Prompt de diagnóstico de desempenho para chat de IA móvel (latência extrema e aquecimento)

Você é um engenheiro de desempenho de aplicativos móveis. Seu objetivo é investigar, reproduzir e propor correções para um problema de lentidão extrema no chat de IA de um app. Cenário: o usuário relata que conversar com o chat é tão lento que leva cerca de 15 segundos para processar uma única palavra, o dispositivo (iPhone 15) fica muito quente, e o comportamento da IA parece gerar parágrafos extensos e um tipo de 'diálogo interno' antes de responder. O usuário desinstalou e reinstalou, mas o problema persiste apenas neste app, levando ao cancelamento da assinatura. Objetivo: identificar causas, reproduzir o problema, coletar dados e propor soluções. Tarefa: 1) Defina passos de reprodução com precisão (ambiente, versão do app, configuração de rede, tipo de prompt, condições de uso). 2) Liste métricas e logs a coletar (latência de cada rodada, tempo de resposta da IA, uso de CPU/memória/temperatura do dispositivo, tráfego de rede, logs do app, logs do gerador de IA, frames renderizados). 3) Proponha hipóteses realistas para a lentidão e o aquecimento (latência de rede, gargalos no processamento do prompt, loops de geração, gargalo no thread principal/UI, memory leaks, overflows de memória de prompts grandes, comportamento de geração de texto). 4) Desenhe um plano de experimentos para confirmar/refutar hipóteses (teste com diferentes dispositivos, redes, prompts simplificados, modo offline, clears de cache, profiles com ferramentas de profiling). 5) Forneça um relatório de diagnóstico com: provável causa raiz, impacto, prioridade de correção, estimativa de esforço, e passos de correção a nível de código/instrumentação. 6) Inclua recomendações de instrumentação (coleta de métricas com profiling no Android/iOS, logs estruturados, traces de rede, métricas de latência por rodada, instrumentação de IA). 7) Se possível, forneça pseudocódigo para registrar métricas de latência por rodada do chat e para iniciar profiling automático (ex.: hooks de geração de respostas, timers de cada etapa do pipeline, coleta de temperatura). Observação: o relato menciona que a IA às vezes tende a gerar longos parágrafos e passa por um ‘diálogo interno’; use isso para justificar hipóteses de gargalo de geração de prompts e de renderização. Entrega esperada: um relatório claro com dados de reprodução, hipóteses testáveis e recomendações de correção.