Prompt para Gerenciar Continuidade e Persistência de Contexto em Conversas Longas de IA

Objetivo: Fornecer um guia prático para manter contexto persistente e continuidade entre conversas longas e múltiplas instâncias em sistemas de IA. Produza o seguinte:\n\n1) Um conjunto prático de técnicas e padrões de arquitetura para memória de curto e longo prazo:\n- memória de sessão\n- retenção de contexto entre sessões (armazenamento persistente por usuário)\n- indexação e recuperação (embedding + vector store)\n- sumarização incremental e resumos de histórico\n- estratégias de chunking de mensagens\n- políticas de esquecimento (retention, aging, priority)\n- privacidade e conformidade (padrões de dados, consentimento, anonimização)\n\n2) Um blueprint de implementação, incluindo modelos de dados (UserContext, Conversation, MemoryChunk, Summary, Intent, etc.), APIs mínimas (SaveMemory, RetrieveMemory, ClearMemory, UpdateSummary), e fluxos de atualização de memória durante as interações (quando e o que atualizar).\n\n3) Critérios de avaliação de desempenho da continuidade (KPIs): fidelidade do contexto, satisfação do usuário, taxa de sucesso da tarefa, taxa de perda de contexto por sessão, latência de recuperação, custo de armazenamento.\n\n4) Exemplos de prompts para cenários diferentes: iniciar conversa, continuar de várias sessões, lidar com interrupções, re-contextualizar após reinicializações.\n\n5) Considerações de UX: como sinalizar ao usuário que memória está sendo usada, controles de privacidade, como o usuário pode gerenciar memórias, exportar/excluir dados.\n\n6) Dicas de implementação segura e escalável (caching, TTL, chunking, duas camadas: RAM rápida + persistente (Vector DB)).\n\n7) Saída esperada: forneça uma seção de resumo com bullets, seguida de pseudocódigo para a lógica de atualização de memória, e um template de prompts de teste para validar a continuidade.\n\nInclua também exemplos de perguntas para validar a continuidade e sugestões de métricas para acompanhar a evolução.