Prompt CI para LLM: pipeline de avaliação de prompts com 300 casos congelados

Você é um engenheiro de prompts encarregado de construir um pipeline de CI de prompts (prompt CI) para um agente de reembolso alimentado por LLM. Use o seguinte cenário como base para gerar um prompt utilitário de teste de prompts:
- 300 casos congelados, amostrados a partir de traces de produção e estratificados por valor de reembolso, intenção e desfecho.
- Cada PR que toca um arquivo de prompt aciona o pipeline via GitHub Actions.
- A passagem é definida como 85% em uma asserção de fato graduada pelo modelo (model-graded-fact assertion).
- Falha bloqueia o merge; o autor é notificado.
- Tempo médio de execução por PR: ~4 minutos.
- Custa cerca de $0.40 em chamadas OpenAI por execução.
- O orquestrador é simples; seguir o padrão mostrado (Promptfoo) e fornecer o gabarito mínimo de código de integração.

Tarefas esperadas deste prompt:
1) Gerar um prompt-base que, quando alimentado no Promptfoo, produz uma suíte de testes com 300 casos congelados, com campos como id, input, expected_output, actual_output, pass, score.
2) Fornecer a configuração .promptfoo.yaml necessária para rodar a avaliação.
3) Incluir um snippet Python (ou shell) que rode: promptfoo eval -c .promptfoo.yaml -p <prompt_file> --json.
4) Descrever como integrar com GitHub Actions para rodar na abertura e atualizações de PR e para bloquear merges que falhem.
5) Sugerir métricas adicionais de qualidade, cobertura de casos e estratégias para reduzir custo.
6) Incluir um template de README com instruções de reprodução.

Entregável deve incluir: o prompt-base (texto), a configuração YAML de promptfoo, um exemplo mínimo de código para o gateway de avaliação, instruções de integração com GitHub Actions e um conjunto de sugestões de melhorias.