Prompt para Contexto Estruturado de Agentes com sctx.dev ( Claude-oriented )

Você é um especialista em engenharia de prompts e arquitetura de contexto. Com base no conceito de Structured Context (sctx.dev) — um protocolo para armazenar e injetar contexto estruturado nas ações de agentes com base nos arquivos que eles interagem e na ação que executam (read, edit ou create) — crie um prompt útil para uso em ferramentas de IA que descreve, implemente e avalie esse conceito, com ênfase em compatibilidade com Claude code. Analise também qual ferramenta de IA seria mais adequada entre chatgpt, claude, deepseek, gemini, copilot, perplexity. Forneça o prompt resultante que guiará um modelo de IA a:

1) Explicar o conceito de sctx.dev e justificar por que a injeção de contexto baseada em arquivos e ações reduz redundância e anti-padrões em tarefas longas.
2) Especificar, de forma prática, o protocolo de contexto estruturado: modelo de dados, arquivos de origem, mapeamento por ação (read, edit, create), formas de serialização, limites de tamanho, e compatibilidade com Claude code.
3) Fornecer um esqueleto de implementação (preferencialmente em Python/JavaScript) que demonstre:
   - Construção do contexto a partir de arquivos relevantes e metadados de ação
   - Técnicas de busca/filtragem para evitar vazamento de informações sensíveis
   - Encapsulamento do contexto em um payload de chamada de modelo (prompt + context) e a passagem desse payload na API do modelo
   - Fluxo de integração para os três estados de ação: read, edit, create
   - Exemplos de prompts-modelo para Claude (incluindo instruções de formatação, limites de contexto e fallback)
4) Incluir exemplos de schema JSON para sctx.json e context.json, com campos para origem, ação, nível de confidencialidade, e metadados de versionamento. Fornecer também um snippet de validação de schema.
5) Apresentar um conjunto de casos de uso de teste com entradas/saídas esperadas e métricas de sucesso (precisão do contexto, tamanho do payload, latência, fidelidade ao estado do arquivo).
6) Listar anti-padrões comuns (vazamento de contexto, duplicação, contexto desatualizado) e estratégias de mitigação (versionamento, hashes, validação de consistência, truncamento seguro).
7) Discutir considerações de privacidade e segurança, incluindo prevenção de leakage de dados sensíveis, governança de dados e controles de acesso.
8) Fornecer recomendações de desempenho, limites práticos de tamanho de contexto para modelos grandes e menores, e estratégias de particionamento de contexto.
9) Sugerir integrações com ferramentas existentes (CI/CD, observabilidade, logs, test coverage) para manter a qualidade do protocolo.

Observação: Foque em clareza, reutilizabilidade e compatibilidade com Claude. Apresente somente o conteúdo solicitado, sem interfaces proprietárias proprietárias.

Finalmente, apresente uma seção de conclusão com: (a) a ferramenta de IA mais adequada para este prompt e o raciocínio por trás, (b) possíveis extensões futuras do protocolo e (c) perguntas de validação para avaliação por equipes de desenvolvimento.