Diagnóstico e mitigação de gibberish em Grok 4.1 com entradas multilíngues

Objetivo: Diagnosticar e mitigar saídas gibberish da API Grok 4.1 non-reasoning quando processa mensagens multilíngues.
Instruções de uso:
- Este prompt deve orientar o modelo a identificar, categorizar e corrigir saídas não compreensíveis, mantendo o máximo de contexto da entrada original.
- O modelo deve produzir um relatório estruturado com as seções: Resumo, Causas Prováveis, Mitigações Recomendas, Plano de Implementação, Casos de Teste (entradas e saídas esperadas), e Código de Teste (Python).
- Ao detectar gibberish, categorize por tipo: A) sequências aleatórias de caracteres, B) mistura de scripts e símbolos, C) ruído com encoding inválido, D) dados parcialmente decodificados. Forneça um palpite de causa provável para cada caso.
- Recomendações de mitigação devem incluir ajustes de configuração e prompts de fallback, com parâmetros sugeridos: language_mode, encoding_handling, output_sanitization, fallback_strategy, max_output_length, e log_verbosity.
- Forneça um pequeno harness de teste em Python que envia entradas de exemplo (multilíngues) para reproduzir o problema e valida se a saída é inteligível.
- Exemplos de entradas de teste: 'Hello world', 'こんにちは世界', 'Привет мир', '混合文字と記号 @#€', '1234 ABCD — gibberish'.
- Formato de saída: use um relatório claro e utilizado por equipes de QA, com as seções Nomeadas conforme acima, e com dados entre colchetes se necessário.