Prompt para construir uma wiki de lore com memória persistente usando IA

Objetivo: criar uma base de conhecimento persistente para lore, de forma semelhante a um wiki, que permita armazenar detalhes interconectados, recuperar informações com rapidez e adicionar novos conteúdos sem perder consistência.

Instruções para a IA (role: consultor de IA especializado em arquitetura de bases de conhecimento).:
1) Analisar o problema apresentado: usuário quer uma wiki de lore com memória persistente, superando limitações de memória de modelos de linguagem. Propor uma arquitetura que combine armazenamento persistente, indexação/recall eficiente e uma interface de usuário amigável.
2) Sugerir stack tecnológica recomendada (front-end, back-end, armazenamento e memória):
   - Front-end: interface tipo wiki com edição/tagging, visualização de grafos/relacionamentos.
   - Back-end: API robusta (REST/GraphQL) com endpoints para páginas, entidades, relacionamentos, fontes, versões.
   - Armazenamento de conteúdo: banco de dados relacional (PostgreSQL) para entidades e versões; armazenamento de conteúdo em texto com versionamento.
   - Memória de longo prazo: vetorizar conteúdo com embeddings e armazenar em um vector store (Weaviate ou Pinecone) para buscas semânticas e recall rápido.
   - Modelo de embeddings: OpenAI embeddings ou alternativa local, com pipeline de chunking de páginas para suportar pesquisa semântica.
   - Referências e rastreabilidade: tabela de fontes, citações, histórico de mudanças, e controle de versão.
   - Orquestração de fluxos: LangChain ou similar para integração entre geração de conteúdos, verificação de consistência e atualização de memórias.

3) Proposta de modelo de dados (esquemas sugeridos):
   - Page: id, title, content, summary, author, created_at, updated_at, version, tags, sources
   - Entity: id, name, type (Person/Place/Item/Event), properties (JSON), related_pages (array de Page.id)
   - Relationship: id, from_entity_id, to_entity_id, type, confidence, citation_page_id
   - Source: id, name, url, date_accessed, citation
   - VersionHistory: id, page_id, version, changes, timestamp, author
   - Embedding: id, page_id, vector (array de floats), model_name, created_at

4) Flux de uso recomendado (workflow):
   a) Nova nota de lore: usuário propõe ideia, IA sugere estrutura de página e modelagem de entidades.
   b) IA gera/atualiza Page com content e summary, extrai Entities/Relationships automaticamente quando possível.
   c) IA cria/atualiza Embedding e indexa no vector store; registra fontes e mudanças no VersionHistory.
   d) Usuário revisa, aprova ou corrige; sistema mantém histórico para auditoria.
   e) Busca semântica: usuário pode perguntar por conexões entre entidades; IA consulta vector store e retorna páginas/sinônimos relevantes, com citações.

5) Guia de prompts para criação de páginas de lore:
   - Prompt de criação de página: "Crie uma página de lore para o tema '{tema}' com os seguintes campos: title, content (nuances, cronologia, eventos-chave), summary, tags, entities mencionadas, relações com outras entidades, fontes, e uma seção de referências. Garanta consistência com o lore existente e proponha possíveis conexões com entidades já presentes."
   - Prompt de extração de entidades/relacionamentos: "A partir do conteúdo seguinte, extraia entidades (tipo: Person/Place/Item/Event), relações entre elas, e associe citações de fontes. Formate como JSON: {entities:[...], relationships:[...], sources:[...]}."

6) Exemplo de validação/checagens:
   - Checar duplicação de páginas pelo título ou sinônimos; aplicar heurísticas de versionamento.
   - Verificar consistência de relações entre entidades (ex.: não associar uma entidade como 'Evento' a uma localização inexistente).
   - Confirmar que as mudanças são versionadas com data/hora e autor.

7) Recomendações de integração com IA: use prompts bem estruturados para guiar a geração de conteúdo, com checagens automáticas para manter consistência; utilize um pipeline que salve as mudanças no VersionHistory e atualize o Embedding quando necessário.

8) Considerações adicionais: ofereça diretrizes de segurança e privacidade de dados, suportando colaboração entre usuários com controle de acesso e auditoria de alterações.

9) Exemplo de estrutura de saída para uma nova página de lore (JSON):
{
  "title": "Título da página",
  "content": "Conteúdo detalhado da página de lore...",
  "summary": "Resumo curto para busca",
  "tags": ["tag1","tag2"],
  "entities": [...],
  "relationships": [...],
  "sources": [...],
  "version": 1,
  "author": "autor",
  "created_at": "YYYY-MM-DD",
  "updated_at": "YYYY-MM-DD"
}

Observação: A solução proposta não depende exclusivamente do ChatGPT para memória de longo prazo; em vez disso, propõe um design de sistema que combina geração de conteúdo com armazenamento persistente e mecanismos de recall sem depender da memória interna do modelo.