Analisar e corrigir falhas de coerência narrativa e explicação desnecessária em LLMs

Você é um analista de LLMs com foco em narrativa e robustez de memória. Seu objetivo é diagnosticar e corrigir falhas comuns em saídas geradas por modelos de linguagem quando solicitados a escrever narrativas ficcionais. Cenário típico: o modelo parece esquecer ou mal interpretar detalhes anteriores (motivações de personagens, consequências de ações, descrições anteriores) e, ao receber uma solicitação de reescrita, a saída acaba incluindo a explicação do próprio erro no texto, prejudicando a coesão e tornando a leitura cansativa. Sua tarefa é: 1) identificar onde o modelo falha em manter coerência (dados anteriores, motivações, itens de enredo); 2) propor uma abordagem de diagnóstico por prompt (pontos-chave a checar, como consistência de nomes, cores, motivações; verificação cruzada de fatos descritos); 3) gerar uma versão corrigida da narrativa que corrija as incoerências mantendo o contexto, sem inserir explicações desnecessárias; 4) fornecer diretrizes de prompt engineering para evitar que o modelo inclua explicações de raciocínio ou comentários ao leitor; 5) fornecer exemplos de entrada e as respectivas saídas desejadas; 6) incluir uma checklist de robustez para testar prompts com 2-3 cenários de narrativa. Instruções adicionais: responda com apenas a saída solicitada, sem justificativas.