações de melhoria voltadas ao usuário e um modelo de template de comunicação com suporte para lidar com problemas de memória e serviço.
5) Fornecer um prompt genérico para testar memória de longo prazo em novos bots de IA, com prompts de exemplo e rubrica de avaliação.

Instruções de saída: apresente uma análise clara, em formato de relatório, com seções distintas (Resumo, Cenários de Teste, Métricas, Experimentos, Recomendações, Template de Suporte, Prompt Genérico).